🎬 MCP Trakt: Das Tor Ihrer KI zu Unterhaltungsdaten

Ein Model Context Protocol (MCP)-Server, der eine Brücke zwischen KI-Sprachmodellen und der Trakt.tv-API schlägt und LLMs Zugriff auf Unterhaltungsdaten in Echtzeit und den persönlichen Trakt-Anzeigeverlauf ermöglicht.

🖥️ Ein KI-Experiment

Abgesehen von diesem Absatz wurde alles hier, einschließlich des Codes, von KI generiert. Ich wollte mehr über MCP erfahren und habe viel mit Cursor experimentiert. Daher erschien es mir naheliegend, diese zusammenzuführen. Das Ergebnis war dieses Projekt. Alle zukünftigen Änderungen werden ebenfalls von KI durchgeführt.

Related MCP server: FastAPI MCP Server

🤖 Was ist MCP?

Model Context Protocol (MCP) ist eine offene Spezifikation, die es Large Language Models (LLMs) wie Claude ermöglicht, mit externen Systemen und Datenquellen zu interagieren.

MCP schafft eine standardisierte Möglichkeit für KI-Modelle, um:

• Zugriff auf Echtzeitdaten auch nach dem Schulungsende

• Stellen Sie über dedizierte Server eine Verbindung zu externen APIs und Webdiensten her

• Führen Sie spezialisierte Tools und Funktionen sicher aus

• Lesen von und Schreiben in externe Ressourcen

• Verarbeiten Sie komplexe Daten, die in reinen Textformaten nur schwer zu handhaben wären

Im Kern funktioniert MCP durch die Definition von:

1. Ressourcen : Strukturierte Datenquellen, aus denen eine KI lesen oder in die sie schreiben kann (wie trakt://shows/trending )

2. Tools : Funktionen, die die KI aufrufen kann, um bestimmte Aktionen auszuführen (wie z. B. fetch_trending_shows )

3. Sitzungen : Sichere Verbindungen zwischen den AI- und MCP-Servern

MCP-Server wie dieser fungieren als Brücken zwischen KI-Modellen und der Außenwelt und ermöglichen die Erweiterung um neue Funktionen, ohne dass eine erneute Schulung erforderlich ist.

📺 Was ist Trakt?

Trakt.tv ist eine Plattform, die automatisch verfolgt, welche Fernsehsendungen und Filme Sie ansehen. Der Dienst bietet:

• Umfassende Verfolgung der Sehgewohnheiten über mehrere Streaming-Dienste hinweg

• Soziale Funktionen zum Teilen und Besprechen Ihrer aktuellen Sehgewohnheiten mit Freunden

• Personalisierte Empfehlungen basierend auf Ihrem Anzeigeverlauf

• Umfangreiche APIs, die Entwickler zum Erstellen von Anwendungen verwenden können

Trakt hat sich zum Standard für Entertainment-Tracking entwickelt mit:

• Über 14 Millionen Nutzer verfolgen ihre Sehgewohnheiten

• Daten zu Millionen von Filmen und Fernsehsendungen, einschließlich detaillierter Metadaten

• Integration mit gängigen Mediaplayern und Streaming-Diensten

Dieser MCP-Server nutzt das umfangreiche API-Ökosystem von Trakt, um Unterhaltungsdaten in Echtzeit direkt in Ihre Gespräche mit KI-Assistenten wie Claude zu bringen.

🚀 Die Cursor-Entwicklungserfahrung

Das gesamte Projekt wurde mit Cursor entwickelt, einem Code-Editor für das KI-Zeitalter. Claude 3.7 Sonnet generierte den gesamten Code. Dieser Ansatz demonstriert:

• Wie KI-gestützte Entwicklung den Aufbau spezialisierter MCP-Server drastisch beschleunigen kann

• Die Fähigkeiten moderner KI beim Schreiben funktionalen, gut strukturierten Codes

• Ein kollaborativer Workflow zwischen menschlicher Absicht und KI-Implementierung

