DaVinci Resolve MCP Server

Co dělá “DaVinci Resolve” MCP Server?

DaVinci Resolve MCP Server je integrační nástroj navržený pro propojení AI asistentů a softwaru pro střih videa DaVinci Resolve prostřednictvím Model Context Protocolu (MCP). Jako middleware server umožňuje automatizované, AI řízené interakce s DaVinci Resolve, například ovládání střihových akcí, dotazování na informace o projektu nebo spouštění exportů. To umožňuje vývojářům a tvůrcům vytvářet inteligentní pracovní postupy, které mohou využívat silné střihové možnosti DaVinci Resolve programově, zvyšovat produktivitu, automatizovat opakující se úlohy a integrovat do širších AI workflow pro tvorbu a správu obsahu.

Seznam promptů

V repozitáři nebyly nalezeny žádné informace o šablonách promptů.

Seznam zdrojů

V repozitáři ani dokumentaci nebyly nalezeny explicitní definice zdrojů.

Seznam nástrojů

V resolve_mcp_server.py ani jinde v repozitáři nejsou jasně definovány nástroje.

Případy použití tohoto MCP serveru

• Automatizovaný střih videa
  Využijte AI agenty ke střihu časových os videa, aplikaci přechodů nebo správě klipů v DaVinci Resolve, čímž zefektivníte běžné střihové workflow.
• Extrakce metadat projektů
  Dotazujte se a shromažďujte metadata z projektů DaVinci Resolve pro katalogizaci, analýzy nebo integraci se systémy správy obsahu.
• Automatizace hromadných exportů
  Spouštějte a spravujte exporty médií programově, což umožňuje dávkové zpracování a AI řízenou logiku exportů.
• Vzdálená spolupráce
  Umožněte vzdáleným či automatizovaným agentům interakci s projekty DaVinci Resolve, což podporuje scénáře kolaborativního střihu.
• Vlastní integrace workflow
  Propojte DaVinci Resolve s externími API či nástroji (např. cloudové úložiště, transkripční služby) pomocí AI automatizace.

Jak jej nastavit

Windsurf

1. Ujistěte se, že máte nainstalovaný Python (nutný pro DaVinci Resolve MCP Server).
2. Naklonujte repozitář:
   git clone https://github.com/samuelgursky/davinci-resolve-mcp.git
3. Nainstalujte závislosti:
   pip install -r requirements.txt
4. Přidejte server do konfigurace Windsurf, např. do windsurf.config.json:

   {
     "mcpServers": {
       "davinci-resolve": {
         "command": "python",
         "args": ["resolve_mcp_server.py"]
       }
     }
   }
   

5. Uložte konfiguraci a restartujte Windsurf. Ověřte dostupnost serveru.

Claude

1. Ujistěte se, že máte na svém systému Python.
2. Naklonujte repozitář a nainstalujte závislosti jako výše.
3. Otevřete konfigurační soubor MCP pro Claude.
4. Přidejte DaVinci Resolve MCP Server:

   {
     "mcpServers": {
       "davinci-resolve": {
         "command": "python",
         "args": ["resolve_mcp_server.py"]
       }
     }
   }
   

5. Uložte a restartujte Claude, poté ověřte připojení.

Cursor

1. Ověřte Python a závislosti DaVinci Resolve MCP Serveru.
2. Stáhněte či naklonujte repozitář MCP serveru.
3. Otevřete konfigurační soubor pro MCP servery Cursor.
4. Přidejte následující:

   {
     "mcpServers": {
       "davinci-resolve": {
         "command": "python",
         "args": ["resolve_mcp_server.py"]
       }
     }
   }
   

5. Uložte a restartujte Cursor.

Cline

1. Nainstalujte všechny předpoklady (Python, závislosti repozitáře).
2. Naklonujte repozitář.
3. Otevřete konfigurační soubor MCP serveru pro Cline.
4. Přidejte server:

   {
     "mcpServers": {
       "davinci-resolve": {
         "command": "python",
         "args": ["resolve_mcp_server.py"]
       }
     }
   }
   

5. Uložte soubor a restartujte Cline.

Zabezpečení API klíčů

Pro jakékoliv citlivé proměnné prostředí (např. API klíče) použijte v konfiguraci klíče env a inputs následovně:

{
  "mcpServers": {
    "davinci-resolve": {
      "command": "python",
      "args": ["resolve_mcp_server.py"],
      "env": {
        "API_KEY": "${API_KEY}"
      },
      "inputs": {
        "api_key": "${API_KEY}"
      }
    }
  }
}

Jak použít tento MCP uvnitř workflow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho FlowHunt workflow začněte přidáním MCP komponenty do svého flow a propojením s AI agentem:

Klikněte na MCP komponentu pro otevření panelu konfigurace. V sekci systémové MCP konfigurace vložte detaily svého MCP serveru pomocí tohoto JSON formátu:

{
  "davinci-resolve": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po nastavení je AI agent schopen využívat tento MCP jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “davinci-resolve” na skutečný název vašeho MCP serveru a nahradit URL vaší vlastní adresou MCP serveru.

Přehled

Roots support: ⛔ Nezmíněno
Sampling support: ⛔ Nezmíněno

Na základě dostupných informací a úplnosti dokumentace bych tento MCP server ohodnotil 4 z 10. Instrukce k nasazení jsou jasné a případy použití popsány, ale absence dokumentovaných zdrojů, nástrojů a promptů omezuje jeho praktickou využitelnost pro vývojáře hledající plug-and-play řešení.

MCP Hodnocení