Claude Real Video MCP Server

社区

让任何 LLM 在本机真正「看」视频，并检索看过的一切

分类: 其他第 64 / 230
Stars: ★ 2.2k 非常热门
传输方式: stdio（本地进程）
运行环境: Python 3.10+ · 预编译二进制
凭据: 无需凭据
许可证: MIT
最近提交: 16 天前
工具数: 5

61FMRS · C

这是一个把「让 LLM 看视频」做成可复现本地流水线的 MCP 服务器：场景感知抽帧 + 滑动窗口去重 + 本机 Whisper 转写，并提供跨视频的本地记忆检索。MIT 许可、非官方项目、由个人开发者维护。适合愿意自己装 ffmpeg、重视本地处理与证据可引用性的用户；不适合期待开箱即用云端服务或官方支持的用户。

最强项 · 文档质量 14/20 最弱项 · 可靠性 9/20

可靠性

9/20

安全与权限

12/20

维护活跃度

13/20

文档质量

14/20

安装易用性

13/20

查看各项评分依据

可靠性 9/20: 证据：server.json 声明 stdio 传输的 PyPI 包 claude-real-video 0.10.3，README 说明五个 MCP 工具（watch_video、get_frames、search_memory、list_watched、get_transcript）并称已在 Claude Code 端到端验证；错误路径有描述（缺少 ffmpeg、faster-whisper 失败回退到 whisper CLI、无音频时跳过转录）。扣分：本仓库仅提供 server.json 与 README，未见 CI 工作流、未见提交的测试、未见锁文件或 MCP 初始化/工具列表握手日志；'已在 Claude Code 验证'属自述而非可复核证据。按静态校准，缺乏可验证执行证据时可靠性不得高于 12，故给 9。
安全与权限 12/20: 证据：README 明确声明处理在本机运行，输出目录、SQLite 记忆库 ~/.crv/memory.db（用户权限）、CRV_NO_MEMORY=1、CRV_MEMORY_DB 覆盖、输出目录非空时默认拒绝并需 --overwrite，登录受限视频需用户自备 cookie 文件。扣分：--cookies-from-browser 可直接读取浏览器登录 cookie，属敏感凭据访问且未见确认步骤或最小范围限制；依赖 yt-dlp/ffmpeg 对任意 URL 发起网络请求，未披露域名白名单或下载限制；从第三方源 npx skills add 与 /plugin marketplace 安装会执行/分发未审计代码；crv Pro 的付费链接与外部服务在文档中较突出。未发现恶意代码、隐蔽外传、默认破坏性删除或伪造身份，因此不触发红线，但权限范围与确认流程不完整，给 12。
维护活跃度 13/20: 证据：版本号 0.10.3 呈持续迭代，README 记录了 v0.7.4、v0.7.15、v0.7.16 的具体修复与 0.10.x 新功能，MIT 许可、公开仓库、作者身份（Leo Huang）与 X 账号可核对，Open issues 为 0。扣分：仓库快照未提供 CHANGELOG、依赖更新策略、SECURITY.md 或安全响应渠道；发布节奏与 issue 响应只能从版本号与 README 叙述推断，无提交历史可查；商业化（crv Pro）与开源版本共仓但许可边界未在文件中说明。综合认为活跃但治理信息不足，给 13。
文档质量 14/20: 证据：文档分层且具体——pip 安装含 [whisper]/[fast]/[speakers]/[mcp] 扩展、三平台 ffmpeg 安装表、完整参数表（含默认值与含义）、--from/--to 时间窗语义、dedup 三通道原理、性能测量表（帧数/耗时/估算 token）、MCP 客户端配置示例（Claude Code 与 Claude Desktop）、Python API 示例、FAQ 与限制说明（不烧字幕、cookie 仅限自用、每视频一个输出目录）。扣分：MCP 工具的参数与返回结构仅有简短描述，未给出错误返回、分页边界与并发行为；'已验证'结论无测试证据；文档中大量营销链接与 Pro 推广降低信噪比；MCP 工具 schema 未与 server.json 交叉印证。给 14。
安装易用性 13/20: 证据：安装路径清晰且步骤少——pip install 'claude-real-video[mcp]' 后 claude mcp add crv -- crv-mcp，或写入 claude_desktop_config.json 的 mcpServers 片段；核心依赖 ffmpeg 有 macOS/Linux/Windows 三平台命令与验证步骤；声明支持 macOS/Windows/Linux 与 Python 3.10+。扣分：ffmpeg 不可 pip 安装，Windows 需手动配置 PATH；--speakers 额外下载 45MB 模型、--whisper-model turbo 需 1.6GB 下载与约 6GB 内存，首次运行成本未在安装段落集中说明；无容器化或版本固定方式；按静态校准无 CI/测试证据时 setup 不得高于 15，给 13。

静态评测 · 未实际运行收录于 2026-09-10

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件执行命令或代码访问网络

适合谁

希望在本地完成视频预处理、只把选定素材交给云端 LLM 的用户
使用 Claude Code、Cursor 等支持 MCP 的编码代理并需要视频证据的开发者
需要场景感知抽帧而非固定 1 fps 采样的视频分析场景

不适合谁

期望服务器端托管、无需本机安装 ffmpeg 的用户
需要官方 Anthropic 支持或 SLA 的企业采购
只想对单个视频获得一次性答案、不在意本地处理与可复现性的用户

