Video Research MCP

视频研究mcp

Claude Code无法处理视频或生成媒体。Gemini 3.1 Pro和ElevenLabs可以。这个插件将它们连接在一起，让克劳德可以通过MCP访问视频理解、深入研究、网络搜索和完整的媒体制作工具包。

  ](https://www.npmjs.com/package/video-research-mcp)  

Watch the full demo on YouTube

盒子里有什么

A. Claude代码插件 拥有51个工具、17个斜线命令、12个技能和7个子代理。MCP服务器提供工具。这些命令为您提供了快速的工作流程(/gr:video, /gr:research).这些技能教会了克劳德如何使用一切——从研究到电影视频制作。代理处理并行研究和可视化等后台任务。

安装

npx video-research-mcp@latest
export GEMINI_API_KEY="your-key-here"

一个命令。一个API密钥。安装程序将17个命令、12个技能和7个代理复制到 ~/.claude/ 并配置MCP服务器通过 uvx 来自PyPI。

npx video-research-mcp@latest --check     # show install status
npx video-research-mcp@latest --uninstall  # clean removal
npx video-research-mcp@latest --local      # install for this project only

需要Python>=3.11， 紫外线, >=16，以及a 谷歌人工智能API密钥.

它做什么

观看会议录音

/gr:video-chat ~/recordings/project-kickoff.mp4
> "Create meeting minutes in Dutch. Screenshot every shared screen."

Gemini观看完整视频，并提取时间戳、决策和行动项。对于本地文件，ffmpeg在关键的视觉时刻提取帧。超过20MB的文件被上传到Gemini的文件API和上下文缓存——后续问题重用缓存而不是重新加载。

分析YouTube教程

/gr:video https://youtube.com/watch?v=...

同样的功能也适用于YouTube。精确的时间戳、概念图和在后台分析的评论情绪。

研究一个具有证据分级的主题

/gr:research "HNSW index parameters for high-dimensional embeddings"

并行运行网络搜索和Gemini分析。每个发现都有一个证据层——确认、强指标、推理或猜测——这样你就知道给每个说法多大的权重。结果被可视化为交互式证据网络。

分析论文、URL或目录

/gr:analyze https://arxiv.org/abs/2401.12345
/gr:analyze ~/papers/attention-is-all-you-need.pdf
/gr:analyze ~/papers/                              # cross-document comparison

适用于PDF、URL和原始文本。提取实体、关系和关键参数。将其指向一个目录，它会一次性比较所有文档。支持PDF、TXT、MD、HTML、XML、JSON、CSV。

基于源文件的研究

/gr:research-doc ~/papers/
/gr:research-doc paper1.pdf paper2.pdf "Compare methodologies and find contradictions"

四阶段流程：文档映射、证据提取、交叉引用、综合。每一项索赔都被引回文件和页码。

搜索网页

/gr:search "latest developments in MCP protocol"

通过Gemini搜索源引用。

回想一下你学到了什么

/gr:recall                                # overview: stats + saved analyses
/gr:recall "kubernetes"                   # semantic search + filesystem grep
/gr:recall ask "what do I know about X?"  # AI-powered Q&A with source citations

什么都不会丢失。每个分析和研究结果都会自动存储。几周后，在另一个项目中，你只需问。配置Weaviate后，搜索将使用语义匹配。如果没有它，recall就会退回到保存文件上的确切关键字grep。

将其用作独立的MCP服务器

这些工具是标准的MCP。任何MCP客户端都可以调用它们——不需要克劳德代码。

{
  "mcpServers": {
    "video-research": {
      "command": "uvx",
      "args": ["video-research-mcp"],
      "env": { "GEMINI_API_KEY": "${GEMINI_API_KEY}" }
    }
  }
}

命令

命令如何运行

/gr:video-chat ~/recordings/call.mp4
> "Summarize this meeting, extract action items"

 Phase 1   Gemini analyzes the video
 Phase 2   Results saved to memory
 Phase 2.5 ffmpeg extracts frames (local files only)
 Phase 3   Concepts and relationships enriched
 Phase 4   Interactive visualization generated (opt-in)
 Phase 5   Playwright screenshots it
 Phase 6   Everything copied to output//

可视化和评论分析作为后台代理运行，因此它们不会阻止对话。

输出结构

output/project-kickoff-2026-02-28/
├── analysis.md          # timestamped analysis with YAML frontmatter
├── frames/              # extracted video frames (local files)
├── concept-map.html     # interactive visualization
└── screenshot.png       # static capture

工具

video-research-mcp -- 34 tools

视频 (4): video_analyze, video_create_session, video_continue_session, video_batch_analyze

