- 根 README: 图片到智谱的链路图与说明改为短 ID(约 50 字符、纯 ASCII、不带文件名/签名) - video_gen/README: 同上;补一句“为什么做短”(URL 会留在会话历史每轮重发);过期现象 403 → 404 - video_gen/src/mcp-server.js: 工具描述附近的注释同步
MCP Video Gen
基于 Model Context Protocol (MCP) 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。
- 协议:MCP Streamable HTTP(单端点
/mcp,支持 SSE 流) - 上游:智谱 BigModel 视频生成(异步) + 查询异步结果
- 默认模型:
cogvideox-flash - 端口:容器内
3000(MCP/mcp+/health,容器外不映射,只在my-app-network内被 agent 访问) - 鉴权:无服务端密钥,每次请求必须从 header 携带智谱 token
- 本地文件需要公网 URL 时:不传字节,让 AI 去 agent 的内网签发入口现签一条短命链接(见下节)
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/mcp
docker compose up -d --build mcp_video_gen
服务容器名 mcp_video_gen,默认不占宿主机端口:由 agent 走 my-app-network 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)。
# 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}
下文 curl 示例里的
localhost:8083均指“临时打开了调试端口”的情形。
MCP 客户端配置
Claude Desktop / Cursor 等支持 headers 配置的客户端
// Claude Desktop: ~/Library/Application Support/Claude/claude_desktop_config.json
// Cursor: ~/.cursor/mcp.json
{
"mcpServers": {
"video_gen": {
"url": "http://localhost:8083/mcp",
"headers": {
"Authorization": "Bearer <your-zhipu-api-key>"
}
}
}
}
上面
url里的端口8083需要先把 compose 里注释的ports打开(默认不占宿主端口)。
重要:客户端必须在 每一个 HTTP 请求(
initialize/notifications/initialized/tools/call)都带上Authorizationheader。
工具一览
| 工具 | 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,
而是让 AI 去 agent 那边现签一条短命的公网链接(实现见 agent 仓库 app/server/routes/public-link.js):
# AI 在 agent 的 executor 沙箱里执行;路径就是它平时看到的那个绝对路径
curl -s "http://agent-core:8081/public-link?path=/workspace/tasks/<会话>/foo.png"
# stdout 就是现成 URL(纯文本,不需要解析 JSON):
# http://124.221.199.237:8090/p/9fQ2mZ7xK4tR1vBn
- 那条链接是不透明短 ID:22 字符随机、纯 ASCII、不带文件名/会话名/签名,约 50 字符
(签完由 agent 的
public_files内存表记住“哪个文件 + 何时过期”)。刻意做短是因为它会被模型 抄进image_url参数、并永久留在会话历史里每轮重发。 - 不可猜、会过期(默认 30 分钟)、agent 重启即全失效。
8081是 agent 侧的内网签发端口(PUBLIC_LINK_PORT),不映射到宿主机,所以接它不需要任何凭据; 地址由 envPUBLIC_LINK_URL告诉本服务(compose 已默认指向http://agent-core:8081/public-link)。PUBLIC_LINK_URL没配时,工具描述里不会出现这条命令,而是提示“请运维配置”。
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)。
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 |
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。本地文件请先用上一节的命令换一条公网链接 |
size |
string | ❌ | 视频尺寸,例如 1920x1080、1080x1920、1024x1024、1280x960 等 |
with_audio |
boolean | ❌ | 是否生成 AI 音效,默认 false |
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 |
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。
返回
工具立刻返回智谱提交结果:
{
"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." }
]
}
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
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:{ "content": [ { "type": "text", "text": "task_id: ...\nmodel: cogvideox-flash\ntask_status: SUCCESS\nVideo URL: https://...\nCover: https://..." }, { "type": "text", "text": "https://...video url..." } ] }PROCESSING:isError: false,正文给出当前状态,建议稍候再查。FAIL:isError: true,正文含task_status和智谱返回的error详情。
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: <token> |
直传,避免与客户端自身的 Authorization 冲突 |
| 2 | X-Mcp-Token: <token> |
通用兜底 |
| 3 | Authorization: Bearer <token> |
标准 OAuth 风格(排最后是为避免误用) |
Token 仅在每次 tool call 时从 header 读取,不写入任何存储、不进 session。
错误响应
| 场景 | HTTP 状态 | 表现 |
|---|---|---|
| initialize 时缺 token | 401 |
JSON-RPC error.message 提示补充 header |
| 智谱 API 4xx/5xx | 200(MCP 工具返回) |
isError: true,正文含智谱返回的状态码和 body |
| 网络失败 | 200(MCP 工具返回) |
isError: true,正文含 fetch 错误信息 |
推荐用法(AI 视角)
1. 如果手头是【本地文件】:先 `curl -s "http://agent-core:8081/public-link?path=<绝对路径>"` 拿到一条公网链接(上一节),再进第 2 步
2. 调用 video_gen({ prompt, image_url?, size?, with_audio? })
3. 拿到 task_id → 等待若干秒(建议 2~5 秒)
4. 调用 query_video({ 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
