Video Avatars MCP 服务端

关键词

视频生成云端存储人工智能代理模型集成多模态生成

使用说明（Markdown格式）

  • 项目简介

    • 该仓库实现了一个名为 MediaGenerators 的 MCP 服务器，提供两类工具（generate_image、generate_video），并通过 Google ADK 构建了 Agent 与 Tool 的交互流程，旨在为 LLM 客户端提供图片与视频生成能力的上下文与执行能力。

  • 主要功能点

    • MCP 服务器：实现基于 MCP 的服务端框架，支持通过 JSON-RPC 与客户端通讯、资源和工具管理、会话与能力声明。
    • 工具实现：包含 generate_image（图像生成）和 generate_video（视频生成）的服务实现，基于 Gemini、Veo 等模型。
    • 与云端能力整合：存储在 Google Cloud Storage、使用 Vertex AI、对接 Cloud Run 等云服务，具备上传/下载媒体资产的能力。
    • 安全与鉴权：工具请求中集成基于身份的头信息提供者（IdentityTokenHeaderProvider），支持在云端和本地两种执行环境的鉴权。
    • 部署与运行：提供本地运行、云端部署与示例部署脚本，方便在不同环境中快速落地。

  • 安装步骤（简要）

    1. 确保使用 Python 3.11+，并安装依赖：
      • 安装 MCP 相关依赖与代理组件（参考 mcp/requirements.txt、agents 的依赖）。
    2. 配置环境变量与凭证：
      • 复制并编辑 .env 文件，设置 GOOGLE_CLOUD_PROJECT、AI_ASSETS_BUCKET、以及其他 Google Cloud 相关配置。
    3. 启动 MCP 服务器（本地示例）：
      • 运行命令：python -m mcp.main（或直接执行 mcp/main.py），默认监听 http://localhost:8080。
    4. 启动代理/客户端（如有需要）：
      • 使用 MCP 客户端连接服务器，参考下方的服务器配置示例。
    5. 部署到云端（可选）：
      • 通过 Cloud Run 等方式将 MCP 服务器与前端代理一并部署。

  • 服务器配置（MCP 客户端需要提供的连接信息，注意这是给客户端的连接描述，不是服务器端代码） { "server_name": "MediaGenerators", "command": "python3", "args": ["-m", "mcp.main"], "notes": "启动 MediaGenerators MCP 服务器，默认监听 http://localhost:8080/mcp。请确保已在环境中配置了 Google Cloud 凭据与存储桶等必需参数。客户端通过该服务器的 /mcp 路径进行 JSON-RPC 调用。" }

  • 基本使用方法

    • 客户端连接：将上述服务器配置信息提供给 MCP 客户端，建立与服务器的 RPC 通道。
    • 调用流程：客户端发送 MCP 请求以读取资源、调用工具（如图像/视频生成工具）、获取或渲染 Prompts，服务器返回相应的 JSON-RPC 响应。
    • 资产管理：生成的媒体资产将上传至 Cloud Storage，并可通过提供的 URI（gs:// 或经过授权的 HTTP URL）进行访问。

  • 其他说明

    • 服务器默认使用 UTF-8，支持在本地或云环境中运行，具体可通过 deployment 脚本进行 Cloud Run 部署。

服务器信息

访问项目