油管 (3): video_metadata, video_comments, video_playlist

研究 (4): research_deep, research_plan, research_assess_evidence, research_document

深度研究代理 (4): research_web, research_web_status, research_web_followup, research_web_cancel

学术研究 (5): research_paper_search, research_paper_details, research_paper_citations, research_paper_recommendations, research_author_search

内容 (3): content_analyze, content_batch_analyze, content_extract

搜索 (1): web_search

基础设施 (2): infra_cache, infra_configure

知识 (8): knowledge_search, knowledge_related, knowledge_stats, knowledge_fetch, knowledge_ingest, knowledge_schema, knowledge_ask, knowledge_query

video-explainer-mcp -- 15 tools

项目 (4): explainer_create, explainer_inject, explainer_status, explainer_list

管道 (6): explainer_generate, explainer_step, explainer_render, explainer_render_start, explainer_render_poll, explainer_short

质量 (3): explainer_refine, explainer_feedback, explainer_factcheck

音频 (2): explainer_sound, explainer_music

video-agent-mcp -- 2 tools

场景生成 (2): agent_generate_scenes, agent_generate_single_scene

技能

技能教会克劳德如何正确使用工具和工作流程。它们在相关时会自动加载——您永远不会手动调用它们。

研究与分析

媒体制作（v0.6.0中新增）

生产技能使用 渐进式披露：核心模式在触发时加载（每个约1000字），详细的食谱和参考表存在 references/ 并按需加载。

知识库

连接Weaviate，你学到的一切都会被存储起来——可以在项目和会话中搜索。没有它，插件的工作原理是一样的；你只是没有得到持久的语义搜索。

首次连接时创建了13个集合：

知识图谱

分析工具(content_analyze, video_analyze, research_deep, research_web, research_document, content_batch_analyze)自动提取概念和关系。随着时间的推移，这将在您的所有研究中构建一个可查询的知识图——不需要手动步骤。

八种知识工具查询这些数据：混合搜索和可选的Cohere重新排序、语义相似性、按UUID获取、手动摄取、模式自检和收集统计数据。 knowledge_ask 使用Weaviate的QueryAgent生成带有源引用的人工智能答案。

# install QueryAgent support
uv pip install 'video-research-mcp[agents]'

要设置Weaviate，请执行以下操作：

export WEAVIATE_URL="https://your-cluster.weaviate.network"
export WEAVIATE_API_KEY="your-key"

配置

All configuration variables

其他安装方法

独立MCP服务器（无插件资产）

{
  "mcpServers": {
    "video-research": {
      "command": "uvx",
      "args": ["video-research-mcp"],
      "env": { "GEMINI_API_KEY": "${GEMINI_API_KEY}" }
    }
  }
}

克劳德桌面

添加 claude_desktop_config.json:

{
  "mcpServers": {
    "video-research": {
      "command": "uvx",
      "args": ["video-research-mcp"],
      "env": { "GEMINI_API_KEY": "your-key-here" }
    }
  }
}

来源

git clone https://github.com/Galbaz1/video-research-mcp
cd video-research-mcp
uv venv && source .venv/bin/activate && uv pip install -e ".[dev]"
node bin/install.js --global

发展

uv venv && source .venv/bin/activate
uv pip install -e ".[dev]"
uv run pytest tests/ -v        # 781 tests, all mocked
uv run ruff check src/ tests/  # lint

故障排除

贡献

看 贡献.md 用于开发设置和公关指南。看 ROADMAP.md 用于计划工作。通过以下方式报告安全问题 安全.md.

作者

福斯托·阿尔伯斯 --首席人工智能研发 工业数字双胞胎实验室阿姆斯特丹应用科学大学（HvA）的Jurjen Helmus研究小组。……的创始人 想知道为什么.

学分

• 谷歌双子座 (google-genai SDK）——Gemini 3.1 Pro提供了原生视频理解、思维模式、上下文缓存和1M令牌窗口，使所有这些都能正常工作。
• FastMCP --MCP服务器框架。可组合的子服务器模式(app.mount())在3台服务器上组织51个工具。
• 十一实验室 --带有单词级时间戳的文本到语音转换，用于生成画外音。
• 派丹蒂克 --所有工具I/O的模式验证。通过结构化生成 model_json_schema().
• MLW (mlflow-tracing)--可选的可观察性。每个Gemini呼叫都会成为一个可追踪的范围，包括令牌计数和延迟。
• 凝聚 --知识搜索中的可选重新排序，以获得更好的结果相关性。
• 远程动议 --解释器管道的基于React的视频渲染。
• Claude代理SDK --支持并行场景生成 video-agent-mcp.

许可证

麻省理工学院