照 image_task 的口径:Base-Url / 模型 / 凭据全部由调用方每个请求用 header 带入
(X-Video-Task-Base-Url / X-Video-Task-Model / Authorization),服务端不存密钥、
不预设默认模型、不认任何厂商专有字段。
- 提交 POST {base}/videos/generations(wait=false,立刻回 task_id)
- 查询 GET {base}/videos/{task_id}
- 缺 header 同步报错,不打上游
- 上游只需回 task_id/id 与 status(completed 时带 videos[].url)
- presets.json 与 README 同步改成通用描述
MCP Video Task
对接任意 OpenAI 兼容的视频生成端点:提交走 POST {base}/videos/generations,查询走
GET {base}/videos/{task_id}。对外只有一个工具 video_task,用 op 区分动作:
-
op=create提交任务,立刻回task_id -
op=get按task_id单次查询,Server 不内部轮询 -
协议:MCP Streamable HTTP(单端点
/mcp) -
端口:容器内
3000(/mcp+/health) -
鉴权:服务端不存密钥,每个请求从 header 读
-
上游:不预设任何厂商,Base-Url / 模型 / 凭据全部由调用方带入
快速开始
启动(docker-compose)
仓库根目录 docker-compose.yml 已包含本服务:
cd /root/workspace/tools/agent
docker compose up -d --build mcp_video_task
容器名 mcp_video_task,不占宿主机端口,由 agent 走 agent-mcp-net 按容器名访问。
# 容器内健康检查
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}
MCP 客户端配置
{
"mcpServers": {
"video_task": {
"type": "http",
"url": "http://mcp_video_task:3000/mcp",
"headers": {
"Authorization": "Bearer <上游 API Key>",
"X-Video-Task-Base-Url": "https://<host>/v1",
"X-Video-Task-Model": "<上游模型 id>"
}
}
}
}
三个 header
| header | 必填 | 说明 |
|---|---|---|
Authorization |
是 | Bearer <token>,原样转给上游 |
X-Video-Task-Base-Url |
是 | 完整 http(s) 地址,填到 /v1 即可;直接填到 /videos/generations 或 /videos 也会被剥回 base |
X-Video-Task-Model |
是 | 上游模型 id,原样透传;不猜缺省值 |
配置缺失或非法时,工具直接回 isError 并说明缺哪个 header,不会去打上游。
工具:video_task
参数(AI 可见)
| 参数 | 类型 | 说明 |
|---|---|---|
op |
create | get |
必填 |
prompt |
string | 视频描述,create 时与 image_url 至少给一个 |
image_url |
string | 参考图(图生视频),公开可访问的 png/jpeg URL |
seconds |
int | 时长(秒),留空用上游默认 |
aspect_ratio |
string | 画幅,如 16:9 / 9:16 / 1:1 |
resolution |
string | 分辨率,如 768P / 1080P |
negative_prompt |
string | 不希望出现的画面 |
enable_audio |
bool | 是否生成音频,默认 false(旧名 with_audio 同样接受) |
task_id |
string | create 返回的 id,get 时必填 |
返回(op=create)
task_id: <id>
model: <上游模型 id>
status: queued
Video generation is asynchronous. Call this tool again with op="get" and task_id="<id>" to fetch the result.
返回(op=get)
任务完成:
task_id: <id>
model: <上游模型 id>
status: completed
Video URL: https://...
credit: 62.29
note: <上游附带的提示,如直链有效期>
未完成 / 失败:回 status 与 progress,失败时附上游 error 原文,并置 isError=true。
上游要求
只要满足这两条,任何实现都能接(自建网关、云厂商、本地服务):
POST {base}/videos/generations返回task_id或idGET {base}/videos/{task_id}返回status;完成时带videos[].url或data[].url
status 按小写比较:completed / succeeded / success 视为完成,failed / error /
cancelled 视为失败,其余按进行中处理。
本地文件 → 公网 URL(本服务不搬字节)
图生视频要的是公网可访问的 URL,不是字节流。本地文件这样走:
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 URL 当 image_url 交给 video_task:3000/mcp(转成上游的 image 字段)
│
▼
上游 ──匿名 GET──► agent 侧提供的公开临时 URL(文件始终躺在任务目录里,零拷贝)
链接短命:到期或 agent 重启后失效;上游只在提交任务那一刻拉一次图,够用。
用 curl 手工调试
URL=http://127.0.0.1:3000/mcp # 容器内;宿主机调试需自行映射端口
H=(-H 'Content-Type: application/json' -H 'Accept: application/json, text/event-stream'
-H 'Authorization: Bearer <token>'
-H 'X-Video-Task-Base-Url: https://<host>/v1'
-H 'X-Video-Task-Model: <model>')
# 1. initialize,从响应头取 mcp-session-id
curl -s -D - "${H[@]}" -X POST $URL \
-d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2025-06-18","capabilities":{},"clientInfo":{"name":"c","version":"0"}}}'
# 2. 提交任务
curl -s "${H[@]}" -H 'mcp-session-id: <sid>' -X POST $URL \
-d '{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"video_task","arguments":{"op":"create","prompt":"一只猫在草地上跑"}}}'
# 3. 查结果
curl -s "${H[@]}" -H 'mcp-session-id: <sid>' -X POST $URL \
-d '{"jsonrpc":"2.0","id":3,"method":"tools/call","params":{"name":"video_task","arguments":{"op":"get","task_id":"<id>"}}}'
响应是 SSE(event: message + data: {...}),取 data: 那行解析。
架构与文件
mcp/video_task/
├── Dockerfile
├── package.json
├── README.md
└── src/mcp-server.js # 全部逻辑:header 解析 / 上游调用 / MCP 服务
关键设计
- 无状态:不存密钥、不存任务,重启即忘。任务状态由上游持有,
task_id就是全部上下文。 - 不轮询:
op=get只拉一次。轮询节奏由 AI 决定,避免服务端挂着长任务占资源。 - 配置错误不打上游:缺 header 时同步返回
isError,省一次无意义的 400。 wait=false提交:立刻拿task_id,不让工具调用被上游排队拖死。