Intégration du serveur VMS MCP

Que fait le serveur “VMS” MCP ?

Le serveur VMS MCP est un serveur Model Context Protocol (MCP) conçu pour se connecter à un programme d’enregistrement CCTV (système de gestion vidéo, ou VMS) afin de permettre aux assistants IA d’accéder aux systèmes de vidéosurveillance et de les contrôler. Le serveur fournit une interface programmatique pour récupérer les flux vidéo enregistrés et en direct, gérer les canaux vidéo et envoyer des commandes au logiciel VMS, comme afficher en direct ou en lecture les vidéos de canaux spécifiques à des horaires donnés. Il permet aux flux pilotés par l’IA d’interagir directement avec le matériel de surveillance, en prenant en charge des tâches telles que la récupération du statut des canaux vidéo, l’extraction d’images, le contrôle des caméras PTZ (Pan-Tilt-Zoom), etc. Cette intégration améliore les flux de développement pour des applications de sécurité, de surveillance et d’automatisation en reliant les assistants IA aux capacités réelles de vidéosurveillance.

Liste des prompts

Aucun modèle de prompt n’a été mentionné dans le dépôt ou la documentation.

Liste des ressources

Aucune liste explicite de ressources MCP n’a été fournie dans le dépôt ou la documentation.

Liste des outils

• Récupérer les informations des canaux vidéo
  Fournit des données telles que l’état de connexion et d’enregistrement de chaque canal vidéo.

• Récupérer les dates et heures d’enregistrement
  Récupère les dates et heures d’enregistrement disponibles pour certains canaux.

• Récupérer des images en direct ou enregistrées
  Permet d’extraire des captures d’écran de canaux vidéo, soit en direct, soit depuis des enregistrements.

• Afficher les flux vidéo en direct ou des dialogues de lecture
  Ordonne au VMS d’afficher des flux en direct ou des interfaces de lecture pour les canaux et horaires sélectionnés.

• Contrôler les caméras PTZ
  Déplace les caméras Pan-Tilt-Zoom vers des positions prédéfinies pour une visualisation flexible.

Cas d’usage de ce serveur MCP

• Surveillance de sécurité et automatisation
  Permettre aux assistants IA de surveiller automatiquement les flux de sécurité en direct, de détecter des anomalies et de déclencher des alertes ou actions sur la base de l’analyse vidéo.

• Enquête sur les incidents et lecture
  Accéder rapidement et revoir les enregistrements historiques de canaux et périodes spécifiques pour faciliter les enquêtes.

• Contrôle de surveillance à distance
  Permettre à des utilisateurs ou agents automatisés de contrôler à distance les caméras PTZ ou de lancer des dialogues de lecture sans accès direct au client VMS.

• Intégration avec des systèmes domotiques ou de bâtiment
  Connecter les flux vidéo de sécurité à des plateformes d’automatisation plus larges, permettant des déclencheurs croisés (par exemple, verrouiller les portes en cas d’activité suspecte).

Comment le configurer

Windsurf

Aucune instruction spécifique d’installation Windsurf fournie dans la documentation.

Claude

1. Vérifiez les prérequis : Installez Python 3.12+, la bibliothèque vmspy et la bibliothèque Pillow.
2. Téléchargez/installez le serveur VMS : Téléchargez-le depuis http://surveillance-logic.com/en/download.html.
3. Configurez Claude Desktop : Modifiez claude_desktop_config.json comme suit :
4. Ajoutez le serveur MCP : Insérez l’extrait JSON suivant :

{
  "mcpServers": {
    "vms": {
      "command": "uv",
      "args": [
        "--directory",
        "X:\\path\\to\\mcp-vms",
        "run",
        "mcp_vms.py"
      ]
    }
  }
}

5. Enregistrez et redémarrez : Enregistrez la configuration et redémarrez Claude Desktop.

Cursor

Aucune instruction spécifique d’installation Cursor fournie dans la documentation.

Cline

Aucune instruction spécifique d’installation Cline fournie dans la documentation.

Sécurisation des clés API

La configuration de connexion VMS (dans mcp_vms_config.py) utilise les valeurs par défaut suivantes :

vms_config = {
  'img_width': 320,
  'img_height': 240,
  'pixel_format': 'RGB',
  'url': '127.0.0.1',
  'port': 3300,
  'access_id': 'admin',
  'access_pw': 'admin',
}

Remarque : Pour sécuriser les identifiants, utilisez des variables d’environnement et mettez à jour la configuration comme suit :

{
  "env": {
    "VMS_ACCESS_ID": "votre-access-id",
    "VMS_ACCESS_PW": "votre-mot-de-passe-sécurisé"
  },
  "inputs": {
    "access_id": "${VMS_ACCESS_ID}",
    "access_pw": "${VMS_ACCESS_PW}"
  }
}

Comment utiliser ce MCP dans des workflows

Utilisation du MCP dans FlowHunt

Pour intégrer des serveurs MCP à votre workflow FlowHunt, commencez par ajouter le composant MCP à votre flux et connectez-le à votre agent IA :

Cliquez sur le composant MCP pour ouvrir le panneau de configuration. Dans la section de configuration système MCP, insérez les détails de votre serveur MCP selon ce format JSON :

{
  "vms": {
    "transport": "streamable_http",
    "url": "https://votreserveurmcp.exemple/cheminverslemcp/url"
  }
}

Une fois configuré, l’agent IA pourra utiliser ce MCP comme un outil avec accès à toutes ses fonctions et capacités. Pensez à remplacer “vms” par le nom réel de votre serveur MCP et à remplacer l’URL par celle de votre propre serveur MCP.

Vue d’ensemble

Notre avis

Le serveur VMS MCP offre une solide intégration pour le contrôle de la vidéosurveillance et les workflows IA, mais manque de documentation sur les modèles de prompt et les ressources MCP explicites. Il couvre l’utilisation sécurisée des identifiants et propose une configuration claire pour Claude. Le README est informatif, mais la configuration multiplateforme et les fonctions MCP avancées comme les roots et le sampling ne sont pas documentées.

Note : 6/10 — Intégration réelle utile et bonne couverture des outils, mais documentation MCP et certaines fonctionnalités absentes.

Score MCP