json2video MCP Server

Was macht der “json2video” MCP Server?

Der json2video MCP (Model Context Protocol) Server fungiert als Brücke zwischen KI-Assistenten und der json2video API und ermöglicht so die programmatische Videoproduktion über natürliche Sprache oder agentengesteuerte Workflows. Durch die Bereitstellung von Tools zur Videogenerierung und Statusabfrage können Entwickler, LLMs und Automatisierungsagenten Videoprojekte mithilfe von strukturiertem JSON erstellen, anpassen und überwachen. Der Server unterstützt umfangreiche Szenen- und Elementfunktionen – darunter Text, Bilder, Audio, Komponenten und Untertitel – und eignet sich so ideal für die dynamische Erstellung von Videoinhalten. Entwickelt für die nahtlose Integration in MCP-kompatible Plattformen, steigert der json2video MCP Server die Produktivität der Entwickler, indem er den Zugang zu asynchronem Videorendering und Projektmanagement erleichtert – abgesichert durch API-Key-Authentifizierung und umfassendes Fehler-Handling.

Liste der Prompts

Im Repository oder in der Dokumentation sind keine Prompt-Templates explizit erwähnt.

Liste der Ressourcen

Es sind keine expliziten MCP-“Ressourcen” im Repository oder README dokumentiert oder beschrieben.

Liste der Tools

• generate_video
  Erstellt ein Videoprojekt über die json2video API. Erlaubt detaillierte Anpassungen durch Angabe mehrerer Szenen und Elemente (Text, Bilder, Video, Audio, HTML, Untertitel usw.). Gibt eine Projekt-ID zur Nachverfolgung zurück.
• get_video_status
  Überprüft den Renderstatus eines zuvor eingereichten Videoprojekts anhand der Projekt-ID und ermöglicht so asynchrone Workflows und Fortschrittsüberwachung.

Anwendungsfälle dieses MCP Servers

• Automatisierte Videoinhaltserstellung
  Entwickler und Agenten können Marketing-, Bildungs- oder Social-Media-Videos programmatisch generieren, manuellen Schnitt reduzieren und schnelle Content-Iterationen ermöglichen.
• Dynamische Szenenzusammenstellung
  LLM-gesteuerte Workflows können komplexe Videos erstellen, indem sie Szenen und Medien dynamisch spezifizieren – ideal für personalisierte oder datengesteuerte Videoausgaben.
• Statusüberwachung für lange Renderings
  Asynchrones Videorendering ermöglicht es Agenten, den Status der Videoproduktion abzufragen und Rückmeldung zum Fortschritt an Anwendungen zu geben, in denen Nutzer Feedback benötigen.
• Integration in KI-Content-Pipelines
  Lässt sich einfach in größere, mehrstufige KI-Workflows einbinden, bei denen Videoausgaben ein Schritt sind – etwa zur Zusammenfassung von Inhalten, Generierung von Visuals und automatischen Kompilierung von Endvideos.
• Komponentenbasierte Videomontage
  Ermöglicht die modulare Videoproduktion durch Verknüpfung von Text, Grafiken, Audio und Untertiteln – nützlich für Barrierefreiheit und Lokalisierungsworkflows.

Einrichtung

Windsurf

Im Repository oder README sind keine Setupanweisungen für Windsurf erwähnt.

Claude

Im Repository oder README sind keine Setupanweisungen für Claude erwähnt.

Cursor

1. Öffnen Sie die Cursor-Einstellungen.
2. Gehen Sie zu Features > MCP Servers.
3. Klicken Sie auf “+ Add New MCP Server”.
4. Geben Sie ein:
   • Name: “json2video-mcp” (oder ein beliebiger Name)
   • Typ: “command”
   • Befehl:

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

5. Alternativ können Sie in Ihrer globalen MCP-Server-Konfiguration Folgendes ergänzen:

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

6. Ersetzen Sie your_api_key_here durch Ihren tatsächlichen json2video API-Key (erhältlich auf json2video.com).
7. Aktualisieren Sie nach dem Speichern die MCP-Server-Liste.

Cline

Im Repository oder README sind keine Setupanweisungen für Cline erwähnt.

API-Keys absichern

• API-Keys müssen über die Umgebungsvariable JSON2VIDEO_API_KEY bereitgestellt werden.

• Beispiel (in der Konfigurations-JSON):

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

Wie verwendet man diesen MCP in Flows

MCP in FlowHunt verwenden

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Bereich System-MCP-Konfiguration fügen Sie Ihre MCP-Serverdetails im folgenden JSON-Format ein:

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

Nach der Konfiguration kann der KI-Agent diesen MCP als Tool mit allen Funktionen und Möglichkeiten verwenden. Denken Sie daran, “json2video-mcp” durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL entsprechend Ihrer MCP-Server-URL anzupassen.

Übersicht

Unsere Meinung

json2video MCP ist ein fokussierter, gut dokumentierter Server, der Videogenerierung als Tool für LLMs und Agenten bereitstellt. Er verzichtet auf einige fortgeschrittene MCP-Features (wie Roots, Ressourcen, Sampling oder Prompt-Templates), ist aber für seinen Zweck einfach zu installieren und zu nutzen. Wer ausschließlich Videogenerierung benötigt, findet hier eine funktionale und leicht integrierbare Lösung – für weitergehende Anforderungen ist die Erweiterbarkeit begrenzt.

MCP Score

Auf dieser Basis würde ich diesem MCP-Server eine 5/10 geben: Funktional solide für seinen Kernzweck, aber es fehlen breitere MCP-Ökosystemfeatures und Erweiterbarkeit.