json2video MCP Server

Co dělá “json2video” MCP Server?

json2video MCP (Model Context Protocol) Server funguje jako most mezi AI asistenty a API json2video a umožňuje programové generování videí v přirozeném jazyce nebo pomocí agentních workflowů. Díky zpřístupnění nástrojů pro tvorbu videí a kontrolu jejich stavu umožňuje tento MCP server vývojářům, LLM i automatizačním agentům vytvářet, upravovat a sledovat video projekty pomocí strukturovaného JSONu. Server podporuje bohaté možnosti scén a prvků—včetně textu, obrázků, audia, komponent a titulků—takže je ideální pro tvorbu dynamického video obsahu. Navržen pro bezproblémovou integraci s MCP-kompatibilními platformami, json2video MCP Server zvyšuje produktivitu vývojářů zjednodušením přístupu k asynchronnímu renderování videí i správě projektů, a to vše zabezpečené autentizací API klíčem a komplexním ošetřením chyb.

Seznam promptů

V repozitáři ani v dokumentaci nejsou výslovně uvedeny žádné prompt šablony.

Seznam resources

V repozitáři nebo README nejsou zdokumentovány nebo popsány žádné explicitní MCP “Resources”.

Seznam nástrojů

• generate_video
  Vytvoří videoprojekt pomocí API json2video. Umožňuje detailní úpravu zadáním více scén a prvků (text, obrázky, video, audio, HTML, titulky atd.). Vrací ID projektu ke sledování.
• get_video_status
  Kontroluje stav renderování dříve zadaného video projektu podle jeho ID, čímž umožňuje asynchronní workflowy a monitoring průběhu.

Příklady použití tohoto MCP Serveru

• Automatizovaná tvorba video obsahu
  Vývojáři i agenti mohou generovat marketingová, vzdělávací nebo sociální videa programově, což snižuje potřebu ručních úprav a umožňuje rychlé iterace obsahu.
• Dynamická kompozice scén
  Workflowy řízené LLM mohou sestavovat komplexní videa dynamickým zadáním scén i mediálních prvků, vhodné pro personalizované či datově řízené video výstupy.
• Sledování stavu u dlouhých renderů
  Asynchronní renderování umožňuje agentům kontrolovat a hlásit stav tvorby videa, což zlepšuje uživatelský zážitek v aplikacích vyžadujících zpětnou vazbu o průběhu.
• Integrace do AI obsahových pipeline
  Snadno zapadá do větších, vícekrokových AI workflowů, kde je video výstupem jednoho kroku—například sumarizace obsahu, generování vizuálů a automatická finální kompilace videí.
• Komponentová tvorba videa
  Umožňuje skládání videa z textů, grafiky, audia i titulků, což je užitečné pro workflowy zaměřené na přístupnost nebo lokalizaci.

Jak na nastavení

Windsurf

V repozitáři ani README nejsou uvedeny žádné instrukce k nastavení pro Windsurf.

Claude

V repozitáři ani README nejsou uvedeny žádné instrukce k nastavení pro Claude.

Cursor

1. Otevřete Nastavení Cursoru.
2. Přejděte na Funkce > MCP Servery.
3. Klikněte na “+ Přidat nový MCP Server”.
4. Zadejte:
   • Název: “json2video-mcp” (nebo libovolný vlastní název)
   • Typ: “command”
   • Příkaz:

     env JSON2VIDEO_API_KEY=your_api_key_here npx -y @omerrgocmen/json2video-mcp
     

5. Alternativně přidejte do globální konfigurace MCP serveru:

   {
     "mcpServers": {
       "json2video-mcp": {
         "command": "npx",
         "args": ["-y", "@omerrgocmen/json2video-mcp"],
         "env": {
           "JSON2VIDEO_API_KEY": "your_api_key_here"
         }
       }
     }
   }
   

6. Nahraďte your_api_key_here svým skutečným API klíčem json2video (získáte na json2video.com).
7. Po uložení obnovte seznam MCP serverů.

Cline

V repozitáři ani README nejsou uvedeny žádné instrukce k nastavení pro Cline.

Zabezpečení API klíčů

• API klíče musí být předány přes proměnnou prostředí JSON2VIDEO_API_KEY.

• Příklad (v konfiguračním JSONu):

  {
    "mcpServers": {
      "json2video-mcp": {
        "command": "npx",
        "args": ["-y", "@omerrgocmen/json2video-mcp"],
        "env": {
          "JSON2VIDEO_API_KEY": "your_api_key_here"
        }
      }
    }
  }
  

Jak používat tento MCP ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serveru do workflowu ve FlowHunt začněte přidáním MCP komponenty do svého flow a propojte ji s AI agentem:

Klikněte na MCP komponentu a otevřete panel konfigurace. V sekci systémové konfigurace MCP vložte údaje o svém MCP serveru v tomto formátu JSON:

{
  "json2video-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po nastavení může AI agent začít MCP využívat jako nástroj a má přístup ke všem jeho funkcím. Nezapomeňte změnit “json2video-mcp” na skutečný název vašeho MCP serveru a URL na adresu vašeho serveru.

Přehled

Náš názor

json2video MCP je zaměřený, dobře zdokumentovaný server pro zpřístupnění generování videí jako nástroje pro LLM a agenty. Chybí některé pokročilé MCP funkce (jako roots, resources, sampling nebo prompt templating), ale je přímočarý na instalaci i použití pro svůj účel. Pokud hledáte pouze nástroje pro generování videí, tento MCP je funkční a snadno integrovatelný, avšak nemusí být tak rozšiřitelný jako jiné.

MCP Skóre

Na základě výše uvedeného bych tento MCP server ohodnotil na 5/10: Funkčně je velmi dobrý pro svůj hlavní účel, ale postrádá širší MCP ekosystémové funkce a rozšiřitelnost.