From d799c4f47f4b7ae941753dac777877b05a060473 Mon Sep 17 00:00:00 2001 From: kicer Date: Wed, 23 Sep 2026 08:29:54 +0800 Subject: [PATCH] =?UTF-8?q?=E6=94=B9=E5=90=8D=EF=BC=9Avideo=5Fgen=20?= =?UTF-8?q?=E2=86=92=20video=5Ftask=EF=BC=88=E5=8F=8C=E5=B7=A5=E5=85=B7?= =?UTF-8?q?=E5=90=88=E5=B9=B6=E4=B8=BA=E5=8D=95=E5=B7=A5=E5=85=B7=EF=BC=8C?= =?UTF-8?q?op=3Dcreate/get=EF=BC=89=EF=BC=9Bimage=5Fgen=20=E2=86=92=20imag?= =?UTF-8?q?e=5Ftask=EF=BC=88=E5=8D=95=E5=B7=A5=E5=85=B7=EF=BC=8Cop=3Dcreat?= =?UTF-8?q?e=EF=BC=89?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit - header 前缀同步改为 X-Video-Task-* / X-Image-Task-*(方案 B,agent 侧 config.yml 的 headers 需同步更新) - docker-compose 服务名 / 容器名 / 调试端口变量(VIDEO_TASK_PORT / IMAGE_TASK_PORT)同步改名 - README(根目录与两份服务文档)按新工具形态重写:op 参数表、curl 示例、架构图 --- mcp/README.md | 18 +- mcp/docker-compose.yml | 16 +- mcp/{image_gen => image_task}/.dockerignore | 0 mcp/{image_gen => image_task}/Dockerfile | 2 +- mcp/{image_gen => image_task}/README.md | 64 +-- mcp/{image_gen => image_task}/package.json | 4 +- .../src/mcp-server.js | 137 ++++--- mcp/{video_gen => video_task}/.dockerignore | 0 mcp/{video_gen => video_task}/Dockerfile | 4 +- mcp/{video_gen => video_task}/README.md | 127 +++--- mcp/{video_gen => video_task}/package.json | 4 +- .../src/mcp-server.js | 368 +++++++++--------- 12 files changed, 389 insertions(+), 355 deletions(-) rename mcp/{image_gen => image_task}/.dockerignore (100%) rename mcp/{image_gen => image_task}/Dockerfile (92%) rename mcp/{image_gen => image_task}/README.md (75%) rename mcp/{image_gen => image_task}/package.json (79%) rename mcp/{image_gen => image_task}/src/mcp-server.js (72%) rename mcp/{video_gen => video_task}/.dockerignore (100%) rename mcp/{video_gen => video_task}/Dockerfile (92%) rename mcp/{video_gen => video_task}/README.md (75%) rename mcp/{video_gen => video_task}/package.json (60%) rename mcp/{video_gen => video_task}/src/mcp-server.js (58%) diff --git a/mcp/README.md b/mcp/README.md index 2e67333..cfa8e55 100644 --- a/mcp/README.md +++ b/mcp/README.md @@ -5,8 +5,8 @@ | 目录 | 容器名 | 作用 | 容器内端口 | MCP 端点 | |---|---|---|---|---| | `web_search/` | `mcp_web_search` | 免费网页搜索(Parallel / Exa,无需 key) | `3000` | `POST /` | -| `image_gen/` | `mcp_image_gen` | 智谱 CogView 图片生成 | `3000` | `POST /mcp` | -| `video_gen/` | `mcp_video_gen` | 智谱 CogVideo 视频生成(异步) | `3000` | `POST /mcp` | +| `image_task/` | `mcp_image_task` | 智谱 CogView 图片生成(单工具 op=create) | `3000` | `POST /mcp` | +| `video_task/` | `mcp_video_task` | 智谱 CogVideo 视频生成(异步,单工具 op=create/get) | `3000` | `POST /mcp` | **这些服务一个宿主机端口都不占**——它们只挂在 `agent-mcp-net` 上,由 `agent-core` / `agent-executor` 按容器名访问。所以整台服务器对外只需要开 agent-core 那一个端口(`AGENT_PORT`,默认 8090)。 @@ -27,7 +27,7 @@ cd /root/workspace/tools/mcp && docker compose up -d --build > mcp 单独在一个没有该网络的机器上先起会报错(`network agent-mcp-net declared as external, but could not be found`),这是预期行为。 > 拆的时候反着来(先 down mcp 再 down agent)。 -`image_gen` / `video_gen` 需要智谱 token,但 token **不由服务端保存**——每个请求从 header 读取 +`image_task` / `video_task` 需要智谱 token,但 token **不由服务端保存**——每个请求从 header 读取 (agent 侧配在 `config.yml` 的 `mcp_servers[].headers`)。所以这里不用配任何密钥。 ### 环境变量 @@ -37,10 +37,10 @@ cd /root/workspace/tools/mcp && docker compose up -d --build | 变量 | 默认 | 说明 | |---|---|---| | `WEB_SEARCH_PORT` | `8081` | 只在临时打开 web_search 调试端口时用 | -| `IMAGE_GEN_PORT` | `8082` | 只在临时打开 image_gen 调试端口时用 | -| `VIDEO_GEN_PORT` | `8083` | 只在临时打开 video_gen 调试端口(MCP 口,仅本机短时调试)时用 | +| `IMAGE_TASK_PORT` | `8082` | 只在临时打开 image_task 调试端口时用 | +| `VIDEO_TASK_PORT` | `8083` | 只在临时打开 video_task 调试端口(MCP 口,仅本机短时调试)时用 | -## 图片是怎么到智谱手上的(只有 video_gen 关心) +## 图片是怎么到智谱手上的(只有 video_task 关心) 智谱服务器生成视频前要**自己来拉参考图**,它不带 cookie、不带 `Authorization`。这套链路里**没有任何人上传文件**: @@ -48,7 +48,7 @@ cd /root/workspace/tools/mcp && docker compose up -d --build AI ──调用 agent 内置的「公开临时 URL」工具(直接传文件路径)──► 拿到一条短命公网 URL │ ▼ -AI 把拿到的 URL 当 image_url 交给 video_gen:3000/mcp +AI 把拿到的 URL 当 image_url 交给 video_task:3000/mcp │ ▼ 智谱 ──匿名 GET──► agent 侧提供的公开临时 URL @@ -64,8 +64,8 @@ AI 把拿到的 URL 当 image_url 交给 video_gen:3000/mcp | 服务 | 公网暴露 | 说明 | |---|---|---| | `mcp_web_search` | 无 | 服务端无鉴权,**永远不要映射出去**(会被白嫖搜索额度);agent 走内网访问 | -| `mcp_image_gen` | 无 | token 由调用方自带,暴露后可被拿去消耗你的智谱额度 | -| `mcp_video_gen` | 无 | 它需要的公开临时 URL 由 agent 侧集成的工具提供,自己不占端口 | +| `mcp_image_task` | 无 | token 由调用方自带,暴露后可被拿去消耗你的智谱额度 | +| `mcp_video_task` | 无 | 它需要的公开临时 URL 由 agent 侧集成的工具提供,自己不占端口 | ## 单独调试 diff --git a/mcp/docker-compose.yml b/mcp/docker-compose.yml index ecb9a2e..e503405 100644 --- a/mcp/docker-compose.yml +++ b/mcp/docker-compose.yml @@ -12,23 +12,23 @@ services: networks: - agent-mcp-net - mcp_image_gen: - build: ./image_gen - container_name: mcp_image_gen + mcp_image_task: + build: ./image_task + container_name: mcp_image_task restart: unless-stopped # 调试用(默认关): # ports: - # - "${IMAGE_GEN_PORT:-8082}:3000" + # - "${IMAGE_TASK_PORT:-8082}:3000" networks: - agent-mcp-net - mcp_video_gen: - build: ./video_gen - container_name: mcp_video_gen + mcp_video_task: + build: ./video_task + container_name: mcp_video_task restart: unless-stopped # 调试用(默认关;这里映的是 MCP 端口,会暴露 /mcp,仅本机短时调试用): # ports: - # - "${VIDEO_GEN_PORT:-8083}:3000" + # - "${VIDEO_TASK_PORT:-8083}:3000" networks: - agent-mcp-net diff --git a/mcp/image_gen/.dockerignore b/mcp/image_task/.dockerignore similarity index 100% rename from mcp/image_gen/.dockerignore rename to mcp/image_task/.dockerignore diff --git a/mcp/image_gen/Dockerfile b/mcp/image_task/Dockerfile similarity index 92% rename from mcp/image_gen/Dockerfile rename to mcp/image_task/Dockerfile index 449aca1..324ba3c 100644 --- a/mcp/image_gen/Dockerfile +++ b/mcp/image_task/Dockerfile @@ -3,7 +3,7 @@ FROM node:22-slim WORKDIR /app # 国内构建慢:npm 默认源在国外(web_search 零依赖不需要,这个要)。 -# 想换回官方:docker compose build --build-arg NPM_REGISTRY=https://registry.npmjs.org/ mcp_image_gen +# 想换回官方:docker compose build --build-arg NPM_REGISTRY=https://registry.npmjs.org/ mcp_image_task ARG NPM_REGISTRY=https://mirrors.cloud.tencent.com/npm/ # 复制 package.json 并安装依赖 diff --git a/mcp/image_gen/README.md b/mcp/image_task/README.md similarity index 75% rename from mcp/image_gen/README.md rename to mcp/image_task/README.md index cb81c02..cd4f17e 100644 --- a/mcp/image_gen/README.md +++ b/mcp/image_task/README.md @@ -1,6 +1,6 @@ -# MCP Image Gen +# MCP Image Task -一个基于 [Model Context Protocol (MCP)](https://modelcontextprotocol.io/) 的图片生成服务,对接智谱 BigModel 的 `CogView` 系列模型。每次调用通过 HTTP header 传入智谱 API 的 Bearer Token,支持在工具参数中按需切换模型。 +一个基于 [Model Context Protocol (MCP)](https://modelcontextprotocol.io/) 的图片生成服务,对接智谱 BigModel 的 `CogView` 系列模型。每次调用通过 HTTP header 传入智谱 API 的 Bearer Token。只有一个工具 `image_task`,用 `op` 区分动作(图片生成为同步接口,当前仅支持 `op=create`)。 - 协议:MCP **Streamable HTTP**(单端点 `/mcp`,支持 SSE 流) - 上游:[智谱 BigModel Images Generations API](https://open.bigmodel.cn/dev/api#images) @@ -18,17 +18,17 @@ ```bash cd /root/workspace/tools/mcp -docker compose up -d --build mcp_image_gen +docker compose up -d --build mcp_image_task ``` -服务容器名 `mcp_image_gen`,容器内端口 3000,**默认不占宿主端口**:agent 走 `agent-mcp-net` -按容器名访问(`http://mcp_image_gen:3000/mcp`)。需要从宿主机 curl 调试时,去仓库根 -`docker-compose.yml` 把 `mcp_image_gen` 注释掉的 `ports` 两行打开(默认写的是 8082),调试完记得注释回去。 +服务容器名 `mcp_image_task`,容器内端口 3000,**默认不占宿主端口**:agent 走 `agent-mcp-net` +按容器名访问(`http://mcp_image_task:3000/mcp`)。需要从宿主机 curl 调试时,去仓库根 +`docker-compose.yml` 把 `mcp_image_task` 注释掉的 `ports` 两行打开(默认写的是 8082),调试完记得注释回去。 ```bash # 不占端口的健康检查 -docker exec mcp_image_gen node -e "fetch('http://localhost:3000/health').then(r=>r.text()).then(console.log)" -# {"status":"ok","service":"image_gen","sessions":0} +docker exec mcp_image_task node -e "fetch('http://localhost:3000/health').then(r=>r.text()).then(console.log)" +# {"status":"ok","service":"image_task","sessions":0} ``` ### MCP 客户端配置 @@ -40,7 +40,7 @@ docker exec mcp_image_gen node -e "fetch('http://localhost:3000/health').then(r= // Cursor: ~/.cursor/mcp.json { "mcpServers": { - "image_gen": { + "image_task": { "url": "http://localhost:8082/mcp", "headers": { "Authorization": "Bearer " @@ -60,16 +60,21 @@ docker exec mcp_image_gen node -e "fetch('http://localhost:3000/health').then(r= --- -## 工具:image_gen +## 工具:image_task -调用智谱图片生成接口,返回图片 URL。 +调用智谱图片生成接口,返回图片 URL。生成为**同步**接口,`op=create` 直接出结果,无需轮询。 -### 参数 +| op | 作用 | 同步/异步 | +|---|---|---| +| `create` | 按 prompt 生成图片,返回图片 URL | 同步(直接返回结果) | + +### 参数(AI 可见) | 名称 | 类型 | 必填 | 说明 | |---|---|---|---| -| `prompt` | string | ✅ | 图片生成提示词,描述想要的画面内容 | -| `size` | string | ❌ | 图片尺寸,例如 `1024x1024`、`1280x1280`、`1024x1792`、`1792x1024`、`768x1344`、`1344x768`,遵循智谱 API 规格 | +| `op` | `"create"` | ✅ | 要执行的操作(当前仅 `create`) | +| `prompt` | string | ✅ | 图片生成提示词,描述想要的画面内容(仅 op=create 使用) | +| `size` | string | ❌ | 图片尺寸,例如 `1024x1024`、`1280x1280`、`1024x1792`、`1792x1024`、`768x1344`、`1344x768`,遵循智谱 API 规格(仅 op=create 使用) | ### Model 控制(不在工具参数中暴露) @@ -77,7 +82,7 @@ docker exec mcp_image_gen node -e "fetch('http://localhost:3000/health').then(r= | 优先级 | Header | |---|---| -| 1 | `X-Image-Gen-Model` | +| 1 | `X-Image-Task-Model` | | 2 | `X-Mcp-Model` | | 3 | `X-Model` | @@ -87,14 +92,12 @@ docker exec mcp_image_gen node -e "fetch('http://localhost:3000/health').then(r= ### 返回 -### 返回 - 工具成功时返回若干 `text` 块,第一块是摘要,后续每块各包含一张图片的 URL(方便 LLM 直接贴图或下载): ```jsonc { "content": [ - { "type": "text", "text": "模型: CogView-3-Flash\n提示词: ...\n图片 1: https://maas-watermark-prod-new.cn-wlcb.ufileos.com/..." }, + { "type": "text", "text": "Model: CogView-3-Flash\nPrompt: ...\nImage 1: https://maas-watermark-prod-new.cn-wlcb.ufileos.com/..." }, { "type": "text", "text": "https://maas-watermark-prod-new.cn-wlcb.ufileos.com/..." } ] } @@ -112,7 +115,7 @@ URL 由智谱签名下发,**带有效期**(通常 24h),如需长期保 | 优先级 | Header | 说明 | |---|---|---| -| 1 | `X-Image-Gen-Token: ` | 直传,避免与客户端自身的 Authorization 冲突 | +| 1 | `X-Image-Task-Token: ` | 直传,避免与客户端自身的 Authorization 冲突 | | 2 | `X-Mcp-Token: ` | 通用兜底 | | 3 | `Authorization: Bearer ` | 标准 OAuth 风格(排最后是为避免误用) | @@ -170,7 +173,7 @@ curl -s -X POST http://localhost:8082/mcp \ -H "Mcp-Session-Id: $SESSION" \ -d '{"jsonrpc": "2.0", "id": 2, "method": "tools/list"}' -# 4. 调 image_gen +# 4. 调 image_task(op=create) curl -s -X POST http://localhost:8082/mcp \ -H "Content-Type: application/json" \ -H "Accept: application/json, text/event-stream" \ @@ -181,8 +184,9 @@ curl -s -X POST http://localhost:8082/mcp \ "id": 3, "method": "tools/call", "params": { - "name": "image_gen", + "name": "image_task", "arguments": { + "op": "create", "prompt": "一只可爱的小猫咪,坐在阳光明媚的窗台上,背景是蓝天白云", "size": "1280x1280" } @@ -197,20 +201,21 @@ curl -s -X POST http://localhost:8082/mcp \ ## 架构与文件 ``` -image_gen/ +image_task/ ├── Dockerfile # node:22-slim,安装依赖后启动 MCP HTTP server ├── .dockerignore # 排除 node_modules ├── package.json # @modelcontextprotocol/sdk + express + zod ├── README.md # 本文件 └── src/ - └── mcp-server.js # 单文件实现:HTTP server + MCP transport + tool + └── mcp-server.js # 单文件实现:HTTP server + MCP transport + 单工具(op 分发) ``` ### 关键设计 +- **单工具 + `op` 分发**:`image_task(op=create)`,与 `video_task` 的服务形态保持一致;生成为同步接口,所以 `op` 只有 `create` 一个取值 - **每 session 一个 transport + server**:通过 `Mcp-Session-Id` 复用,避免每请求重建 -- **Token 闭包注入**:在 Express 入口处从 header 提取 token,闭包传给 `buildServer({ token })`,tool 回调里直接使用;不依赖 SDK 内部字段 -- **模型参数单链**:`arguments.model` → `DEFAULT_MODEL`,无 header 干预 +- **Token 闭包注入**:在 Express 入口处从 header 提取 token,闭包传给 tool 回调;不依赖 SDK 内部字段 +- **模型参数不入 schema**:model 只从 HTTP header 读取(`X-Image-Task-Model` / `X-Mcp-Model` / `X-Model`),AI 不可见 - **URL 提取**:`response.data[].url` 为准,若返回 `b64_json` 也会一并返回 ### 默认模型 @@ -220,18 +225,21 @@ image_gen/ const DEFAULT_MODEL = "CogView-3-Flash"; ``` -修改后 `docker compose up -d --build mcp_image_gen` 即可生效。 +修改后 `docker compose up -d --build mcp_image_task` 即可生效。 --- ## 常见问题 **Q: AI 不知道有哪些 model 可选,怎么办?** -A: 这是设计意图。模型选择属于路由策略,不让 AI 决策。调用方在 HTTP header `X-Image-Gen-Model` 里注入即可。 +A: 这是设计意图。模型选择属于路由策略,不让 AI 决策。调用方在 HTTP header `X-Image-Task-Model` 里注入即可。 **Q: 换模型需要重连 MCP session 吗?** A: 不需要。Model header 在每次 `tools/call` 都从当前请求读取,不需要重建 session。 +**Q: 为什么 op 只有 create?** +A: 图片生成是同步接口,`op=create` 直接返回结果,不存在需要轮询的异步任务。保留 `op` 参数是为了与 `video_task` 等异步任务型服务形态一致;将来若上游出现异步接口再加 `get`。 + **Q: 为什么 Model 优先级不是「工具参数 > header」?** A: 因为我们故意不在 schema 暴露 model 参数,AI 根本不会传 model,所以「工具参数 > header」这条分支实际上不存在。 @@ -245,4 +253,4 @@ A: 漏发了 `Mcp-Session-Id` header,或调 `tools/call` 前没先 `initialize A: 智谱签发 URL 默认 24h 左右,详见响应里的 `Expires` 参数。需要长期使用请自行转存到 OSS/S3。 **Q: 能否限制 `size` 白名单?** -A: 当前透传给智谱 API,不做强制校验。如需加白名单,修改 `src/mcp-server.js` 中 `image_gen` 的 `size` schema 即可。 +A: 当前透传给智谱 API,不做强制校验。如需加白名单,修改 `src/mcp-server.js` 中 `image_task` 的 `size` schema 即可。 diff --git a/mcp/image_gen/package.json b/mcp/image_task/package.json similarity index 79% rename from mcp/image_gen/package.json rename to mcp/image_task/package.json index 1b68546..f172c50 100644 --- a/mcp/image_gen/package.json +++ b/mcp/image_task/package.json @@ -1,7 +1,7 @@ { - "name": "mcp_image_gen", + "name": "mcp_image_task", "version": "1.0.0", - "description": "MCP server for image generation via Zhipu BigModel CogView-3-Flash", + "description": "MCP server for image generation via Zhipu BigModel CogView (single tool image_task with op=create)", "type": "module", "main": "src/mcp-server.js", "scripts": { diff --git a/mcp/image_gen/src/mcp-server.js b/mcp/image_task/src/mcp-server.js similarity index 72% rename from mcp/image_gen/src/mcp-server.js rename to mcp/image_task/src/mcp-server.js index 4c8903a..4a02b0a 100644 --- a/mcp/image_gen/src/mcp-server.js +++ b/mcp/image_task/src/mcp-server.js @@ -13,7 +13,7 @@ const DEFAULT_MODEL = "CogView-3-Flash"; // ── 优雅退出 ────────────────────────────────────────────────────────────── // 容器里 node 以 PID 1 运行且未注册 SIGTERM 处理器时,内核不会对其执行默认 // 终止动作,docker stop/restart 会白等满 10s 宽限期才被 SIGKILL。 -// 显式注册处理器,关闭 MCP session 与长连接后立即退出;3s 定时器为兑底。 +// 显式注册处理器,关闭 MCP session 与长连接后立即退出;3s 定时器为兜底。 let httpServer = null; let closeAllSessions = () => {}; let shuttingDown = false; @@ -21,7 +21,7 @@ let shuttingDown = false; function shutdown(sig) { if (shuttingDown) return; shuttingDown = true; - console.log(`[image_gen] 收到 ${sig},停止服务`); + console.log(`[image] received ${sig}, shutting down`); closeAllSessions(); if (!httpServer) process.exit(0); // stdio 模式无监听,直接退 httpServer.close(() => process.exit(0)); @@ -48,7 +48,7 @@ function parseArgs(argv) { function pickToken(headers) { if (!headers) return null; const candidates = [ - headers["x-image-gen-token"], + headers["x-image-task-token"], headers["x-mcp-token"], headers["authorization"], ]; @@ -69,7 +69,7 @@ function pickToken(headers) { function pickModel(headers) { if (!headers) return null; const v = - headers["x-image-gen-model"] || + headers["x-image-task-model"] || headers["x-mcp-model"] || headers["x-model"]; if (!v) return null; @@ -117,10 +117,64 @@ function extractUrls(data) { return []; } +// ===== op=create:提交图片生成(同步,直接返回图片 URL)===== +async function handleCreate({ args, headers, token }) { + // model 完全由 HTTP header 控制(X-Image-Task-Model / X-Mcp-Model / X-Model), + // 不存进 session,每次从本次请求的 header 读取,未设置则用默认 CogView-3-Flash。 + // AI 看不到 model 参数(schema 中已删除),避免其误传。 + const model = pickModel(headers) || DEFAULT_MODEL; + const size = args.size; + + try { + const data = await callZhipuImagesGenerations({ + token, + model, + prompt: args.prompt, + size, + }); + const urls = extractUrls(data); + if (urls.length === 0) { + return { + isError: true, + content: [ + { + type: "text", + text: `Returned no image URL. Raw response: ${JSON.stringify(data)}`, + }, + ], + }; + } + const summary = urls + .map((u, i) => `Image ${i + 1}: ${u}`) + .join("\n"); + return { + content: [ + { + type: "text", + text: `Model: ${model}\nPrompt: ${args.prompt}\n${summary}`, + }, + ...urls.map((u) => ({ type: "text", text: u })), + ], + }; + } catch (e) { + return { + isError: true, + content: [ + { + type: "text", + text: `Failed to generate image: ${e.message}${ + e.detail ? `\nDetails: ${JSON.stringify(e.detail)}` : "" + }`, + }, + ], + }; + } +} + function buildServer() { const server = new McpServer( { - name: "image_gen", + name: "image_task", version: "1.0.0", }, { @@ -131,18 +185,27 @@ function buildServer() { ); server.tool( - "image_gen", - "Generate an image from a prompt and return the image URL. Optionally specify size.", + "image_task", + `Manages image generation. Generation is synchronous: op=create returns the image URLs directly. + +op=create Generate an image from a prompt. Requires prompt; optional size.