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

pip install virtualenv

详细介绍

视频工具 MCP 服务器

一个全面的模型上下文协议 (MCP) 服务器，用于视频处理，提供视频分析、帧提取、音频处理和使用 AI 模型进行转录的工具。

功能特性

视频上传与会话管理: 安全的视频上传与隔离的处理会话
帧提取: 从视频中提取帧，可自定义间隔和限制
关键帧选择: 使用均匀或随机采样智能选择代表性帧
音频提取: 将视频转换为 WAV/MP3 格式的音频
语音转文字: 使用 OpenAI Whisper 模型转录音频
视频元数据: 提取全面的视频信息（分辨率、时长、比特率等）
运动令牌: 生成运动表示令牌（实验性功能）
自动清理: 自动会话清理以管理服务器资源
远程访问: 完整的远程服务器支持

系统要求

Python: >= 3.10 (已在 Python 3.13.5 上测试)
FFmpeg: 视频/音频处理必需
OpenCV: 用于帧提取
系统: 推荐 Linux/macOS

安装

1. 克隆并设置环境

git clone 
cd video-mcp-server

# 创建虚拟环境
# python3 -m venv venv 
# ⬆️ 这条命令也可以使用，关键是python版本需要>=3.10
# 最好是3.13.5，因为我用的就是这个
pip install virtualenv 
virtualenv venv --python=python3.13.5

# 激活虚拟环境
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

2. 安装系统依赖

Ubuntu/Debian:

# 可以使用pip安装, 本质上是一样的, 安装到虚拟环境中即可
# 建议用pip，macOS和windows都可以
pip install ffmpeg
# sudo apt update
# sudo apt install ffmpeg

macOS:

brew install ffmpeg

验证安装:

ffmpeg -version

快速开始

本地部署

# 使脚本可执行
chmod +x scripts/*.sh

# 启动服务器
# 方法1
./scripts/start_server.sh

# 方法2
# python3 main.py

# 服务器将在 http://localhost:8000 运行
# MCP 端点: http://localhost:8000/mcp/

# 注：
# 使用start_server.sh脚本启动服务器后，需要在logs/server.log中查看服务器输出，或使用命令`tail -f logs/server.log`查看
# 使用python3 main.py直接启动服务器，服务器将输出到终端上

远程部署

远程服务器部署：

# 使脚本可执行
chmod +x scripts/*.sh

# 启动服务器（将绑定到 0.0.0.0:8000）
# 直接在终端`python3 main.py`也行
./scripts/start_server.sh

服务器将在 http://10.37.81.240:8000/mcp/ 可访问

测试

本地测试 with LLM (update by @Wangzimeng)

打开第一个terminal，运行python main.py
打开一个新的终端，同样进入虚拟环境:

1. 输入命令行：python test/test_mcp_client.py --llm --video test/test_video_a2t.mp4 --api_key 2. 输入你的gemini的api key: 3. 运行后即可得到结果。

测试（本地+远程）without LLM

本地测试

# 使用本地视频文件测试
python3 test/test_mcp_client.py --video test/test_video_a2t.mp4 --verbose

# 不使用视频文件测试（使用模拟数据）
# 不推荐
python3 test/test_mcp_client.py --verbose

远程测试

# 测试远程服务器
python3 test/test_remote_client.py --server-ip 10.37.81.240 --video test/test_video_a2t.mp4

配置

环境变量

PORT: 服务器端口（默认：8000）
PYTHONPATH: 包含项目目录

服务器设置

服务器自动配置：

主机: 0.0.0.0（接受远程连接）
传输: streamable-http
CORS: 启用跨域请求
文件大小限制: 每次上传 500MB
会话 TTL: 24 小时自动清理

服务器管理

启动服务器

./scripts/start_server.sh

停止服务器

./scripts/stop_server.sh

重启服务器

./scripts/restart_server.sh

查看日志

tail -f logs/server.log

监控状态

# 检查服务器是否运行
curl http://localhost:8000/mcp/

# 通过 MCP 工具获取系统统计
python3 -c "
import asyncio
from fastmcp import Client

async def check_stats():
    async with Client('http://localhost:8000/mcp/') as client:
        await client.initialize()
        result = await client.call_tool('get_system_stats_tool', {})
        print(result)

asyncio.run(check_stats())
"

