jackdark425/aigroup-video-mcp

Aigroup Video MCP

Aigroup Video MCP 是一个基于阿里云 DashScope 的视频多模态理解 MCP（Model Context Protocol）服务器，提供强大的视频内容分析功能。

🌟 特性

• 🎥 视频内容分析：支持通过 URL 或本地路径分析视频内容
• 🧠 智能摘要：自动生成视频摘要和关键信息
• 🎬 场景识别：识别视频中的主要场景和场景转换
• ✨ 自定义提示词：支持灵活的自定义分析需求
• 🔌 MCP 协议支持：完全兼容 MCP 协议，支持 stdio 和 SSE 模式
• ⚡ 高性能处理：基于异步处理，支持并发请求
• 📊 使用统计：内置使用统计和监控功能
• 🛡️ 安全配置：支持域名白名单、文件大小限制等安全特性

🎯 核心功能

视频分析工具

• analyze_video: 基础视频内容分析
• summarize_video: 视频摘要生成（支持简要、详细、通用三种模式）
• analyze_video_scenes: 视频场景分析和转换检测
• analyze_video_custom: 自定义提示词视频分析
• validate_video_source: 视频源验证和检查

系统资源

• config://system: 系统配置信息
• models://available: 可用模型信息
• status://system: 系统状态和健康检查
• stats://usage: 使用统计和分析报告

🚀 快速开始

环境要求

• Python 3.8+
• DashScope API Key

安装

# 克隆项目
git clone https://github.com/jackdark425/aigroup-video-mcp.git
cd aigroup-video-mcp

# 安装依赖
pip install -r requirements.txt

# 或使用 pip 安装
pip install aigroup-video-mcp

配置

1. 复制环境变量示例文件：

cp .env.example .env

2. 编辑 .env 文件，设置你的 DashScope API Key：

DASHSCOPE_API_KEY=your_dashscope_api_key_here

3. 或者直接设置环境变量：

export DASHSCOPE_API_KEY=your_dashscope_api_key_here

运行服务器

MCP 模式（默认）

# 使用 stdio 传输模式（推荐用于 MCP 客户端）
python -m aigroup_video_mcp.main serve

SSE 模式

# 使用 SSE 传输模式（用于 HTTP 客户端）
python -m aigroup_video_mcp.main serve --transport sse --host 0.0.0.0 --port 3001

📖 使用示例

命令行工具

分析视频文件

# 基础视频分析
python -m aigroup_video_mcp.main analyze video.mp4

# 使用自定义提示词
python -m aigroup_video_mcp.main analyze video.mp4 --prompt "请分析视频中的人物动作和表情"

# 输出为 JSON 格式
python -m aigroup_video_mcp.main analyze video.mp4 --format json --save-to result.json

健康检查

# 检查服务器健康状态
python -m aigroup_video_mcp.main health

# 查看服务器信息
python -m aigroup_video_mcp.main info

# 验证配置
python -m aigroup_video_mcp.main config

RooCode MCP 客户端集成

如果你正在开发 MCP 客户端，可以通过以下方式集成： DASHSCOPE_API_KEY直接在环境变量中设置

{
  "mcpServers": {
    "aigroup-video-mcp": {
      "command": "python",
      "args": [
        "-m",
        "aigroup_video_mcp.main",
        "serve"
      ],
      "env": {
        "DASHSCOPE_API_KEY": "${env:DASHSCOPE_API_KEY}"
      },
      "alwaysAllow": [
        "analyze_video",
        "summarize_video",
        "analyze_video_scenes",
        "analyze_video_custom",
        "validate_video_source"
      ],
      "disabled": false
    }
  }
}

Python API

import asyncio
from aigroup_video_mcp.core.analyzer import get_analyzer, create_video_source

async def analyze_video():
    # 创建分析器
    analyzer = get_analyzer(async_mode=True)
    
    # 创建视频源
    video_source = create_video_source("path/to/video.mp4")
    
    # 分析视频
    result = await analyzer.analyze(
        video_source, 
        "请描述这个视频的主要内容"
    )
    
    if result.success:
        print(result.content)
    else:
        print(f"分析失败: {result.error}")

