关键词

视频生成图像生成AI视频RunwayMLLuma AI

使用说明

项目简介

本项目是一个 MCP 服务器，旨在通过 RunwayML 和 Luma AI 的 API，为 LLM 客户端提供强大的视频和图像生成能力。它将 RunwayML 和 Luma AI 的多种生成功能封装成易于调用的工具，例如根据文本生成视频、根据图像生成视频、生成图像，以及优化 Prompt 等。通过标准的 MCP 协议，LLM 客户端可以方便地利用这些工具进行多媒体内容的创作。

主要功能点

  • 文生视频: 使用 RunwayML 或 Luma AI 的模型，根据文本提示词生成视频。
  • 图生视频: 使用 RunwayML 或 Luma AI 的模型，根据上传的图片和文本提示词生成视频。
  • 图像生成: 使用 Luma AI 模型，根据文本提示词生成图像。
  • Prompt 优化: 利用 OpenRouter 提供的 LLM 服务，优化用户输入的 Prompt，以提升视频和图像生成效果。
  • Luma AI 资产管理: 管理 Luma AI 生成的视频和图像，包括列表查看、获取详情和删除。
  • Luma AI 音频添加: 为 Luma AI 生成的视频添加音频。
  • Luma AI 视频高清放大: 将 Luma AI 生成的视频进行高清放大。

安装步骤

  1. 下载代码: 从 GitHub 仓库 'https://github.com/wheattoast11/mcp-video-gen' 下载或克隆代码到本地。
  2. 进入目录: 打开终端，导航到代码仓库的根目录 'mcp-video-gen'。
  3. 安装依赖: 运行命令 'npm install' 安装项目所需的依赖包。

服务器配置

MCP 服务器需要配置 API 密钥才能正常工作。请在服务器根目录下创建 '.env' 文件，并填入以下 API 密钥：

RUNWAYML_API_SECRET=你的RunwayML API密钥
LUMAAI_API_KEY=你的Luma AI API密钥
OPENROUTER_API_KEY=你的OpenRouter API密钥

请将 '你的RunwayML API密钥'、'你的Luma AI API密钥' 和 '你的OpenRouter API密钥' 替换为你自己的 API 密钥。

MCP 客户端配置

为了让 MCP 客户端连接到此服务器，您需要配置 MCP 客户端，添加一个新的 MCP 服务器。以下是一个配置示例，您需要根据您的 MCP 客户端进行配置。

{
  "serverName": "runway-luma-server",  //  服务器名称，自定义，用于在客户端中标识
  "command": "node",  //  启动服务器的命令，这里使用 Node.js 运行
  "args": [
    "/path/to/mcp-video-gen/build/server-index.js"  //  服务器入口文件路径，请替换为实际路径
  ],
  "env": {  //  环境变量，用于传递 API 密钥，与 .env 文件中的配置一致
    "RUNWAYML_API_SECRET": "你的RunwayML API密钥",  //  RunwayML API 密钥
    "LUMAAI_API_KEY": "你的Luma AI API密钥",  //  Luma AI API 密钥
    "OPENROUTER_API_KEY": "你的OpenRouter API密钥"  //  OpenRouter API 密钥
  }
}

配置参数说明:

  • 'serverName': 服务器名称，您可以自定义一个易于识别的名称，例如 'runway-luma-server'。
  • 'command': 启动服务器的命令，本项目使用 Node.js 开发，因此这里填写 'node'。
  • 'args': 启动命令的参数，这里需要指定编译后的服务器入口文件 'server-index.js' 的绝对路径。请将 '/path/to/mcp-video-gen/build/server-index.js' 替换为实际的文件路径。
  • 'env': 环境变量配置，用于安全地传递 API 密钥。请将 '你的RunwayML API密钥'、'你的Luma AI API密钥' 和 '你的OpenRouter API密钥' 替换为您在 '.env' 文件中配置的 API 密钥。

注意:

  • 请确保将 '/path/to/mcp-video-gen/build/server-index.js' 替换为服务器入口文件 'server-index.js' 在您本地文件系统中的绝对路径。
  • 环境变量中的 API 密钥需要与您在 '.env' 文件中配置的密钥保持一致。
  • 不同的 MCP 客户端配置方式可能略有不同，请参考您使用的 MCP 客户端的文档进行配置。

基本使用方法

  1. 编译服务器: 在终端中运行命令 'npm run build' 编译 TypeScript 代码。

  2. 启动服务器: 运行命令 'npm start' 启动 MCP 服务器。您应该在终端的错误输出 (stderr) 中看到 'RunwayML MCP server running on stdio' 的信息。

  3. 连接客户端: 配置您的 MCP 客户端，按照上述 “MCP 客户端配置” 部分的说明，将客户端连接到正在运行的 MCP 服务器。

  4. 使用工具: 在 MCP 客户端中，您可以使用以下工具来生成视频和图像：

    • 'generate_text_to_video': 根据文本生成视频。
    • 'generate_image_to_video': 根据图像生成视频。
    • 'luma_generate_image': 生成图像。
    • 'enhance_prompt': 优化 Prompt。
    • 'luma_list_generations', 'luma_get_generation', 'luma_delete_generation': 管理 Luma AI 生成的资产。
    • 'luma_add_audio': 为 Luma AI 视频添加音频。
    • 'luma_upscale': 放大 Luma AI 视频。

    您可以在 MCP 客户端中查看每个工具的详细参数说明，并根据需要调用这些工具进行视频和图像生成。 生成任务通常是异步的，服务器会通过 MCP 协议发送进度通知，并在任务完成后返回结果 URL。

信息

分类

AI与计算

访问项目