Video Pipeline MCP Server
Video Pipeline MCP 서버
MCP 서버로 비디오 파이프라인을 관리합니다. cloudflared 터널을 통해 Claude AI Web과 작동합니다.
상태 (2026-07): 데이터 관리 계층 구현됨(파일, 테이블/Excel, 채널 구조, 검색) + 방화벽 + 전송. 프로덕션 비디오 파이프라인(음성/자막/이미지/편집) — 개발 중. 엔터프라이즈 수준 달성을 위한 계획:
docs/roadmap/. 범례: ✅ 구현됨 · 🟠 스텁/부분적 · 🔲 계획.
프로젝트 구조 (실제)
video_pipeline_mcp/
├── server.py ✅ точка входа: MCP-эндпоинт + туннель; регистрация инструментов
├── pyproject.toml ✅ сборка/зависимости (PEP 621) · requirements.lock — точные пины
├── install.sh · run.sh ✅ установка (.venv + cloudflared) · запуск (--tunnel)
│
├── config/ ✅ декларации (поведение, НЕ код)
│ │ (конфиг канала с S22 — не файл, а 7 листов channel_data.xlsx:
│ │ RESOURCE_LIMITS, WORKFLOW_SEQUENCES, PUBLISHING_SCHEDULE,
│ │ METADATA_DEFAULTS, AUTOMATION_RULES, SCENE_PROFILE, RENDER_CONFIG)
│ ├── server_reactions.yaml ✅ реестр реакций (коды → класс + recovery)
│ ├── firewall.yaml ✅ правила файрвола
│ ├── tunnel.yaml ✅ конфиг туннеля (gitignored — секрет)
│ └── templates/
│ ├── workspace/ ✅ 6 шаблонов: niche/network/channel/video/competitor_channel/competitor_video
│ └── tables/ 🔲 схемы книг (*.schema.yaml) — воркстрим A1′
│
├── core/ — ядро (бизнес-логика)
│ ├── contracts/ ✅ Pydantic: ToolResult, ErrorDetail, Fact, TaskStatus
│ ├── engine/ ✅ generic-движок + template_engine
│ ├── firewall/ ✅ файрвол + rules/ (rate_limit, injection, ip_blocklist, anomaly)
│ ├── state/ ✅ read.json / write.json / session log
│ ├── reactions/ ✅ читалка server_reactions
│ ├── ids/ ✅ генерация ID + link_registry
│ ├── tables/ · excel/ ✅ слой таблиц и Excel-книг
│ ├── search/ ✅ поиск по ФС/таблицам (FsSearcher + QueryPlanner)
│ ├── transport/ ✅ туннель к Claude (transport + tunnel)
│ ├── runner/ ✅ инференс в отдельном процессе: сервис на петле + супервизор
│ ├── paths.py ✅ containment путей в workspace/
│ └── providers/ 🟠 адаптеры провайдеров (заглушки — в разработке)
│ ├── stt/ (stable-ts) · tts/ (LiteLLM) · img/ (LiteLLM) · ffmpeg/ (внешний MCP)
│
├── tools/ 🔲 тонкие обёртки Bounded Context (план: вынос из server.py, A2)
├── pipeline/ 🔲 оркестрация процессов (entry_points + steps) — план
├── scripts/ 🔲 утилиты (план: introspect_tables.py — A1′)
├── docker/ ✅ образ раннера (среда инференса заперта в контейнере)
├── tests/ ✅ quick/ (unit) + симуляции (virus/bot_army/cache_*/…)
└── docs/
├── dev/ — история файлов, спеки (gitignored)
└── roadmap/ ✅ план развития до корпоративного уровня + канон спек (spec/)현재 도구 (52개 in tools/list): ✅ fs_* (파일), table_*/json_* (테이블), excel_* (워크북), structure_* (템플릿으로 채널/비디오 생성), search_* (검색); 🟠 tts_*/stt_*/img_*/video (미디어 — 스텁).
Related MCP server: Video MCP
설치
./install.sh # .venv + БАЗОВЫЕ зависимости + cloudflared
./install.sh --media # + облачные/HTTP-провайдеры и ONNX (bg_removal/upscale)
./install.sh --local # + локальный ML-инференс (torch/stable-ts/piper/diffusers)
./install.sh --gpu-amd # + локальный инференс на карте AMD (rocm-сборка torch)절약: 기본 설치 시 무거운 라이브러리(torch ~3GB, stable-ts, litellm, onnxruntime) 없이 설치됩니다. 이들은 느리게 임포트되며 선택적 그룹으로 분리됩니다. 순수 기본 서버는 작동하며, 미디어 도구는 PROVIDER_NOT_CONFIGURED / LOCAL_INFERENCE_FAILED를 정직하게 응답합니다.
실행
./run.sh # сервер + туннель (--no-tunnel — только локально)의존성
진실의 원천은 pyproject.toml (pip install -e .)입니다. 기본 정확한 핀은 requirements.lock입니다. dev 도구는 pip install -e ".[dev]", 미디어는 pip install -e ".[media]", 로컬 ML 추론은 pip install -e ".[local]" (AMD GPU의 경우 pip install -e ".[gpu-amd]").
기본 (필수, ~50MB)
패키지 | 목적 |
pydantic | 계약 (ToolResult, ErrorDetail) |
openpyxl | Excel 작업 |
pyyaml · jsonschema | 설정 읽기 · 스키마에 따른 params 검증 |
aiohttp | 터널 뒤 서버의 HTTP 전송 |
cryptography | 아티팩트 서명 (S9), 인스턴스 키 |
Media (요청 시, .[media])
패키트 | 목적 |
httpx | 공급자 클라우드 게이트웨이에 대한 HTTP 클라이언트 |
litellm | 온라인 모델(STT/TTS/IMG)에 대한 통합 액세스 |
onnxruntime · pillow | 배경 제거, 업스케일 (ONNX 그래프) |
ffmpeg-python | 비디오 작업 |
Local (요청 시, .[local] — 수 GB 런타임)
패키트 | 목적 |
torch · torchaudio | 로컬 추론 런타임 |
stable-ts | 로컬 전사 (whisper) |
piper-tts · diffusers · transformers | 음성 생성, 이미지 생성 |
cloudflared — 바이너리(pip 아님), install.sh로 설치.
개발
개발 계획, 발견 사항 및 표준 사양: docs/roadmap/.
기능 개선 제안: docs/roadmap/spec/IMPROVEMENTS.md.
This server cannot be deployed
Maintenance
Related MCP Connectors
MCP server unifying ERPs, CRMs, APIs and knowledge base for Claude, ChatGPT and Gemini.
MCP server for Wan AI video generation
MCP server for Clipkit — gives AI agents a video toolbox via the Clipkit schema.
Guardrailed video editing MCP server: 200 FFmpeg tools, Video Receipts, Shorts repurposing.
1201
Related MCP Servers
- AlicenseAqualityCmaintenanceMCP server for AI-powered image, audio, and video generation, enabling media creation directly from Claude, Cursor, and other MCP clients.1129 npmMIT
- FlicenseNot gradedqualityDmaintenanceA local MCP server that gives Claude Desktop full video editing capabilities via FFmpeg, Whisper, and yt-dlp.-
- FlicenseBqualityDmaintenanceMCP server that enables video analysis capabilities to Claude, including frame extraction, scene detection, and video metadata retrieval.8-
- AlicenseAqualityBmaintenanceAn MCP server enabling Claude Code to analyze any video (local file, URL, or Jira ticket attachment) by extracting frame images and audio transcripts, or using Gemini for native video analysis.467 PyPIMIT