`, { + op: z + .enum(["create"]) + .describe( + 'Operation to perform. Only "create" is supported (generation is synchronous, so there is no task to poll).' + ), prompt: z .string() .min(1) - .describe("Image generation prompt; describe the desired scene in detail."), + .describe( + "Image generation prompt; describe the desired scene in detail. Used with op=create." + ), size: z .string() .optional() .describe( - "Image size, Preferred sizes: 1024x1024, 1280x1280, 1536x1024, 1024x1536, Each side must be a multiple of 32." + "Image size, Preferred sizes: 1024x1024, 1280x1280, 1536x1024, 1024x1536, Each side must be a multiple of 32. Used with op=create." ), }, async (args, extra) => { @@ -163,55 +226,19 @@ function buildServer() { }; } - // model 完全由 HTTP header 控制(X-Image-Gen-Model / X-Mcp-Model / X-Model), - // 不存进 session,每次从本次请求的 header 读取,未设置则用默认 CogView-3-Flash。 - // AI 看不到 model 参数(schema 中已删除),避免其误传。 - const model = pickModel(headers) || DEFAULT_MODEL; - const size = args.size; - - try { - const data = await callZhipuImagesGenerations({ - token, - model, - prompt: args.prompt, - size, - }); - const urls = extractUrls(data); - if (urls.length === 0) { + switch (args.op) { + case "create": + return await handleCreate({ args, headers, token }); + default: return { isError: true, content: [ { type: "text", - text: `Returned no image URL. Raw response: ${JSON.stringify(data)}`, + text: `Unknown op "${args.op}" (available: create).`, }, ], }; - } - const summary = urls - .map((u, i) => `Image ${i + 1}: ${u}`) - .join("\n"); - return { - content: [ - { - type: "text", - text: `Model: ${model}\nPrompt: ${args.prompt}\n${summary}`, - }, - ...urls.map((u) => ({ type: "text", text: u })), - ], - }; - } catch (e) { - return { - isError: true, - content: [ - { - type: "text", - text: `Failed to generate image: ${e.message}${ - e.detail ? `\nDetails: ${JSON.stringify(e.detail)}` : "" - }`, - }, - ], - }; } } ); @@ -241,7 +268,7 @@ async function startHttp({ port, host }) { }; app.get("/health", (_req, res) => { - res.json({ status: "ok", service: "image_gen", sessions: sessions.size }); + res.json({ status: "ok", service: "image_task", sessions: sessions.size }); }); async function handleSessionRequest(req, res) { @@ -304,7 +331,7 @@ async function startHttp({ port, host }) { httpServer = app.listen(port, host, () => { console.log( - `[image_gen] MCP HTTP server listening on http://${host}:${port}/mcp` + `[image] MCP HTTP server listening on http://${host}:${port}/mcp` ); }); } @@ -317,18 +344,18 @@ async function startStdio() { ); const transport = new StdioServerTransport(); await server.connect(transport); - console.error("[image_gen] MCP stdio server started"); + console.error("[image] MCP stdio server started"); } const args = parseArgs(process.argv.slice(2)); if (args.http) { startHttp({ port: args.port, host: args.host }).catch((e) => { - console.error("[image_gen] failed to start http server:", e); + console.error("[image] failed to start http server:", e); process.exit(1); }); } else { startStdio().catch((e) => { - console.error("[image_gen] failed to start stdio server:", e); + console.error("[image] failed to start stdio server:", e); process.exit(1); }); } diff --git a/mcp/video_gen/.dockerignore b/mcp/video_task/.dockerignore similarity index 100% rename from mcp/video_gen/.dockerignore rename to mcp/video_task/.dockerignore diff --git a/mcp/video_gen/Dockerfile b/mcp/video_task/Dockerfile similarity index 92% rename from mcp/video_gen/Dockerfile rename to mcp/video_task/Dockerfile index 3f59400..b15f6ad 100644 --- a/mcp/video_gen/Dockerfile +++ b/mcp/video_task/Dockerfile @@ -3,7 +3,7 @@ FROM node:22-slim WORKDIR /app # 国内构建慢:npm 默认源在国外。想换回官方: -# docker compose build --build-arg NPM_REGISTRY=https://registry.npmjs.org/ mcp_video_gen +# docker compose build --build-arg NPM_REGISTRY=https://registry.npmjs.org/ mcp_video_task ARG NPM_REGISTRY=https://mirrors.cloud.tencent.com/npm/ # 复制 package.json 并安装依赖 @@ -16,4 +16,4 @@ COPY . . EXPOSE 3000 # HTTP 模式:只提供 MCP(/mcp)与 /health;容器外不映射,只在 agent-mcp-net 内被 agent 访问。 -CMD ["node", "src/mcp-server.js", "--http", "--port", "3000", "--host", "0.0.0.0"] \ No newline at end of file +CMD ["node", "src/mcp-server.js", "--http", "--port", "3000", "--host", "0.0.0.0"] diff --git a/mcp/video_gen/README.md b/mcp/video_task/README.md similarity index 75% rename from mcp/video_gen/README.md rename to mcp/video_task/README.md index d6c116d..083ba66 100644 --- a/mcp/video_gen/README.md +++ b/mcp/video_task/README.md @@ -1,6 +1,6 @@ -# MCP Video Gen +# MCP Video Task -基于 [Model Context Protocol (MCP)](https://modelcontextprotocol.io/) 的视频生成服务,对接智谱 BigModel 的视频生成**异步**接口,支持**文生视频**和**图生视频**。Server 只负责提交任务 + 单次查询结果,**不内部轮询**——AI 拿到 `task_id` 后自己决定什么时候调用 `query_video` 复查。 +基于 [Model Context Protocol (MCP)](https://modelcontextprotocol.io/) 的视频生成服务,对接智谱 BigModel 的视频生成**异步**接口,支持**文生视频**和**图生视频**。只有一个工具 `video_task`,用 `op` 区分动作:`op=create` 提交任务、`op=get` 单次查询结果。Server **不内部轮询**——AI 拿到 `task_id` 后自己决定什么时候用 `op="get"` 复查。 - 协议:MCP **Streamable HTTP**(单端点 `/mcp`,支持 SSE 流) - 上游:[智谱 BigModel 视频生成(异步)](https://docs.bigmodel.cn/api-reference/模型-api/视频生成异步) + [查询异步结果](https://docs.bigmodel.cn/api-reference/模型-api/查询异步结果) @@ -19,17 +19,17 @@ ```bash cd /root/workspace/tools/mcp -docker compose up -d --build mcp_video_gen +docker compose up -d --build mcp_video_task ``` -服务容器名 `mcp_video_gen`,**默认不占宿主机端口**:由 agent 走 `agent-mcp-net` 按容器名访问 -(`http://mcp_video_gen:3000/mcp`)。需要从宿主机 curl 调试时,去仓库根 `docker-compose.yml` -把 `mcp_video_gen` 注释掉的 `ports` 两行打开(映的是 MCP 端口 3000,仅本机短时调试用)。 +服务容器名 `mcp_video_task`,**默认不占宿主机端口**:由 agent 走 `agent-mcp-net` 按容器名访问 +(`http://mcp_video_task:3000/mcp`)。需要从宿主机 curl 调试时,去仓库根 `docker-compose.yml` +把 `mcp_video_task` 注释掉的 `ports` 两行打开(映的是 MCP 端口 3000,仅本机短时调试用)。 ```bash # 容器内健康检查(无需占端口) -docker exec mcp_video_gen node -e "fetch('http://localhost:3000/health').then(r=>r.text()).then(console.log)" -# {"status":"ok","service":"video_gen","sessions":0} +docker exec mcp_video_task node -e "fetch('http://localhost:3000/health').then(r=>r.text()).then(console.log)" +# {"status":"ok","service":"video_task","sessions":0} ``` > 下文 curl 示例里的 `localhost:8083` 均指“临时打开了调试端口”的情形。 @@ -43,7 +43,7 @@ docker exec mcp_video_gen node -e "fetch('http://localhost:3000/health').then(r= // Cursor: ~/.cursor/mcp.json { "mcpServers": { - "video_gen": { + "video_task": { "url": "http://localhost:8083/mcp", "headers": { "Authorization": "Bearer " @@ -59,77 +59,51 @@ docker exec mcp_video_gen node -e "fetch('http://localhost:3000/health').then(r= --- -## 工具一览 +## 工具:video_task -| 工具 | 作用 | 同步/异步 | +单个工具,`op` 必填,只有两个取值: + +| op | 作用 | 同步/异步 | |---|---|---| -| `video_gen` | 提交一个视频生成任务,立刻返回 `task_id` | 同步(仅提交) | -| `query_video` | 用 `task_id` 拉一次当前结果 | 同步(单次查询,不轮询) | - ---- - - -## 本地文件 → 公网 URL(本服务不搬字节) - -`image_url` 必须是一个**公网可达**的 URL(智谱服务器会自己去拉)。图片在本地盘上时,本服务不负责上传: -agent 侧已集成为一个 **tool**,AI 直接传文件路径就能拿到一条公开临时 URL,拿来填 `image_url` 即可, -不需要 curl 任何地址、不需要任何配置。 - -- 文件始终躺在 agent 的任务目录里,零拷贝;链接短命、到期或 agent 重启后失效。 -- 智谱只在提交任务那一刻拉一次图,短命链接完全够用。 - ---- - -## 工具:video_gen - -提交一个视频生成任务,支持**文生视频**和**图生视频**。`prompt` 为**必填**;图生视频另传 `image_url`(两者都传也行,此时 prompt 会附加为运动/动作描述)。 +| `create` | 提交一个视频生成任务,立刻返回 `task_id` | 同步(仅提交) | +| `get` | 用 `task_id` 拉一次当前结果 | 同步(单次查询,不轮询) | ### 参数(AI 可见) | 名称 | 类型 | 必填 | 说明 | |---|---|---|---| -| `prompt` | string | ✅ | 视频文本描述,最大 512 字符 | +| `op` | `"create"` \| `"get"` | ✅ | 要执行的操作 | +| `prompt` | string | op=create 时与 `image_url` 二选一 | 视频文本描述,最大 512 字符;与 `image_url` 同传时作为运动/动作描述 | | `image_url` | string (URL) | ❌ | 参考图 URL(**单张**,不支持数组 / 多张 / 首尾帧)。图片 ≤ 5MB,格式 png/jpeg/jpg。本地文件请先用 agent 内置的公开临时 URL 工具换成公网链接(上一节) | -| `with_audio` | boolean | ❌ | 是否生成 AI 音效,默认 `false` | +| `with_audio` | boolean | ❌ | 是否生成 AI 音效,默认 `false`(仅 op=create 使用) | +| `task_id` | string | op=get 时必填 | `op=create` 返回的 `id` | ### 服务端 Header 覆盖项(AI 看不到) | Header | 类型 | 默认 | 说明 | |---|---|---|---| -| `X-Video-Gen-Model` / `X-Mcp-Model` / `X-Model` | string | `cogvideox-flash` | 覆盖模型 | -| `X-Video-Gen-Quality` | string | `speed` | `speed`(速度优先)或 `quality`(质量优先) | -| `X-Video-Gen-Fps` | int | `30` | `30` 或 `60` | -| `X-Video-Gen-Watermark` | bool | `true` | 是否添加 AI 水印;关闭需先在智谱后台签署免责声明 | +| `X-Video-Task-Model` / `X-Mcp-Model` / `X-Model` | string | `cogvideox-flash` | 覆盖模型 | +| `X-Video-Task-Quality` | string | `speed` | `speed`(速度优先)或 `quality`(质量优先) | +| `X-Video-Task-Fps` | int | `30` | `30` 或 `60` | +| `X-Video-Task-Watermark` | bool | `true` | 是否添加 AI 水印;关闭需先在智谱后台签署免责声明 | -模型名串识别顺序(首个非空值生效):`X-Video-Gen-Model` → `X-Mcp-Model` → `X-Model` → 默认。 +模型名串识别顺序(首个非空值生效):`X-Video-Task-Model` → `X-Mcp-Model` → `X-Model` → 默认。 -### 返回 +### 返回(op=create) -工具立刻返回智谱提交结果: +立刻返回智谱提交结果: ```jsonc { "content": [ - { "type": "text", "text": "Model: cogvideox-flash\ntask_id: xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx\nrequest_id: yyyyyyyy-yyyy-yyyy-yyyy-yyyyyyyyyyyy\ntask_status: PROCESSING\n\nVideo generation is asynchronous. Call query_video with task_id=\"xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx\" to fetch the result." } + { "type": "text", "text": "Model: cogvideox-flash\ntask_id: xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx\nrequest_id: yyyyyyyy-yyyy-yyyy-yyyy-yyyyyyyyyyyy\ntask_status: PROCESSING\n\nVideo generation is asynchronous. Call this tool again with op=\"get\" and task_id=\"xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx\" to fetch the result." } ] } ``` `task_status` 通常为 `PROCESSING`,极少数情况下可能直接 `SUCCESS`(极快完成的短任务)。 ---- - -## 工具:query_video - -根据 `task_id` 拉一次智谱异步结果。**不内部轮询**——AI 自己决定调几次、调多频。 - -### 参数(AI 可见) - -| 名称 | 类型 | 必填 | 说明 | -|---|---|---|---| -| `task_id` | string | ✅ | `video_gen` 返回的 `id` | - -### 返回 +### 返回(op=get) - **`SUCCESS`**:返回 `Video URL`(智谱签名 URL,**24h 左右有效**,需及时转存),外加一张 `Cover` 封面图: ```jsonc @@ -145,13 +119,24 @@ agent 侧已集成为一个 **tool**,AI 直接传文件路径就能拿到一 --- +## 本地文件 → 公网 URL(本服务不搬字节) + +`image_url` 必须是一个**公网可达**的 URL(智谱服务器会自己去拉)。图片在本地盘上时,本服务不负责上传: +agent 侧已集成为一个 **tool**,AI 直接传文件路径就能拿到一条公开临时 URL,拿来填 `image_url` 即可, +不需要 curl 任何地址、不需要任何配置。 + +- 文件始终躺在 agent 的任务目录里,零拷贝;链接短命、到期或 agent 重启后失效。 +- 智谱只在提交任务那一刻拉一次图,短命链接完全够用。 + +--- + ## 鉴权细节 每个 HTTP 请求必须携带智谱 API Token,server 从以下 header 字段按顺序识别,**首个非空值生效**: | 优先级 | Header | 说明 | |---|---|---| -| 1 | `X-Video-Gen-Token: ` | 直传,避免与客户端自身的 Authorization 冲突 | +| 1 | `X-Video-Task-Token: ` | 直传,避免与客户端自身的 Authorization 冲突 | | 2 | `X-Mcp-Token: ` | 通用兜底 | | 3 | `Authorization: Bearer ` | 标准 OAuth 风格(排最后是为避免误用) | @@ -171,9 +156,9 @@ Token 仅在每次 tool call 时从 header 读取,不写入任何存储、不 ``` 1. 如果手头是【本地文件】:先调用 agent 内置的「公开临时 URL」工具拿到一条公网链接(上一节),再进第 2 步 -2. 调用 video_gen({ prompt, image_url?, with_audio? }) +2. 调用 video_task({ op: "create", prompt, image_url?, with_audio? }) 3. 拿到 task_id → 等待若干秒(建议 2~5 秒) -4. 调用 query_video({ task_id }) +4. 调用 video_task({ op: "get", task_id }) - 若 PROCESSING → 等一会再调 - 若 SUCCESS → 拿到 video URL,贴给用户 / 下载 / 二次编辑 - 若 FAIL → 展示错误信息,结束 @@ -225,7 +210,7 @@ curl -s -X POST http://localhost:8083/mcp \ -H "Mcp-Session-Id: $SESSION" \ -d '{"jsonrpc": "2.0", "id": 2, "method": "tools/list"}' -# 4. 提交文生视频任务 +# 4. 