Token导航 LogoToken导航TokenDH.com
Manimmcpserver logo
运维云端stdio官方级别未说明来源级核验

Manimmcpserver

MCP Server

一个智能动画生成系统,通过自然语言描述转换为使用Manim的数学动画,包含Streamlit网络界面和FastMCP服务器渲染功能。

工具数

0

提示词数

0

GitHub Stars

0

资源数

0
Python自然语言处理云端部署

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

kavsrd13

提供方

kavsrd13

最后核验

2026/5/17 20:22

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

python -m venv venv

详细介绍

🎬 动画生成器

一个智能动画生成系统,使用Manim将自然语言描述转换为数学动画。该系统由Azure OpenAI支持的Streamlit web界面和用于动画渲染的FastMCP服务器组成。

🏗️ 建筑

Streamlit App (Cloud) 
    ↓ (Natural Language)
Azure OpenAI API (Converts to Manim Code)
    ↓ (Manim Code)
FastMCP Server (Renders Animation)
    ↓ (Video)
Streamlit App (Displays Result)

📋 先决条件

  • Python 3.9或更高版本
  • Azure OpenAI API密钥和终结点
  • FastMCP云帐户(用于部署)
  • GitHub帐户(用于代码托管)

🚀 快速入门-本地测试

1.安装依赖项

# Create virtual environment
python -m venv venv
venv\Scripts\activate  # Windows

# Install dependencies
pip install -r requirements-mcp.txt
pip install -r requirements-streamlit.txt

2.配置环境

创建 .env 文件:

AZURE_OPENAI_API_KEY=your_api_key
AZURE_OPENAI_ENDPOINT=https://your-resource.openai.azure.com/
AZURE_OPENAI_DEPLOYMENT_NAME=your_deployment_name
AZURE_OPENAI_API_VERSION=2024-12-01-preview
MCP_SERVER_URL=http://localhost:8000

3.本地运行

终端1-MCP服务器:

python mcp_server.py

2号航站楼-Streamlit应用程序:

streamlit run streamlit_app.py

🌐 云部署

部署到FastMCP云

  1. 将代码推送到GitHub:
git push origin main
  1. 转到FastMCP云仪表板:https://cloud.fastmcp.io
  1. 从GitHub存储库创建新部署
  1. 获取部署URL(例如。, https://manim-mcp-server.fastmcp.io)
  1. 更新Streamlit Cloud机密:
MCP_SERVER_URL = https://your-deployment-url.fastmcp.io

将Streamlit应用程序部署到Streamlit云

  1. 将代码推送到GitHub
  1. 首选https://share.streamlit.io
  1. 连接您的存储库
  1. 在部署设置中添加机密:
AZURE_OPENAI_API_KEY = your_key
AZURE_OPENAI_ENDPOINT = your_endpoint
AZURE_OPENAI_DEPLOYMENT_NAME = your_deployment
MCP_SERVER_URL = https://your-mcp-server-url.fastmcp.io

该应用程序将在您的浏览器中打开 http://localhost:8501

🌐 部署

📁 项目结构

MCPproject/
├── streamlit_app.py              # Streamlit UI
├── mcp_server.py                 # MCP Server with FastAPI
├── requirements-mcp.txt          # MCP Server dependencies
├── requirements-streamlit.txt    # Streamlit dependencies
├── mcpconfig.json                # FastMCP configuration
├── .streamlit/
│   └── config.toml              # Streamlit settings
├── .gitignore                    # Git ignore (protects .env)
├── .env                          # Local secrets (not in git)
└── README.md                     # This file

🔑 主要特点

  • 自然语言输入:用简单的英语描述动画
  • AI驱动:使用Azure OpenAI将文本转换为Manim代码
  • 即时渲染:FastMCP服务器快速生成视频
  • 网络界面:简洁的Streamlit UI,便于交互
  • 云就绪:部署在Streamlit Cloud+FastMCP Cloud上

📝 用法示例

  1. 打开Streamlit应用程序
  2. 输入:“创建一个可以变成正方形的圆”
  3. 点击“生成动画”
  4. 查看并下载生成的视频

🔐 安全

  • .env 文件被gitignored(机密从未推送到GitHub)
  • 将Streamlit Cloud机密用于生产
  • 为MCP服务器使用FastMCP Cloud机密

🛠️ 环境变量

# Azure OpenAI
AZURE_OPENAI_API_KEY        # Your API key
AZURE_OPENAI_ENDPOINT       # Your endpoint URL
AZURE_OPENAI_DEPLOYMENT_NAME # Deployment name
AZURE_OPENAI_API_VERSION    # API version (2024-12-01-preview)

# MCP Server
MCP_SERVER_URL              # URL of FastMCP server

📚 文档

  • 马尼姆: https://docs.manim.community/
  • 溪流: https://docs.streamlit.io/
  • FastMCP: https://docs.fastmcp.io/
  • Azure OpenAI: https://learn.microsoft.com/en-us/azure/ai-services/openai/

🚀 部署链接

  • 流光云:https://share.streamlit.io
  • FastMCP云:https://cloud.fastmcp.io
  • github:https://github.com/kavsrd13/ManimMCPServer

📧 支持

对于问题:

  • 检查相应仪表板中的错误日志
  • 查看Manim文档了解动画语法
  • 验证API凭据是否正确

______________________________________________________________________

使用Azure OpenAI+FastMCP+Manim+Streamlit构建 🎨

目录标签

目录标签

Python自然语言处理云端部署动画生成本地部署数学可视化云渲染AI驱动

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

api-key

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdioapi-key部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP