Videoscan MCP

视频扫描MCP

用于全面视频分析的MCP（模型上下文协议）服务器——来自1000多个平台的AI驱动转录、视觉帧分析和元数据提取。

特性

• 完整视频分析 --在单个调用中组合转录、帧提取和元数据
• AI视觉分析 --使用GPT-4o、Claude或Gemini描述帧并提取屏幕文本（OCR）
• 音频转录 --基于耳语的转录，带有时间戳和语言检测
• 自动调谐 --根据视频持续时间自动调整帧提取密度、间隔和细节级别
• 智能帧提取 --场景变化检测、间隔采样或组合策略
• 去重 --感知散列在分析之前删除接近重复的帧
• 元数据抽取 --标题、持续时间、章节、标签、浏览次数等，无需完整下载
• 多供应商 --OpenAI、Anthropic和谷歌视觉提供商，具有按请求覆盖功能
• 缓存 --用于下载、帧和结果的持久缓存，以最大限度地降低重复成本
• 1000+平台 --由yt-dlp（YouTube、Vimeo、Twitter/X、TikTok等）提供支持

安装

pip install videoscan-mcp

系统相关性

# macOS
brew install ffmpeg yt-dlp

# Ubuntu/Debian
apt install ffmpeg
pip install yt-dlp

# Windows — install ffmpeg from https://ffmpeg.org/download.html, then:
pip install yt-dlp

配置

复制 .env.example 到 .env 并填写至少一个API密钥：

# Vision provider (frame analysis)
VISION_PROVIDER=openai          # openai | anthropic | google
VISION_MODEL=                   # optional — defaults: gpt-4o / claude-sonnet-4-20250514 / gemini-2.0-flash

# Transcription provider
TRANSCRIPTION_PROVIDER=openai   # openai only for now
TRANSCRIPTION_MODEL=whisper-1

# Concurrency
VISION_CONCURRENCY=5            # max parallel vision API calls

# API keys — only need the key for your chosen provider
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
GOOGLE_API_KEY=AIza...

# Cache
CACHE_ENABLED=true
CACHE_DIR=~/.videoscan/cache
CACHE_MAX_SIZE_GB=5
CACHE_DOWNLOAD_TTL=3600         # 1 hour
CACHE_FRAMES_TTL=86400          # 24 hours
CACHE_RESULTS_TTL=604800        # 7 days

# Safety limits (set to 0 for unlimited)
MAX_VIDEO_DURATION=3600         # 60 minutes in seconds
MAX_DOWNLOAD_SIZE=2147483648    # 2 GB in bytes
MAX_ANALYZED_FRAMES=100
DOWNLOAD_TIMEOUT=300
FRAME_ANALYSIS_TIMEOUT=30

快速入门--克劳德代码

将VideoScan添加到您的Claude代码中 settings.json （通常在 ~/.claude/settings.json):

{
  "mcpServers": {
    "videoscan": {
      "command": "videoscan",
      "env": {
        "OPENAI_API_KEY": "sk-..."
      }
    }
  }
}

或使用 uvx 无需全局安装：

{
  "mcpServers": {
    "videoscan": {
      "command": "uvx",
      "args": ["videoscan-mcp"],
      "env": {
        "OPENAI_API_KEY": "sk-..."
      }
    }
  }
}

连接后，您可以问Claude以下问题：

• “分析此YouTube视频：https://youtube.com/watch?v=..."
• “转录此视频文件中的音频”
• “这段视频2:30时屏幕上显示的是什么？”
• “从该视频中提取帧并描述您看到的内容”

自动调谐

当 max_frames 和 interval 如果没有明确设置，VideoScan会根据视频持续时间自动调整帧提取参数，以优化成本和覆盖范围：

短视频可以进行密集的帧提取，以获得最大的细节，而长视频则使用较轻的采样来降低成本。您始终可以通过设置来覆盖 max_frames 或 interval 明确地。

工具参考

analyze_video

全流程——转录+AI帧分析+元数据在一次调用中。用途 自动调谐 默认情况下。

______________________________________________________________________

transcribe

将视频或音频转录为带有时间戳的文本。

______________________________________________________________________

extract_frames

从视频中提取帧并进行AI分析。

______________________________________________________________________

analyze_moment

在特定时间范围内进行深入分析。

______________________________________________________________________

get_frame_at

在特定时间戳获取单个帧，可选择由AI进行分析。

______________________________________________________________________

get_metadata

在不下载完整视频的情况下获取视频元数据。

______________________________________________________________________

支持平台

VideoScan底层使用yt-dlp，支持1000多个视频平台，包括：

• YouTube、YouTube短片、YouTube直播
• Vimeo、Dailymotion、Twitch
• 推特/x、instagram、试试看、脸书
• Reddit、领英、Pinterest
• BBC iPlayer、CNN、NBC、CBS
• SoundCloud、Bandcamp（音频）
• 还有数百人——请看 yt-dlp支持的站点列表

还支持ffmpeg支持的任何格式的本地文件（mp4、mov、avi、mkv、webm、mp3、wav等）。

成本估算

费用取决于您选择的供应商和使用情况：

一个典型的10分钟视频分析 analyze_video （30帧+转录）使用OpenAI的成本约为0.45-0.51美元。

发展

git clone https://github.com/guguborbh/videoscan-mcp
cd videoscan-mcp
pip install -e ".[dev]"
pytest

许可证

MIT许可证——见 许可证 了解详情。