✨ Funktionen

🌎 Öffentliche Traktdaten

• Greifen Sie auf trendige und beliebte Shows und Filme zu

• Entdecken Sie die beliebtesten, am häufigsten gespielten und angesehenen Inhalte

• Erhalten Sie Echtzeitdaten von der globalen Community von Trakt

• Formatierte Antworten mit Titeln, Jahren und Popularitätsmetriken

• Detaillierte Bewertungen für Shows und Filme anzeigen, einschließlich Durchschnittsbewertungen und Verteilung

👤 Persönliche Traktdaten

• Sehen Sie sich Ihre angesehenen Sendungen an : Erhalten Sie eine vollständige Liste der Sendungen, die Sie persönlich angesehen haben

• Sehen Sie sich die genauen Daten Ihrer zuletzt angesehenen Serien an

• Verfolgen Sie, wie oft Sie jede Sendung gesehen haben

• Checken Sie bei Sendungen ein, die Sie gerade sehen, um sie als gesehen zu markieren

  • Nach Show-ID (präziser) oder Show-Titel (bequemer)

  • Teilen Sie Check-ins mit Twitter, Mastodon oder Tumblr

  • Fügen Sie Ihren Check-ins benutzerdefinierte Nachrichten hinzu

  • Sehen Sie in einem für Menschen lesbaren Format, wann Sie die Folge gesehen haben

• Suchen Sie nach Shows, um deren Details und IDs zu finden

• Sichere Authentifizierung mit Trakt durch Gerätecodefluss

• Persönliche Daten werden direkt von Ihrem Trakt-Konto abgerufen

💬 Kommentare und Bewertungen

• Kommentare zu Shows und Filmen anzeigen : Lesen Sie, was andere über Ihre Lieblingsinhalte sagen

• Kommentare zu bestimmten Staffeln und Episoden ansehen : Erhalten Sie Einblicke in bestimmte Teile einer Show

• Einzelne Kommentare und die dazugehörigen Antworten ansehen : Beteiligen Sie sich an den Diskussionen der Community

• Spoilerschutz : Kommentare mit Spoilern werden standardmäßig ausgeblendet

• Spoiler-Sichtbarkeit umschalten : Wählen Sie, ob Spoiler angezeigt oder ausgeblendet werden sollen

• Bewertungen anzeigen : Längere, ausführlichere Kommentare werden als Bewertungen gekennzeichnet

• Bewertungsverteilung anzeigen : Sehen Sie, wie viele Benutzer jede Bewertung von 1-10 abgegeben haben

🔄 Allgemeine Funktionen

• Stellt Trakt-API-Daten über MCP-Ressourcen bereit

• Bietet Tools zum Abrufen von Unterhaltungsinformationen in Echtzeit

• Ermöglicht KI-Modellen, personalisierte Unterhaltungsempfehlungen anzubieten

• Einfacher Authentifizierungs- und Abmeldevorgang

📺 Aktuell angesagte Shows

Ab April 2025 können Sie auf Trendsendungen zugreifen wie:

• „Der weiße Lotus“ (2021) – 7.870 Zuschauer

• "Daredevil: Born Again" (2025) – 6.738 Zuschauer

• "Severance" (2022) – 4.507 Zuschauer

🎥 Aktuell angesagte Filme

Die derzeit angesagtesten Filme:

• "Black Bag" (2025) – 1.491 Zuschauer

• "A Working Man" (2025) – 1.226 Zuschauer

• "Mickey 17" (2025) – 764 Zuschauer

🔌 Verfügbare Ressourcen

Ressourcen anzeigen

Filmressourcen

Benutzerressourcen

Kommentarressourcen

Bewertungsressourcen

🛠️ Verfügbare Tools

Werkzeuge anzeigen

# Get trending shows with optional limit parameter
fetch_trending_shows(limit=10)

# Get popular shows with optional limit parameter
fetch_popular_shows(limit=10)

# Get favorited shows with optional limit and period parameters
fetch_favorited_shows(limit=10, period="weekly")

# Get most played shows with optional limit and period parameters
fetch_played_shows(limit=10, period="weekly")

# Get most watched shows with optional limit and period parameters
fetch_watched_shows(limit=10, period="weekly")

# Search for shows by title to get show IDs and details
search_shows(query="Breaking Bad", limit=5)

# Search for movies by title to get movie IDs and details
search_movies(query="The Godfather", limit=5)

Filmwerkzeuge

# Get trending movies with optional limit parameter
fetch_trending_movies(limit=10)

# Get popular movies with optional limit parameter
fetch_popular_movies(limit=10)

# Get favorited movies with optional limit and period parameters
fetch_favorited_movies(limit=10, period="weekly")

# Get most played movies with optional limit and period parameters
fetch_played_movies(limit=10, period="weekly")

# Get most watched movies with optional limit and period parameters
fetch_watched_movies(limit=10, period="weekly")

Authentifizierungs- und Benutzertools

# Start the device authorization flow with Trakt
start_device_auth()

# Check the status of an ongoing authentication
check_auth_status()

# Clear authentication (logout)
clear_auth()

# Fetch shows watched by the authenticated user
fetch_user_watched_shows(limit=0)  # 0 for all shows

# Fetch movies watched by the authenticated user
fetch_user_watched_movies(limit=0)  # 0 for all movies

Check-in-Tools

# Method 1: Check in using show ID (recommended when precision is important)
# First use search_shows to find the correct show ID
search_shows(query="Breaking Bad", limit=5)
# Then use the ID for check-in
checkin_to_show(
    season=1, 
    episode=3, 
    show_id="1388",
    message="Loving this show!"
)

# Method 2: Check in using show title (more convenient)
checkin_to_show(
    season=1, 
    episode=1,
    show_title="Breaking Bad", 
    show_year=2008,  # Optional but helps with accuracy
    message="I'm the one who knocks!",
    share_twitter=True,
    share_mastodon=False,
    share_tumblr=False
)

Kommentartools

# Get comments for a movie (sorted by newest by default)
fetch_movie_comments(movie_id="123", limit=10, show_spoilers=False)

# Get comments for a show sorted by most likes
fetch_show_comments(show_id="456", limit=10, show_spoilers=False, sort="likes")

# Get comments for a specific season sorted by highest rating
fetch_season_comments(show_id="456", season=1, limit=10, show_spoilers=False, sort="highest")

# Get comments for a specific episode sorted by most replies
fetch_episode_comments(show_id="456", season=1, episode=3, limit=10, show_spoilers=False, sort="replies")

# Get a specific comment
fetch_comment(comment_id="789", show_spoilers=False)

# Get a comment with its replies sorted by oldest first
fetch_comment_replies(comment_id="789", limit=10, show_spoilers=False, sort="oldest")

Bewertungstools

# Get ratings for a show
fetch_show_ratings(show_id="game-of-thrones")

# Get ratings for a movie
fetch_movie_ratings(movie_id="tron-legacy-2010")

🔐 Authentifizierung

Der Server verwendet den Geräteauthentifizierungsablauf von Trakt:

1. Wenn Sie benutzerspezifische Daten anfordern, leitet der Server bei Bedarf automatisch die Authentifizierung ein

2. Sie erhalten einen Code und eine URL, die Sie in Ihrem Browser aufrufen können.

3. Nachdem Sie den Code auf der Trakt-Website eingegeben und die App autorisiert haben, informieren Sie Claude, dass Sie die Autorisierung abgeschlossen haben

4. Claude prüft den Authentifizierungsstatus und ruft dann Ihre persönlichen Daten ab

5. Ihr Authentifizierungstoken wird für zukünftige Anfragen sicher gespeichert

Sie können sich jederzeit mit dem Tool clear_auth abmelden.