提交文生视频任务(op=create) curl -s -X POST http://localhost:8083/mcp \ -H "Content-Type: application/json" \ -H "Accept: application/json, text/event-stream" \ @@ -236,15 +221,16 @@ curl -s -X POST http://localhost:8083/mcp \ "id": 3, "method": "tools/call", "params": { - "name": "video_gen", + "name": "video_task", "arguments": { + "op": "create", "prompt": "A cat is playing with a ball.", "with_audio": true } } }' -# 5. 查结果(替换下面的 ) +# 5. 查结果(op=get,替换下面的 ) curl -s -X POST http://localhost:8083/mcp \ -H "Content-Type: application/json" \ -H "Accept: application/json, text/event-stream" \ @@ -255,8 +241,8 @@ curl -s -X POST http://localhost:8083/mcp \ "id": 4, "method": "tools/call", "params": { - "name": "query_video", - "arguments": { "task_id": "" } + "name": "video_task", + "arguments": { "op": "get", "task_id": "" } } }' ``` @@ -266,23 +252,24 @@ curl -s -X POST http://localhost:8083/mcp \ ## 架构与文件 ``` -video_gen/ +video_task/ ├── Dockerfile # node:22-slim,安装依赖后启动 MCP HTTP server ├── .dockerignore # 排除 node_modules -package.json # @modelcontextprotocol/sdk + express + multer +package.json # @modelcontextprotocol/sdk + express ├── README.md # 本文件 └── src/ - └── mcp-server.js # 单文件实现:HTTP server + MCP transport + 双工具 + └── mcp-server.js # 单文件实现:HTTP server + MCP transport + 单工具(op 分发) ``` ### 关键设计 +- **单工具 + `op` 分发**:`video_task(op=create|get)` 替代原来的 `video_gen` + `query_video` 双工具,AI 面对的工具面更小,参数按 op 在 handler 侧校验 - **每 session 一个 transport + server**:通过 `Mcp-Session-Id` 复用,避免每请求重建 - **Token 闭包注入**:在 Express 入口处从 header 提取 token,闭包传给 tool 回调;不依赖 SDK 内部字段 - **AI 可见 vs AI 不可见**: - - AI 只看到 `prompt / image_url / with_audio` + - AI 只看到 `op / prompt / image_url / with_audio / task_id` - `model / quality / fps / watermark_enabled` 全部由 HTTP header 注入,避免 AI 误传或被诱导调高价档 -- **异步语义暴露给 AI**:服务端不做轮询,`video_gen` 只提交、`query_video` 只查一次。AI 自主决定节奏 +- **异步语义暴露给 AI**:服务端不做轮询,`op=create` 只提交、`op=get` 只查一次。AI 自主决定节奏 - **服务端自动 `request_id`**:每次提交服务端生成一个 UUID 作为智谱 `request_id`,便于日志关联,但不暴露给 AI - **不搬字节**:本地文件 -> 公网 URL 完全由 agent 侧集成的「公开临时 URL」工具完成,本服务不参与;所以本体不加任何写入口、不落盘、不需要额外端口 - **链接短命**:公开临时 URL 到期或 agent 重启后失效;智谱只需在提交任务那一刻拉一次图 @@ -294,13 +281,13 @@ package.json # @modelcontextprotocol/sdk + express + multer const DEFAULT_MODEL = "cogvideox-flash"; ``` -修改后 `docker compose up -d --build mcp_video_gen` 即可生效。 +修改后 `docker compose up -d --build mcp_video_task` 即可生效。 --- ## 常见问题 -**Q: AI 拿到 task_id 后立刻调 query_video 一直 PROCESSING,怎么办?** +**Q: AI 拿到 task_id 后立刻 op=get 一直 PROCESSING,怎么办?** A: AI 自己 sleep 几秒再调(建议 2~5 秒间隔)。这是设计取舍:把节奏控制权交给 AI 模型,而不是服务端硬编码超时。 **Q: 视频 URL 多久过期?** @@ -319,4 +306,4 @@ A: 可以。`/async-result/{id}` 是幂等的读接口,并发无副作用。 A: 不需要。Model header 在每次 `tools/call` 都从当前请求读取。 **Q: 上传的图片多久过期?** -A: 本服务不存图,不存在“上传的图片”:要用的图在 agent 的任务目录里,AI 用 agent 内置的公开临时 URL 工具现取一条短命链接给智谱拉。链接过期或 agent 重启后该 URL 失效,但智谱只在提交任务时拉一次,不受影响。 \ No newline at end of file +A: 本服务不存图,不存在“上传的图片”:要用的图在 agent 的任务目录里,AI 用 agent 内置的公开临时 URL 工具现取一条短命链接给智谱拉。链接过期或 agent 重启后该 URL 失效,但智谱只在提交任务时拉一次,不受影响。 diff --git a/mcp/video_gen/package.json b/mcp/video_task/package.json similarity index 60% rename from mcp/video_gen/package.json rename to mcp/video_task/package.json index ca15cbb..dcc7e0a 100644 --- a/mcp/video_gen/package.json +++ b/mcp/video_task/package.json @@ -1,7 +1,7 @@ { - "name": "mcp_video_gen", + "name": "mcp_video_task", "version": "1.0.0", - "description": "MCP server for video generation via Zhipu BigModel cogvideox-flash (text-to-video / image-to-video, async)", + "description": "MCP server for async video generation tasks via Zhipu BigModel cogvideox-flash (single tool video_task with op=create/get)", "type": "module", "main": "src/mcp-server.js", "scripts": { diff --git a/mcp/video_gen/src/mcp-server.js b/mcp/video_task/src/mcp-server.js similarity index 58% rename from mcp/video_gen/src/mcp-server.js rename to mcp/video_task/src/mcp-server.js index e78df68..88a82a2 100644 --- a/mcp/video_gen/src/mcp-server.js +++ b/mcp/video_task/src/mcp-server.js @@ -11,18 +11,18 @@ const ZHIPU_SUBMIT_URL = const ZHIPU_QUERY_URL = (id) => `https://open.bigmodel.cn/api/paas/v4/async-result/${encodeURIComponent(id)}`; -// 默认模型:你说的 cogvideox-flash,文档枚举里也确认可用 +// 默认模型:cogvideox-flash const DEFAULT_MODEL = "cogvideox-flash"; // AI 不可见的服务端默认(可被同名 header 覆盖) const DEFAULT_QUALITY = "speed"; // speed | quality -const DEFAULT_FPS = 30; // 30 | 60 +const DEFAULT_FPS = 30; // 30 | 60 const DEFAULT_WATERMARK_ENABLED = true; // 平台政策默认 true // ── 优雅退出 ────────────────────────────────────────────────────────────── // 容器里 node 以 PID 1 运行且未注册 SIGTERM 处理器时,内核不会对其执行默认 // 终止动作,docker stop/restart 会白等满 10s 宽限期才被 SIGKILL。 -// 显式注册处理器,关闭 MCP session 与长连接后立即退出;3s 定时器为兑底。 +// 显式注册处理器,关闭 MCP session 与长连接后立即退出;3s 定时器为兜底。 let httpServer = null; let closeAllSessions = () => {}; let shuttingDown = false; @@ -30,7 +30,7 @@ let shuttingDown = false; function shutdown(sig) { if (shuttingDown) return; shuttingDown = true; - console.log(`[video_gen] 收到 ${sig},停止服务`); + console.log(`[video] received ${sig}, shutting down`); closeAllSessions(); if (!httpServer) process.exit(0); // stdio 模式无监听,直接退 httpServer.close(() => process.exit(0)); @@ -57,7 +57,7 @@ function parseArgs(argv) { function pickToken(headers) { if (!headers) return null; const candidates = [ - headers["x-video-gen-token"], + headers["x-video-task-token"], headers["x-mcp-token"], headers["authorization"], ]; @@ -78,7 +78,7 @@ function pickToken(headers) { function pickModel(headers) { if (!headers) return null; const v = - headers["x-video-gen-model"] || + headers["x-video-task-model"] || headers["x-mcp-model"] || headers["x-model"]; if (!v) return null; @@ -140,7 +140,7 @@ async function