agentscope-media-mcp

# AgentScope Media MCP Python MCP 服务：通过 AgentScope Platform 调用语音、图片、ASR 和视频模型。无网页、无本地模型、无账户 JWT 接口。 **状态：开发版本。已开始真实接口联调，逐项结果见 [验证记录](docs/live-validation.md)。PyPI 尚未发布。** ## 本地启动 安装 uv 后，在项目目录运行： ```bash uv sync --locked uv run agentscope-media-mcp ``` stdio 服务由 MCP 客户端启动；直接在终端运行时等待协议输入属于正常行为。 密钥通过启动进程的 `AGENTSCOPE_API_KEY` 环境变量提供，不要写进源码。 未填写密钥仍可以初始化和列出工具，调用媒体接口时会返回配置错误。 本地客户端配置： ```json { "mcpServers": { "agentscope-media": { "command": "uv", "args": ["--directory", "/home/fanxing/repos/agentscope-media-mcp", "run", "--locked", "agentscope-media-mcp"], "env": {"AGENTSCOPE_API_KEY": "<填写模型API Key>"} } } } ``` ## 模型与工具 | 工具 | 模型/功能 | | --- | --- | | list_models | 九个模型的静态清单，可按能力筛选 | | synthesize_speech | qwen-audio-3.0-tts-flash / qwen-audio-3.0-tts-plus | | generate_image / edit_image | qwen-image-3.0 | | transcribe_audio | qwen-audio-3.0-asr-flash | | generate_video | happyhorse-1.1-t2v / i2v / r2v、wan3.0-video | | edit_video | happyhorse-1.0-video-edit | | upload_media | 将 base64 data URL 上传到平台 | | get_task | 根据上游 task_id 查询结果 | TTS 必须指定该模型支持的 voice，避免猜测音色。Wan 文本输入已通过一次真实生成测试，其他输入模式尚未验证。 480P、720P、1080P 可作为视频分辨率输入；实际可用性以具体模型和网关验证为准。 图片尺寸使用 `1024*1024` 形式，不保证任意尺寸都被模型接受。 ## 调用流程 - 配音：选择 Flash 或 Plus，填写文本和有效 voice ID，调用 synthesize_speech。 - 图生视频：先取得公共图片 URL，再指定 happyhorse-1.1-i2v 和 image_url。 - 参考生视频：指定 happyhorse-1.1-r2v 和 reference_urls，可在提示词中引用 [Image 1]。 - 视频任务提交后保存 task_id，间隔查询 get_task，直到成功或失败。 - 图片、音频结果直接返回媒体 URL 或文本；如果上游返回任务，则保留任务编号。 服务不下载任意 URL，不读取调用者电脑上的路径，不永久保存作品。 API 返回链接可能过期，需要由调用者及时保存。 生成 POST 请求不自动重试；submission_unknown 表示受理结果不明，不应盲目重复生成。 ## 配置 | 环境变量 | 默认值 | | --- | --- | | AGENTSCOPE_API_KEY | 无；生成请求必需 | | AGENTSCOPE_MEDIA_BASE_URL | https://platform.agentscope.io/api/v1 | | AGENTSCOPE_HTTP_CONCURRENCY | 4 | | AGENTSCOPE_CONNECT_TIMEOUT | 15 秒 | | AGENTSCOPE_READ_TIMEOUT | 180 秒 | | AGENTSCOPE_UPLOAD_MAX_BYTES | 10485760（10 MiB） | 并发限制是同时进行的 HTTP 请求数，不是上游运行中的视频任务数。 不连接 Credits、定价和用户信息接口，无费用审批。 媒体 HTTP 客户端…