Cloudinary MCP 服务器

“Cloudinary” MCP 服务器能做什么？

Cloudinary MCP（Model Context Protocol）服务器使 AI 助手和客户端能够将图片和视频上传到 Cloudinary——一个流行的云端媒体管理平台。它作为 AI 工具（如 Claude Desktop）与 Cloudinary 之间的桥梁，简化了媒体资产处理流程，使助手能够通过自动化工作流直接执行上传、标记和组织文件等操作。这大大提升了开发效率，实现媒体处理任务自动化、外部存储集成，并为多种应用中的媒体内容管理提供无缝 API 交互。

提示词模板列表

仓库或文档中未列出任何提示词模板。

资源列表

仓库或 README 中未明确记录任何资源。

工具列表

• upload
  上传图片和视频到 Cloudinary。
  • 参数：
    • file（必需）：要上传的文件路径、URL 或 base64 数据 URI
    • resource_type（可选）：资源类型（‘image’、‘video’ 或 ‘raw’）
    • public_id（可选）：上传资产的自定义 public ID
    • overwrite（可选）：是否覆盖同名已存在的资产
    • tags（可选）：分配给上传资产的标签数组

此 MCP 服务器的使用场景

• 自动化媒体上传：
  开发者或 AI 助手可自动将图片与视频从本地路径、URL 或数据 URI 上传至 Cloudinary，简化项目中的媒体资产管理。

• 媒体标记与整理：
  上传时可为资产添加标签和自定义 public ID，便于组织、检索和管理大型媒体库。

• 内容分发优化：
  通过上传到 Cloudinary，开发者可利用其 CDN 及图像/视频转换功能，优化媒体加载速度和终端用户体验。

• 与 AI 工作流集成：
  MCP 服务器允许 AI 代理（如 Claude Desktop）将媒体上传步骤纳入更大规模的自动化工作流，例如生成内容并即刻上传。

• 跨平台媒体处理：
  支持多种来源（文件路径、URL、base64 上传），适用于不同开发环境和自动化脚本。

如何设置

Windsurf

未提供 Windsurf 的具体说明。

Claude

1. 从 nodejs.org 安装 Node.js（18 版或更高）。

2. 找到 Claude 的配置目录：

   • Windows: C:\Users\NAME\AppData\Roaming\Claude
   • macOS: ~/Library/Application Support/Claude/

3. 编辑 MCP 设置文件并添加：

   {
     "mcpServers": {
       "cloudinary": {
         "command": "npx",
         "args": ["@felores/cloudinary-mcp-server@latest"],
         "env": {
           "CLOUDINARY_CLOUD_NAME": "your_cloud_name",
           "CLOUDINARY_API_KEY": "your_api_key",
           "CLOUDINARY_API_SECRET": "your_api_secret"
         }
       }
     }
   }
   

4. 用您在 Cloudinary 控制台 获取的凭证替换环境变量。

5. 保存文件并重启 Claude Desktop。

保护 API 密钥（环境变量）

JSON 配置示例：

{
  "mcpServers": {
    "cloudinary": {
      "command": "npx",
      "args": ["@felores/cloudinary-mcp-server@latest"],
      "env": {
        "CLOUDINARY_CLOUD_NAME": "your_cloud_name",
        "CLOUDINARY_API_KEY": "your_api_key",
        "CLOUDINARY_API_SECRET": "your_api_secret"
      }
    }
  }
}

Cursor

未提供 Cursor 的具体说明。

Cline

1. 确保已安装 Node.js。

2. 将服务器配置添加到您的 Cline MCP 设置文件：

   {
     "mcpServers": {
       "cloudinary": {
         "command": "node",
         "args": ["c:/path/to/cloudinary-mcp-server/dist/index.js"],
         "env": {
           "CLOUDINARY_CLOUD_NAME": "your_cloud_name",
           "CLOUDINARY_API_KEY": "your_api_key",
           "CLOUDINARY_API_SECRET": "your_api_secret"
         }
       }
     }
   }
   

3. 安装依赖并构建服务器：

   npm install
   npm run build
   

4. 保存配置并重启 Cline。

保护 API 密钥（环境变量）

JSON 配置示例（同上）。

如何在流程中使用该 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，首先添加 MCP 组件到您的流程，并连接到您的 AI 代理：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填写您的 MCP 服务器信息：

{
  "cloudinary": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 代理即可作为工具使用该 MCP，并获得其全部功能。请记得将 “cloudinary” 替换为您实际 MCP 服务器的名称，并将 URL 换成您自己的 MCP 服务器地址。

概览

• Roots 支持： 未提及（视为 ⛔）。

从上表来看，Cloudinary MCP 服务器结构清晰、专注，说明详细、工具实用，但缺少资源和提示词模板定义，也未提及 Roots 或采样支持。对于单一用途的 MCP 服务器，其表现称职，但未涵盖全部 MCP 功能。评分：6/10

MCP 评分