callZhipu({ url, token, method = "POST", body }) { return data; } -// ===== 工具:提交视频生成(同步只提交,立刻返回)===== +// ===== op=create:提交视频生成(同步只提交,立刻返回)===== async function submitVideo({ token, model, @@ -151,7 +151,7 @@ async function submitVideo({ fps, watermark_enabled, }) { - // 平台要求 image_url 和 prompt 至少传一个 + // 平台要求 image_url 和 prompt 至少传一个(handler 侧已校验) const body = { model, quality, @@ -164,143 +164,202 @@ async function submitVideo({ if (prompt) body.prompt = prompt; if (image_url) body.image_url = image_url; - const data = await callZhipu({ - url: ZHIPU_SUBMIT_URL, - token, - body, - }); - return data; // { model, id, request_id, task_status } + return await callZhipu({ url: ZHIPU_SUBMIT_URL, token, body }); + // { model, id, request_id, task_status } } -// ===== 工具:查询异步结果(单次拉取,不内部轮询)===== +// ===== op=get:查询异步结果(单次拉取,不内部轮询)===== async function queryAsyncResult({ token, id }) { - const data = await callZhipu({ + return await callZhipu({ url: ZHIPU_QUERY_URL(id), token, method: "GET", }); - return data; // { id, request_id, model, task_status, video_result?, ... } + // { id, request_id, model, task_status, video_result?, ... } +} + +// ---------- op=create 的业务处理 ---------- +async function handleCreate({ args, headers, token }) { + if (!args.prompt && !args.image_url) { + return { + isError: true, + content: [ + { + type: "text", + text: 'op=create requires at least one of "prompt" or "image_url".', + }, + ], + }; + } + + // AI 不可见:全部走 header + const model = pickModel(headers) || DEFAULT_MODEL; + const quality = pickHeaderString( + headers, + "x-video-task-quality", + DEFAULT_QUALITY + ); + const fps = pickHeaderInt(headers, "x-video-task-fps", DEFAULT_FPS); + const watermark_enabled = pickHeaderBool( + headers, + "x-video-task-watermark", + DEFAULT_WATERMARK_ENABLED + ); + + try { + const data = await submitVideo({ + token, + model, + prompt: args.prompt, + image_url: args.image_url, + quality, + with_audio: args.with_audio ?? false, + fps, + watermark_enabled, + }); + + const summary = + `Model: ${model}\n` + + `task_id: ${data.id}\n` + + `request_id: ${data.request_id}\n` + + `task_status: ${data.task_status}\n` + + `\n` + + `Video generation is asynchronous. ` + + `Call this tool again with op="get" and task_id="${data.id}" to fetch the result.`; + + return { content: [{ type: "text", text: summary }] }; + } catch (e) { + return { + isError: true, + content: [ + { + type: "text", + text: `Failed to submit video task: ${e.message}${ + e.detail ? `\nDetails: ${JSON.stringify(e.detail)}` : "" + }`, + }, + ], + }; + } +} + +// ---------- op=get 的业务处理 ---------- +async function handleGet({ args, token }) { + if (!args.task_id) { + return { + isError: true, + content: [{ type: "text", text: 'op=get requires "task_id".' }], + }; + } + + try { + const data = await queryAsyncResult({ token, id: args.task_id }); + const status = data.task_status || "UNKNOWN"; + + if (status === "SUCCESS") { + const v = (data.video_result || [])[0]; + if (!v || !v.url) { + return { + isError: true, + content: [ + { + type: "text", + text: `Task succeeded but no video URL returned. Raw: ${JSON.stringify( + data + )}`, + }, + ], + }; + } + const summary = + `task_id: ${data.id}\n` + + `model: ${data.model}\n` + + `task_status: SUCCESS\n` + + `Video URL: ${v.url}\n` + + (v.cover_image_url ? `Cover: ${v.cover_image_url}\n` : ""); + return { + content: [ + { type: "text", text: summary }, + { type: "text", text: v.url }, + ], + }; + } + + // PROCESSING / FAIL / 其他:原样返回关键字段 + const errBlock = data.error ? `\nerror: ${JSON.stringify(data.error)}` : ""; + return { + isError: status === "FAIL", + content: [ + { + type: "text", + text: + `task_id: ${data.id}\n` + + `model: ${data.model}\n` + + `task_status: ${status}` + + errBlock, + }, + ], + }; + } catch (e) { + return { + isError: true, + content: [ + { + type: "text", + text: `Failed to query video task: ${e.message}${ + e.detail ? `\nDetails: ${JSON.stringify(e.detail)}` : "" + }`, + }, + ], + }; + } } function buildServer() { const server = new McpServer( - { - name: "video_gen", - version: "1.0.0", - }, - { - capabilities: { - tools: {}, - }, - } + { name: "video_task", version: "1.0.0" }, + { capabilities: { tools: {} } } ); - // ---------- 工具 1:video_gen ---------- server.tool( - "video_gen", - `Submit an async video generation task. Returns a task_id; poll with query_video. + "video_task", + `Manages asynchronous video generation tasks. -- text-to-video: provide prompt only. -- image-to-video: also provide image_url.`, +op=create Submit a new task. Returns a task_id immediately; generation runs asynchronously. + Requires at least one of prompt or image_url. + - text-to-video: pass prompt only. + - image-to-video: also pass image_url. +op=get Fetch the status of a previously submitted task. Requires task_id. + On SUCCESS, returns the video URL. + +Typical flow: call op=create, then call op=get with the returned task_id until task_status is SUCCESS or FAIL.