video_gen的 tool description 里已经嵌入了完整 curl 上传命令,AI 一看就知道怎么传本地图片。
用 curl 手工调试
MCP Streamable HTTP 不是普通 REST,必须按顺序:initialize → notifications/initialized → tools/call。下面用一行版串起来:
# 把 <your-zhipu-api-key> 替换成你智谱的 API Key
TOKEN="<your-zhipu-api-key>"
# 1. initialize 拿 sessionId
SESSION=$(curl -s -D - -X POST http://localhost:8083/mcp \
-H "Content-Type: application/json" \
-H "Accept: application/json, text/event-stream" \
-H "Authorization: Bearer $TOKEN" \
-d '{
"jsonrpc": "2.0",
"id": 1,
"method": "initialize",
"params": {
"protocolVersion": "2024-11-05",
"capabilities": {},
"clientInfo": { "name": "curl", "version": "1.0" }
}
}' | grep -i '^mcp-session-id:' | awk '{print $2}' | tr -d '\r\n')
echo "Session: $SESSION"
# 2. notifications/initialized
curl -s -X POST http://localhost:8083/mcp \
-H "Content-Type: application/json" \
-H "Accept: application/json, text/event-stream" \
-H "Authorization: Bearer $TOKEN" \
-H "Mcp-Session-Id: $SESSION" \
-d '{"jsonrpc": "2.0", "method": "notifications/initialized"}'
# 3. 列出工具(可选验证)
curl -s -X POST http://localhost:8083/mcp \
-H "Content-Type: application/json" \
-H "Accept: application/json, text/event-stream" \
-H "Authorization: Bearer $TOKEN" \
-H "Mcp-Session-Id: $SESSION" \
-d '{"jsonrpc": "2.0", "id": 2, "method": "tools/list"}'
# 4. 提交文生视频任务
curl -s -X POST http://localhost:8083/mcp \
-H "Content-Type: application/json" \
-H "Accept: application/json, text/event-stream" \
-H "Authorization: Bearer $TOKEN" \
-H "Mcp-Session-Id: $SESSION" \
-d '{
"jsonrpc": "2.0",
"id": 3,
"method": "tools/call",
"params": {
"name": "video_gen",
"arguments": {
"prompt": "A cat is playing with a ball.",
"size": "1920x1080",
"with_audio": true
}
}
}'
# 5. 查结果(替换下面的 <task_id>)
curl -s -X POST http://localhost:8083/mcp \
-H "Content-Type: application/json" \
-H "Accept: application/json, text/event-stream" \
-H "Authorization: Bearer $TOKEN" \
-H "Mcp-Session-Id: $SESSION" \
-d '{
"jsonrpc": "2.0",
"id": 4,
"method": "tools/call",
"params": {
"name": "query_video",
"arguments": { "task_id": "<task_id>" }
}
}'
响应是 SSE 格式(event: message + data: {...}),用 grep '^data:' 抽 JSON 即可。
架构与文件
video_gen/
├── 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
├── README.md # 本文件
└── src/
└── mcp-server.js # 单文件实现:HTTP server + MCP transport + 双工具
关键设计
- 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 / size / with_audiomodel / quality / fps / watermark_enabled全部由 HTTP header 注入,避免 AI 误传或被诱导调高价档
- AI 只看到
- 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 - 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 侧完成(
GET /public-link现签一个 22 字符随机短 ID),本服务只把命令拼进工具描述;所以能给本体不加任何写入口、不落盘、不需要额外端口 - 链接短命且极短:默认 30 分钟过期、agent 重启即全失效;
PUBLIC_LINK_URL未配时工具描述退化为“请运维配置”
默认模型
// src/mcp-server.js
const DEFAULT_MODEL = "cogvideox-flash";
修改后 docker compose up -d --build mcp_video_gen 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? 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? A: 智谱签发 URL 默认 24h 左右。需要在收到后及时转存到自己的 OSS/S3。
Q: 为什么 quality / fps 不让 AI 直接传?
A: 这些是技术档位,与成本/单价挂钩。让 AI 自主挑 quality=quality + fps=60 会爆账号预算。改成 header 由部署方注入更可控。
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 video_gen 的 size schema 即可。
Q: 报错 Missing valid Mcp-Session-Id?
A: 漏发了 Mcp-Session-Id header,或调 tools/call 前没先 initialize。
Q: 同一 task_id 能并发查吗?
A: 可以。/async-result/{id} 是幂等的读接口,并发无副作用。
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。
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 现签一个短 ID 给智谱拉。链接按 agent 的 public_link.ttl_ms(默认 30 分钟)过期,过期或 agent 重启后该 URL 变 404。
Q: PUBLIC_LINK_URL 不配会怎样?
A: 工具描述里不会出现“怎么把本地文件变成公网 URL”的命令,而是提示让运维配置,AI 就只能用已经是公网 URL 的图片(比如 image_gen 刚生成的图)。配的时候注意:它指向的是 agent 侧的内网签发端口(http://agent-core:8081/public-link),不是 agent 对外的 8090。