# 运行
asyncio.run(analyze_video())

🛠️ 工具详细说明

analyze_video

基础视频内容分析工具。

参数：

• video_path (必需): 视频文件路径或 URL
• prompt (可选): 自定义分析提示词
• model (可选): 使用的模型名称
• temperature (可选): 文本生成温度 (0.0-2.0)
• max_tokens (可选): 最大响应 token 数

示例：

{
  "video_path": "https://example.com/video.mp4",
  "prompt": "请分析这个视频的内容，包括主要场景、人物、动作和事件。",
  "temperature": 0.7,
  "max_tokens": 2000
}

summarize_video

视频摘要生成工具。

参数：

• video_path (必需): 视频文件路径或 URL
• summary_type (可选): 摘要类型 (general, detailed, brief)
• model (可选): 使用的模型名称
• temperature (可选): 文本生成温度
• max_tokens (可选): 最大响应 token 数

analyze_video_scenes

视频场景分析工具。

参数：

• video_path (必需): 视频文件路径或 URL
• scene_detection (可选): 是否检测场景转换
• detailed_analysis (可选): 是否提供详细分析
• model (可选): 使用的模型名称

analyze_video_custom

自定义视频分析工具。

参数：

• video_path (必需): 视频文件路径或 URL
• custom_prompt (必需): 自定义分析提示词
• analysis_focus (可选): 分析焦点
• output_format (可选): 输出格式
• language (可选): 输出语言

validate_video_source

视频源验证工具。

参数：

• video_path (必需): 视频文件路径或 URL
• check_accessibility (可选): 是否检查可访问性
• check_format (可选): 是否检查格式兼容性
• check_size (可选): 是否检查文件大小
• detailed_info (可选): 是否返回详细信息

📊 支持的视频格式

• MP4
• AVI
• MOV
• MKV
• WebM
• FLV

⚙️ 配置选项

环境变量

配置文件

项目支持通过 .env 文件进行配置。所有环境变量都可以在配置文件中设置。

🔒 安全特性

• 文件大小限制：防止过大文件上传
• 格式验证：只支持指定的视频格式
• 域名白名单/黑名单：控制允许访问的 URL 域名
• 速率限制：防止 API 滥用
• 输入验证：严格的参数验证

📈 监控和统计

服务器内置了使用统计和监控功能：

• 使用统计：工具和资源的使用频率
• 性能监控：响应时间和成功率
• 健康检查：系统状态和组件健康
• 资源监控：CPU、内存、磁盘使用情况

访问统计信息：

# 查看使用统计
curl http://localhost:3001/resources/stats://usage

# 查看系统状态
curl http://localhost:3001/resources/status://system

🐛 故障排除

常见问题

1. API Key 未设置

   Error: DashScope API key is required
   

   解决方案：设置 DASHSCOPE_API_KEY 环境变量

2. 不支持的视频格式

   Error: Unsupported format: xxx
   

   解决方案：转换视频为支持的格式（MP4, AVI, MOV, MKV, WebM, FLV）

3. 文件过大

   Error: File too large
   

   解决方案：压缩视频或调整 VIDEO__MAX_FILE_SIZE 配置

4. 网络连接问题

   Error: Failed to connect to DashScope API
   

   解决方案：检查网络连接和 API Key 是否正确

调试模式

启用调试模式获取更详细的日志：

python -m aigroup_video_mcp.main --debug serve

🤝 贡献

欢迎贡献代码！请遵循以下步骤：

1. Fork 项目
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 创建 Pull Request

📄 许可证

该项目使用 MIT 许可证。详情请参阅 文件。

🙏 致谢

• 阿里云 DashScope - 提供强大的多模态 AI 能力
• Model Context Protocol - 提供标准化的模型交互协议
• MCP Python SDK - 提供 Python MCP 实现

📞 支持

如果你遇到任何问题或有建议，请：

1. 查看 部分
2. 提交 Issue
3. 联系开发团队：jackdark425@gmail.com

Made with ❤️ by Aigroup Team