所需权限

读取本机任意指定路径的视频文件与字幕文件
通过 yt-dlp 访问网络以获取视频链接内容
写入输出目录（默认 crv-out）以及 MCP 分析缓存 ~/.cache/crv-mcp
在本机维护 SQLite 记忆库 ~/.crv/memory.db（可用 CRV_MEMORY_DB 覆盖，或 CRV_NO_MEMORY=1 关闭）
可选：读取浏览器 cookie 以访问需要登录的自己的账号内容

风险与副作用

处理受版权保护或未授权内容可能违反来源站点的服务条款；--cookies 仅应用于自己的授权访问
转写与记忆库索引会把视频中的语音与画面文字落到本机磁盘，共享机器上需注意隐私
Whisper 在纯音乐或静音音轨上可能产生幻觉字幕（安装 [fast] 使用 faster-whisper + Silero VAD 可缓解）
把抽出的帧或转写粘贴进云端 LLM 后，该数据将由对应服务商处理
crv Pro 为付费附加组件，免费版不含镜头运动、语音情绪等 Pro 能力

安装接入

准备工作

运行环境：Python 3.10+ · 预编译二进制

其他可选配置项（2 个）

CRV_MEMORY_DB 可选本地记忆索引 SQLite 文件路径，默认 ~/.crv/memory.db，可覆盖为其他位置。

CRV_NO_MEMORY 可选设为 1 可完全禁用本地记忆索引功能。

安装 ffmpeg 与 ffprobe（macOS：brew install ffmpeg；Linux：sudo apt install ffmpeg；Windows：winget install Gyan.FFmpeg），并用 ffmpeg -version 确认已在 PATH 中。
安装带 MCP 支持的包：pip install 'claude-real-video[mcp]'。
Claude Code：执行 claude mcp add crv -- crv-mcp。
Claude Desktop：在 claude_desktop_config.json 中加入 {"mcpServers": {"crv": {"command": "crv-mcp"}}}。
可选：安装 [whisper] 或 [fast] 以获得语音转写，安装 [speakers] 以获得说话人标注。

claude_desktop_config.json

{
  "mcpServers": {
    "crv": {
      "command": "crv-mcp"
    }
  }
}

以 Claude Desktop 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "crv": {
      "command": "crv-mcp"
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add crv -- crv-mcp

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

安装后运行 claude mcp add crv -- crv-mcp，客户端工具列表中应出现 watch_video、get_frames、search_memory、list_watched、get_transcript 五个工具；让模型观看一个测试视频并描述其画面即可确认连接正常。

常见排障

工具完全无响应或抽帧失败：先执行 ffmpeg -version，确认 ffmpeg/ffprobe 已安装并在 PATH 中
没有转写结果：确认安装时带了 [whisper] 或 [fast] extra，pip 的 extras 不会自动安装
输出目录被拒绝：crv 不允许把两次分析混在同一目录，改用新目录或加 --overwrite
无法下载链接视频：检查 yt-dlp 是否可用、链接是否需要登录（--cookies / --cookies-from-browser）
帧数过多消耗 token：调低 --max-frames、调高 --dedup-threshold，或改用 get_transcript 只取文字
多说话人内容没有区分：安装 [speakers] extra 后使用 --speakers
重复分析同一视频耗时：crv 会识别「already watched」并复用 ~/.cache/crv-mcp 中的结果，可用 list_watched 先确认

试试这样问

连接成功后，可以直接对 AI 助手这样说：

观看这个 YouTube 视频，告诉我它讲了什么：https://www.youtube.com/watch?v=...
分析本地文件 /path/to/lecture.mp4 并给我带时间戳的文字稿
在我看过的所有视频里搜索有关 pricing strategy 的内容
不用重新分析，先列出已经看过的视频

工具能力 5

watch_video 写入

观看指定视频（URL 或本地文件），返回带时间戳的转写和第一批关键帧图像。

get_frames 只读

按起始序号与数量分页获取其余关键帧。

search_memory 只读

在本机已索引的视频记忆库中跨视频检索，返回视频、时间点与原文行。

list_watched 只读

列出已经观看过的视频，便于在重复分析前先确认。

get_transcript 只读

只返回转写文本、不含图像，长视频因此不会消耗图像 token。

使用场景

让 Claude 或任何 LLM 分析 YouTube、Reels、TikTok 链接或本地视频文件

把长会议、课程、屏幕录制转成带时间戳的关键帧与转写，供模型引用 frame_012 @ 00:03:41 这类证据

用 search_memory 跨所有看过的视频按关键词（含中文）检索

支持客户端

Claude Desktop

Claude Code

Cursor部分支持

依据项目文档列出，未经本站实测。

详细介绍

claude-real-video（简称 crv）是一个 MIT 许可的 Python 工具，能把一段视频转换成 LLM 可读的素材：基于场景变化检测抽取关键帧并做滑动窗口去重，用 Whisper 在本机生成带时间戳的转写，输出 frames.json、transcript.json 与 MANIFEST.txt。它同时提供 MCP 服务器（crv-mcp），让 Claude Desktop、Claude Code、Cursor 等 MCP 客户端直接请求「观看」某段视频。视频获取（yt-dlp）、抽帧（ffmpeg）、转写都在本机完成，只有你主动粘贴给云端 LLM 的帧与文本才会离开本机。它由个人开发者 Leo Huang 构建，并非 Anthropic 官方项目。