Vedit MCP

Vedit MCP

这是一项MCP服务 video editing，仅需一句话即可完成基本的编辑操作。

英语| 中文

快速开始

1.安装依赖项

1.1克隆此项目或直接下载zip包

1.2配置Python环境

1. 建议使用紫外线进行安装

cd vedit-mcp
uv pip install -r requirements.txt

1. 或者直接使用pip安装

pip install -r requirements.txt

1.3配置ffmpeg

vedit-mcp.py 依赖于 ffmpeg 为了实施。因此，请配置ffmpeg。

# For Mac
brew install ffmpeg
# For Ubuntu
sudo apt update
sudo apt install ffmpeg

2.启动服务

2.1.建议使用 google-adk 构建自己的项目

• 请参考 adk样本

执行此示例脚本之前

1. 请确保路径格式至少如下

- 样品 - 千字节 - raw/test.mp4//这是您需要处理的原始视频 - adk_sample.py - vedit_mcp.py

1. 请安装以下两个依赖项

# # adk-sample pip install requirements
# google-adk==0.3.0
# litellm==1.67.2

1. 请设置api密钥和api库

目前，此脚本使用 Volcano Ark Platform，您可以自己去那里配置它。

获取API_KEY后，请将API_KEY配置为环境变量。

export OPENAI_API_KEY="your-api-key"

1. 执行脚本

cd sample
python adk_sample.py

1. 执行结束

正确执行此脚本并结束后，将以kb/result为单位生成视频结果文件，并生成日志文件并输出结果。

如果您需要二次开发，可以选择添加 vedit_mcp.py 以供您的项目使用。

2.2或使用 cline

首先，请确保您的Python环境和ffmpeg配置正确 配置cline_mcp_settings。json如下

{
  "mcpServers": {
    "vedit-mcp": {
      "command": "python",
      "args": [
        "vedit_mcp.py",
        "--kb_dir",
        "your-kb-dir-here"
      ]
    }
  }
}

2.3.使用stramlit web界面执行

待补充

3.注意事项

1. 建议使用 thinking model 处理这类任务。目前看来 thinking model 在处理这类任务时表现更好？但没有进行进一步的测试，这只是一种直觉。