`, { + op: z.enum(["create", "get"]).describe("Operation to perform."), prompt: z .string() + .max(512) + .optional() .describe( - "Video text description (max 512 chars). Required; when combined with image_url it serves as the motion/action description." + "Video text description (max 512 chars). Used with op=create. When combined with image_url it serves as the motion/action description." ), image_url: z .string() .url() .optional() .describe( - "Reference image for image-to-video. Must be a publicly reachable URL to a png/jpeg/jpg <= 5MB (for local files, first use the agent's built-in tool to mint a public temporary URL)." + "Reference image for image-to-video. Used with op=create. Must be a publicly reachable URL to a png/jpeg/jpg <= 5MB (for local files, first use the agent's built-in tool to mint a public temporary URL)." ), with_audio: z .boolean() .optional() - .describe("Whether to generate AI audio. Default false."), - }, - async (args, extra) => { - const headers = extra?.requestInfo?.headers; - const token = pickToken(headers); - if (!token) { - return { - isError: true, - content: [{ type: "text", text: "Missing authentication token." }], - }; - } - - // AI 不可见:全部走 header - const model = pickModel(headers) || DEFAULT_MODEL; - const quality = pickHeaderString(headers, "x-video-gen-quality", DEFAULT_QUALITY); - const fps = pickHeaderInt(headers, "x-video-gen-fps", DEFAULT_FPS); - const watermark_enabled = pickHeaderBool( - headers, - "x-video-gen-watermark", - DEFAULT_WATERMARK_ENABLED - ); - - if (!args.prompt && !args.image_url) { - return { - isError: true, - content: [ - { - type: "text", - text: "Either prompt or image_url must be provided.", - }, - ], - }; - } - - try { - const data = await submitVideo({ - token, - model, - prompt: args.prompt, - image_url: args.image_url, - quality, - with_audio: args.with_audio ?? false, - fps, - watermark_enabled, - }); - - const summary = - `Model: ${model}\n` + - `task_id: ${data.id}\n` + - `request_id: ${data.request_id}\n` + - `task_status: ${data.task_status}\n` + - `\n` + - `Video generation is asynchronous. Call query_video with task_id="${data.id}" to fetch the result.`; - - return { - content: [{ type: "text", text: summary }], - }; - } catch (e) { - return { - isError: true, - content: [ - { - type: "text", - text: `Failed to submit video task: ${e.message}${ - e.detail ? `\nDetails: ${JSON.stringify(e.detail)}` : "" - }`, - }, - ], - }; - } - } - ); - - // ---------- 工具 2:query_video ---------- - server.tool( - "query_video", - "Query the status of a previously submitted video generation task. " + - "Returns task_status and, if SUCCESS, the video URL(s).", - { + .describe( + "Whether to generate AI audio. Used with op=create. Default false." + ), task_id: z .string() .min(1) - .describe("task_id returned by video_gen."), + .optional() + .describe("task_id returned by op=create. Required when op=get."), }, async (args, extra) => { const headers = extra?.requestInfo?.headers; @@ -312,69 +371,21 @@ function buildServer() { }; } - try { - const data = await queryAsyncResult({ - token, - id: args.task_id, - }); - - const status = data.task_status || "UNKNOWN"; - if (status === "SUCCESS") { - const v = (data.video_result || [])[0]; - if (!v || !v.url) { - return { - isError: true, - content: [ - { - type: "text", - text: `Task succeeded but no video URL returned. Raw: ${JSON.stringify(data)}`, - }, - ], - }; - } - const summary = - `task_id: ${data.id}\n` + - `model: ${data.model}\n` + - `task_status: SUCCESS\n` + - `Video URL: ${v.url}\n` + - (v.cover_image_url ? `Cover: ${v.cover_image_url}\n` : ""); + switch (args.op) { + case "create": + return await handleCreate({ args, headers, token }); + case "get": + return await handleGet({ args, token }); + default: return { + isError: true, content: [ - { type: "text", text: summary }, - { type: "text", text: v.url }, + { + type: "text", + text: `Unknown op "${args.op}" (available: create, get).`, + }, ], }; - } - - // PROCESSING / FAIL / 其他:原样返回关键字段 - const errBlock = data.error - ? `\nerror: ${JSON.stringify(data.error)}` - : ""; - return { - isError: status === "FAIL", - content: [ - { - type: "text", - text: - `task_id: ${data.id}\n` + - `model: ${data.model}\n` + - `task_status: ${status}` + - errBlock, - }, - ], - }; - } catch (e) { - return { - isError: true, - content: [ - { - type: "text", - text: `Failed to query video task: ${e.message}${ - e.detail ? `\nDetails: ${JSON.stringify(e.detail)}` : "" - }`, - }, - ], - }; } } ); @@ -404,7 +415,7 @@ async function startHttp({ port, host }) { }; app.get("/health", (_req, res) => { - res.json({ status: "ok", service: "video_gen", sessions: sessions.size }); + res.json({ status: "ok", service: "video_task", sessions: sessions.size }); }); async function handleSessionRequest(req, res) { @@ -423,7 +434,8 @@ async function startHttp({ port, host }) { jsonrpc: "2.0", error: { code: -32000, - message: "Bad Request: missing valid Mcp-Session-Id for non-initialize request", + message: + "Bad Request: missing valid Mcp-Session-Id for non-initialize request", }, id: req.body?.id ?? null, }); @@ -467,7 +479,7 @@ async function startHttp({ port, host }) { httpServer = app.listen(port, host, () => { console.log( - `[video_gen] MCP HTTP server listening on http://${host}:${port}/mcp` + `[video] MCP HTTP server listening on http://${host}:${port}/mcp` ); }); } @@ -479,18 +491,18 @@ async function startStdio() { ); const transport = new StdioServerTransport(); await server.connect(transport); - console.error("[video_gen] MCP stdio server started"); + console.error("[video] MCP stdio server started"); } const args = parseArgs(process.argv.slice(2)); if (args.http) { startHttp({ port: args.port, host: args.host }).catch((e) => { - console.error("[video_gen] failed to start http server:", e); + console.error("[video] failed to start http server:", e); process.exit(1); }); } else { startStdio().catch((e) => { - console.error("[video_gen] failed to start stdio server:", e); + console.error("[video] failed to start stdio server:", e); process.exit(1); }); }