项目结构

video-mcp-server/
├── main.py                         # 主 MCP 服务器入口点
├── requirements.txt                # Python 依赖
├── README.md                       # 本文件
├── server.pid                      # 服务器进程 ID（运行时生成）
├── scripts/
│   ├── start_server.sh             # 服务器启动脚本
│   ├── stop_server.sh              # 服务器停止脚本
│   ├── restart_server.sh           # 服务器重启脚本
│   └── download_whisper.sh         # 预下载 Whisper 模型
├── test/
|   ├── llm.py                      # 调用gemini大模型分析视频，生成policy  
│   ├── test_mcp_client.py          # 本地测试客户端
│   ├── test_remote_client.py       # 远程服务器测试客户端
│   └── test_video_a2t.mp4          # 示例测试视频
├── tools/
│   ├── video_manager.py            # 会话和文件管理
│   ├── upload_video.py             # 视频上传处理器
│   ├── video2pictures.py           # 帧提取
│   ├── picturepicker.py            # 关键帧选择
│   ├── video2audio.py              # 音频提取
│   ├── audio2text.py               # 语音转录
│   ├── video2metadata.py           # 元数据提取
│   ├── video2motion_tokens.py      # 运动分析
│   ├── session_info.py             # 会话管理
│   └── utils.py                    # 工具函数
├── logs/                           # 服务器日志目录（启动后自动生成）
│   └── server.log                  # 服务器运行日志
└── video_processing_data/          # 视频处理数据目录（处理后生成，服务器停止后自动删除）
    ├── /             # 会话目录（以会话ID命名）
    │   ├── original.mp4            # 原始上传的视频文件
    │   ├── session_info.json       # 会话信息文件
    │   ├── frames/                 # 提取的帧目录
    │   │   ├── frame_0000.jpg
    │   │   ├── frame_0001.jpg
    │   │   └── ...
    │   ├── keyframes/              # 关键帧目录
    │   │   ├── keyframe_0000.jpg
    │   │   ├── keyframe_0001.jpg
    │   │   └── ...
    │   ├── audio/                  # 提取的音频目录
    │   │   └── audio.wav           # 提取的音频文件
    │   ├── temp/                   # 临时文件目录
    │   ├── exports/                # 导出文件目录
    │   ├── transcript.txt          # 语音转录结果
    │   ├── metadata.json           # 视频元数据
    │   └── motion_tokens.json      # 运动令牌数据
    ├── /             # 另一个会话目录
    │   └── ...
    └── ...                         # 更多会话目录

可用工具

1. `upload_video`

上传视频并创建处理会话。

参数:

video_file_data (str): Base64 编码的视频文件
filename (str): 原始文件名

返回值:

session_id: 唯一会话标识符
file_size_mb: 文件大小（MB）

2. `video2pictures`

从视频中提取帧。

参数:

session_id (str): 来自上传的会话 ID
max_frames (int): 最大提取帧数（1-1000，默认：100）

返回值:

frames: Base64 编码的帧图像数组
total_frames: 视频总帧数
extracted_frames: 提取的帧数

3. `picturepicker`

从提取的帧中选择关键帧。

参数:

session_id (str): 会话 ID
max_keyframes (int): 选择的关键帧数量（1-50，默认：8）
selection_method (str): "uniform" 或 "random"（默认："uniform"）

返回值:

keyframes: 选择的关键帧图像
selected_keyframes: 选择的关键帧数量

4. `video2audio`

从视频中提取音频。

参数:

session_id (str): 会话 ID
audio_format (str): "wav" 或 "mp3"（默认："wav"）

返回值:

audio_data: Base64 编码的音频文件
size_mb: 音频文件大小

5. `audio2text`

使用 Whisper 将音频转录为文本。

参数:

session_id (str): 会话 ID（来自 video2audio）
language (str): 语言代码（"auto", "en", "zh", "ja" 等）

返回值:

text: 转录的文本
word_count: 词数
detected_language: 自动检测的语言

6. `video2metadata`

提取视频元数据。

参数:

session_id (str): 会话 ID

返回值:

resolution: 视频分辨率（如 "1920x1080"）
duration_formatted: HH:MM:SS 格式的时长
fps: 每秒帧数
bitrate_kbps: 视频比特率

7. `video2motionTokens`

生成运动表示令牌（实验性）。

参数:

session_id (str): 会话 ID
token_length (int): 令牌维度（64-1024，默认：256）
num_tokens (int): 令牌数量（1-100，默认：8）

8. 会话管理工具

get_session_info: 获取会话状态和进度
cleanup_session: 手动清理会话文件
get_system_stats: 获取服务器统计信息和健康状态

安全与限制

文件上传: 每个视频最大 500MB
会话隔离: 每次上传创建隔离的工作目录
自动清理: 会话在 24 小时后自动过期
格式验证: 仅接受支持的视频格式
资源监控: 内置系统资源跟踪

故障排除

常见问题

1. 找不到 FFmpeg

# 安装 FFmpeg
sudo apt install ffmpeg  # Ubuntu/Debian
brew install ffmpeg       # macOS

2. Whisper 模型下载失败

# 使用中国镜像（如需要）
export HF_ENDPOINT=https://hf-mirror.com
python3 scripts/download_whisper.sh

3. 端口已被占用

# 查找使用 8000 端口的进程
lsof -ti:8000
# 终止进程
kill $(lsof -ti:8000)

4. 脚本权限被拒绝

chmod +x scripts/*.sh

调试模式

启用详细日志记录：

python3 test/test_mcp_client.py --verbose

检查服务器日志：

tail -f logs/server.log

注意事项

文件大小: 大文件上传可能需要较长时间，建议在稳定网络环境下使用
Whisper 模型: 首次使用时会自动下载，可能需要几分钟时间
磁盘空间: 视频处理会生成大量临时文件，确保有足够磁盘空间
内存使用: 处理大视频时可能占用较多内存，建议监控系统资源

技术支持

遇到问题时：

查看上述故障排除部分
查看 logs/server.log 中的服务器日志
使用提供的测试客户端进行测试
提交 issue 时请包含详细的错误信息

愉快地处理视频吧!

目录标签

视频处理音频处理Python远程服务器本地部署AI转录帧提取

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

工具数量（toolCount，工具数）

8

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

MCP World

mcpworld.com

/detail/2047ba0b16869491fc735d6e3a4fdc50

一个全面的模型上下文协议 (MCP) 服务器，用于视频处理，提供视频分析、帧提取、音频处理和使用 AI 模型进行转录的工具。

继续浏览同类 MCP

更多音视频 MCP（1,391）返回 MCP 目录

上一个 MCP

Video Transcript MCP 1367c94f

通过YouTube视频转录处理实现技术内容自动知识提取的服务，支持转录清洗、概念提取和方法论分析等功能。

下一个 MCP

Video Understanding MCP

基于AWS的标准MCP协议视频理解与检索服务器，提供视频嵌入生成、自然语言场景搜索、视频摘要等核心功能，适用于高效低成本的视频内容分析场景。

Video Transmission System

快速接入

详细介绍

视频工具 MCP 服务器

功能特性

系统要求

安装

1. 克隆并设置环境

2. 安装系统依赖

快速开始

本地部署

远程部署

测试

本地测试 with LLM (update by @Wangzimeng)

测试（本地+远程）without LLM

本地测试

远程测试

配置

环境变量

服务器设置

服务器管理

启动服务器

停止服务器

重启服务器

查看日志

监控状态

项目结构

可用工具

1. upload_video

2. video2pictures

3. picturepicker

4. video2audio

5. audio2text

6. video2metadata

7. video2motionTokens

8. 会话管理工具

安全与限制

故障排除

常见问题

调试模式

注意事项

技术支持

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

1. `upload_video`

2. `video2pictures`

3. `picturepicker`

4. `video2audio`

5. `audio2text`

6. `video2metadata`

7. `video2motionTokens`