MCP 视频识别服务器

这是一个使用Google的Gemini AI进行图像、音频和视频识别的MCP（模型上下文协议）服务器。

<a href="https://glama.ai/mcp/servers/@mario-andreschak/mcp_video_recognition"> <img width="380" height="200" src="https://gips1.baidu.com/it/u=3430252268,2303673444&fm=3081&app=3081&f=PNG?w=760&h=400" alt="视频识别服务器 MCP服务器" /> </a>

特性

• 图像识别：使用Google Gemini AI分析和描述图像
• 音频识别：使用Google Gemini AI分析和转录音频
• 视频识别：使用Google Gemini AI分析和描述视频

预备条件

• Node.js 18或更高版本
• Google Gemini API密钥

安装

手动安装

1. 克隆仓库：

   git clone https://github.com/yourusername/mcp-video-recognition.git
   cd mcp-video-recognition
   

2. 安装依赖项：

   npm install
   

3. 构建项目：

   npm run build
   

在FLUJO中安装

1. 点击添加服务器
2. 将GitHub URL复制并粘贴到FLUJO中
3. 点击解析、克隆、安装、构建并保存。

通过配置文件安装

要通过配置文件将此MCP服务器与Cline或其他MCP客户端集成：

1. 打开您的Cline设置：

   • 在VS Code中，前往文件 -> 首选项 -> 设置
   • 搜索“Cline MCP设置”
   • 点击“在settings.json中编辑”

2. 向mcpServers对象添加服务器配置：

   {
     "mcpServers": {
       "video-recognition": {
         "command": "node",
         "args": [
           "/path/to/mcp-video-recognition/dist/index.js"
         ],
         "disabled": false,
         "autoApprove": []
       }
     }
   }
   

3. 使用实际路径替换/path/to/mcp-video-recognition/dist/index.js，指向您项目目录中的index.js文件。在Windows上使用正斜杠(/)或双反斜杠(\)作为路径分隔符。

4. 保存设置文件。Cline应自动连接到服务器。

配置

服务器使用环境变量进行配置：

• GOOGLE_API_KEY（必需）：您的Google Gemini API密钥
• TRANSPORT_TYPE：使用的传输类型（stdio或sse，默认为stdio）
• PORT：SSE传输的端口号（默认为3000）
• LOG_LEVEL：日志级别（verbose、debug、info、warn、error，默认为info）

使用方法

启动服务器

使用stdio传输（默认）

GOOGLE_API_KEY=your_api_key npm start

使用SSE传输

GOOGLE_API_KEY=your_api_key TRANSPORT_TYPE=sse PORT=3000 npm start

使用工具

服务器提供了三个可以由MCP客户端调用的工具：

图像识别

{
  "name": "image_recognition",
  "arguments": {
    "filepath": "/path/to/image.jpg",
    "prompt": "详细描述这张图片",
    "modelname": "gemini-2.0-flash"
  }
}

音频识别

{
  "name": "audio_recognition",
  "arguments": {
    "filepath": "/path/to/audio.mp3",
    "prompt": "转录这段音频",
    "modelname": "gemini-2.0-flash"
  }
}

视频识别

{
  "name": "video_recognition",
  "arguments": {
    "filepath": "/path/to/video.mp4",
    "prompt": "描述这个视频的内容",
    "modelname": "gemini-2.0-flash"
  }
}

工具参数

所有工具接受以下参数：

• filepath（必需）：要分析的媒体文件路径
• prompt（可选）：自定义识别提示（默认为“描述这个内容”）
• modelname（可选）：用于识别的Gemini模型（默认为“gemini-2.0-flash”）

开发

在开发模式下运行

GOOGLE_API_KEY=your_api_key npm run dev

项目结构

• src/index.ts：入口点
• src/server.ts：MCP服务器实现
• src/tools/：工具实现
• src/services/：服务实现（Gemini API）
• src/types/：类型定义
• src/utils/：实用函数

许可证

MIT