🎬 Video Vision MCP

🚀 基于 Model Context Protocol (MCP) 的视频分析与拍摄脚本生成工具，使用 OpenAI 兼容的多模态视觉模型（默认：智谱 Bigmodel glm-4.6v-flash，免费可用）

✨ 简介

Video Vision MCP 是一个专业的视频分析和脚本生成工具，通过 MCP 协议为 AI 助手提供强大的视频处理能力。它可以从视频中提取关键帧，使用多模态视觉模型进行智能内容分析，并生成专业的拍摄脚本。

Fork 自 pickstar-2002/video-capture-script-mcp，主要改动：将视觉后端从腾讯混元替换为 OpenAI 兼容接口（默认智谱 Bigmodel glm-4.6v-flash，免费可用），无需腾讯云密钥。感谢原作者的开源贡献。

🎯 主要功能

• 🖼️ 智能帧提取: 支持多种策略提取视频关键帧
  • 均匀间隔提取 (uniform)
  • 关键帧提取 (keyframe)
  • 场景变化检测 (scene_change)
• 🤖 AI 内容分析: 使用多模态视觉模型分析视频/图片内容
• 🎬 拍摄脚本生成: 基于视频分析结果，生成专业拍摄脚本
  • 支持多种类型：商业广告、纪录片、教学视频、叙事视频
  • 可自定义目标受众、拍摄风格、时长要求
• 📊 批量图片分析: 批量分析多张图片内容
• 📹 视频信息获取: 获取视频时长、分辨率、帧率等元数据

📦 安装

在 MCP 兼容工具中配置

{
  "mcpServers": {
    "video-vision-mcp": {
      "command": "npx",
      "args": ["-y", "@idk500/video-vision-mcp@latest"],
      "env": {
        "VISION_API_KEY": "your_api_key_here"
      }
    }
  }
}

本地开发

git clone https://github.com/idk500/video-capture-script-mcp.git
cd video-capture-script-mcp
npm install
npm run build

🔑 配置（视觉模型 API Key）

视觉分析功能需要一个支持图片输入的多模态模型 API Key。默认使用智谱 Bigmodel glm-4.6v-flash（免费）。

获取 Key

1. 访问 https://open.bigmodel.cn/usercenter/apikeys
2. 注册/登录智谱开放平台
3. 创建 API Key（格式：xxxxxxxxxxxxxxxx.xxxxxxxxxxxxxxxx）

配置方式（任选其一）

环境变量（推荐）：

export VISION_API_KEY=your_api_key_here
# 可选：自定义端点和模型
export VISION_ENDPOINT=https://open.bigmodel.cn/api/paas/v4
export VISION_MODEL=glm-4.6v-flash
export TEXT_MODEL=glm-4.6

启动参数：

node dist/index.js --secret-id your_api_key_here

切换其他 OpenAI 兼容后端

只要接口兼容 OpenAI Chat Completions（支持 image_url 内容），都可以用：

export VISION_ENDPOINT=https://your-openai-compatible-endpoint/v1
export VISION_MODEL=your-vision-model
export TEXT_MODEL=your-text-model
export VISION_API_KEY=your-key

🛠️ 可用工具

| 工具 | 说明 | 需要视觉模型 | |------|------|:---:| | extract_video_frames | 从视频提取关键帧（本地，依赖 FFmpeg） | 否 | | get_video_info | 获取视频时长/分辨率/帧率等元信息 | 否 | | analyze_video_content | 抽帧后送入视觉模型，总结视频内容 | 是 | | analyze_image_batch | 批量分析图片内容 | 是 | | generate_video_script | 抽帧→视觉理解→生成专业拍摄脚本 | 是 | | generate_image_script | 基于多张图片生成拍摄脚本 | 是 |

脚本类型：commercial（商业广告）/ documentary（纪录片）/ tutorial（教学）/ narrative（叙事）/ custom（自定义）

📋 系统要求与依赖

• Node.js >= 18.0.0
• FFmpeg（帧提取与视频信息）
  • Windows: choco install ffmpeg
  • macOS: brew install ffmpeg
  • Linux: sudo apt install ffmpeg

📝 开发

npm run dev      # 开发模式（tsx）
npm run build    # 编译到 dist/
npm run lint     # 代码检查

📄 许可证

MIT License

Copyright (c) 2025 pickstar-2002（原作者） Copyright (c) 2025 idk500（Bigmodel 后端改造）

🙏 致谢

本项目 Fork 自 pickstar-2002/video-capture-script-mcp，感谢原作者的完整实现。Fork 改动点：将腾讯混元视觉后端替换为 OpenAI 兼容接口（默认智谱 Bigmodel glm-4.6v-flash）。

🐛 问题反馈

请在 GitHub Issues 中反馈问题或建议。