MCP 视频识别服务器

这是一个使用 Google 的 Gemini AI 提供图像、音频和视频识别工具的 MCP（Model Context Protocol）服务器。

功能

• 图像识别：使用 Google Gemini AI 分析并描述图像
• 音频识别：使用 Google Gemini AI 分析并转录音频
• 视频识别：使用 Google Gemini AI 分析并描述视频

前提条件

• 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 复制粘贴到 FLUJO
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，转到文件 -> 首选项 -> 设置
   • 搜索 "Cline MCP 设置"
   • 单击 "在 settings.json 中编辑"

2. 向 mcpServers 对象中添加服务器配置：

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

3. 将 /path/to/mcp-video-recognition/dist/index.js 替换为您项目目录中 index.js 文件的实际路径。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 应该会自动连接到服务器。

配置

服务器通过环境变量进行配置：

• 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

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": "Describe this image in detail",
    "modelname": "gemini-2.0-flash"
  }
}

音频识别

{
  "name": "audio_recognition",
  "arguments": {
    "filepath": "/path/to/audio.mp3",
    "prompt": "Transcribe this audio",
    "modelname": "gemini-2.0-flash"
  }
}

视频识别

{
  "name": "video_recognition",
  "arguments": {
    "filepath": "/path/to/video.mp4",
    "prompt": "Describe what happens in this video",
    "modelname": "gemini-2.0-flash"
  }
}

工具参数

所有工具接受以下参数：

• filepath（必需）：要分析的媒体文件的路径
• prompt（可选）：用于识别的自定义提示（默认为 "Describe this content"）
• modelname（可选）：用于识别的 Gemini 模型（默认为 "gemini-2.0-flash"）

开发

以开发模式运行

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/: 工具函数

许可证

MIT