🚀 Einrichtung

1. Dieses Repository klonen

   git clone https://github.com/yourusername/mcp-trakt.git
   cd mcp-trakt

2. Abhängigkeiten installieren

   pip install -r requirements.txt

3. Einrichten Ihrer Umgebung

   cp .env.example .env

   Bearbeiten Sie dann .env , um Ihre Trakt-API-Anmeldeinformationen hinzuzufügen:

   TRAKT_CLIENT_ID=your_client_id
   TRAKT_CLIENT_SECRET=your_client_secret

4. Ausführen des Servers

   python server.py

🧪 Entwicklung & Tests

Testen mit MCP Inspector

mcp dev server.py

Installation in Claude Desktop

mcp install server.py

Ausführen von Tests

# Install test dependencies
pip install -r requirements-dev.txt

# Run all tests
pytest

# Run with verbose output
pytest -v -s

📝 Mit Claude verwenden

Nach der Installation können Sie Claude Fragen stellen wie:

• „Welche Shows sind gerade im Trend?“

• „Können Sie diese Woche ein paar beliebte Filme empfehlen?“

• „Welche Sendungen werden im Monat am meisten gesehen?“

• „Zeig mir die Sendungen, die ich gesehen habe“ (erfordert Authentifizierung)

• „Welche Sendung habe ich zuletzt gesehen?“ (erfordert Authentifizierung)

• „Zeig mir die Filme, die ich gesehen habe“ (erfordert Authentifizierung)

• „Welchen Film habe ich zuletzt gesehen?“ (erfordert Authentifizierung)

• „Suchen Sie nach Sendungen wie ‚Breaking Bad‘“

• „Checken Sie mich bei Staffel 2, Folge 5 von Breaking Bad ein“ (verwendet Titel)

• „Melde mich bei Staffel 1, Folge 3 der Sendung mit der ID 1388 an und teile sie auf Twitter“ (verwendet die ID)

• „Zeige mir Kommentare zu Breaking Bad“

• „Was sagen die Leute über den Film Der Pate?“

• „Zeig mir Kommentare zur 1. Staffel von Stranger Things“

• „Kommentare zu Staffel 2, Folge 5 von Game of Thrones erhalten“

• „Zeigen Sie mir Kommentar Nr. 12345 mit seinen Antworten“

• „Zeige mir Kommentare zu Breaking Bad, aber mit Spoilern“

• „Suchen Sie nach Filmen wie ‚Der Pate‘“

• „Zeig mir die beliebtesten Kommentare zu Breaking Bad“ (verwendet sort="likes")

• „Holen Sie sich die am höchsten bewerteten Kommentare zum Film Der Pate“ (verwendet sort="highest")

• „Zeig mir die Kommentare mit den meisten Antworten für Staffel 1 von Stranger Things“ (verwendet sort="replies")

• „Wie ist die Altersfreigabe für Game of Thrones?“

• „Zeigen Sie mir die Bewertungsverteilung für Der Pate“

• „Wie hoch ist die Bewertung von Breaking Bad?“

Claude wird diesen MCP-Server verwenden, um Ihnen Echtzeitdaten von Trakt bereitzustellen.

👤 Zugriff auf personenbezogene Daten

Mit der Authentifizierung können Sie auf Folgendes zugreifen:

• Ihr kompletter Verlauf angesehener Sendungen und Filme

• Datum der letzten Sichtung für jede Sendung und jeden Film

• Anzahl der Male, die Sie jede Sendung und jeden Film gesehen haben

• Checken Sie die Sendungen ein, die Sie gerade sehen, und verfolgen Sie Ihren Fortschritt

• Persönliche Anzeigestatistiken

• Teilen Sie Ihre Sehaktivitäten auf Social-Media-Plattformen

Alle Daten werden in Echtzeit direkt von Ihrem Trakt-Konto abgerufen.

🔮 Zukünftige Entwicklung

• Erweiterte Benutzerauthentifizierung für den Zugriff auf mehr persönliche Daten

• Hinzufügen von Kalenderereignissen für kommende Episoden

• Unterstützung von Scrobbling (Verfolgen, was Sie gerade ansehen)

• Implementieren von Empfehlungen basierend auf dem Wiedergabeverlauf

• Unterstützung für weitere Social-Media-Plattformen zum Teilen hinzufügen

📄 Lizenz

MIT-Lizenz