关于 mcp-sora
mcp-sora 是通过 AceDataCloud API 使用 Sora 生成视频的 MCP 服务,面向 MCP 客户端中的视频创作场景。该集成已退役,不再积极提供。
主要功能
- 01根据文本生成视频
- 02根据参考图生成视频
- 03在不同场景复用角色
- 04通过回调异步生成视频
- 05查询单个或批量任务
- 06查看模型与 API 操作
适用场景
- 01把文本描述转为视频
- 02为参考图添加动态效果
- 03在新场景中使用参考视频角色
- 04检查视频生成任务结果
MCP 相关
该 MCP 服务曾向兼容客户端提供 Sora 视频生成、任务查询、模型列表及操作列表工具,支持托管远程连接或本地运行。集成目前已退役,不再积极提供。
配置
远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。
https://sora.mcp.acedata.cloud/mcpclaude mcp add --transport http acedatacloud-mcp-sora https://sora.mcp.acedata.cloud/mcp{"mcpServers":{"acedatacloud-mcp-sora":{"type":"http","url":"https://sora.mcp.acedata.cloud/mcp"}}}在 Cursor 中打开{"servers":{"acedatacloud-mcp-sora":{"type":"http","url":"https://sora.mcp.acedata.cloud/mcp"}}}在 VS Code 中打开{"mcpServers":{"acedatacloud-mcp-sora":{"type":"http","url":"https://sora.mcp.acedata.cloud/mcp"}}}{"mcpServers":{"acedatacloud-mcp-sora":{"serverUrl":"https://sora.mcp.acedata.cloud/mcp"}}}命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。
工具
详细介绍
SoraMCP
状态: 此 MCP 集成已停用,不再提供主动支持。
一个通过 AceDataCloud API 使用 Sora 生成 AI 视频的 Model Context Protocol (MCP) 服务。
可直接在 Claude、VS Code 或任何兼容 MCP 的客户端中生成 AI 视频。
功能
- 文本生成视频 - 根据文本描述生成视频
- 图像生成视频 - 将图像制作成动画,并根据参考图像创建视频
- 角色视频 - 在不同场景中重复使用角色
- 异步生成 - 通过 Webhook 回调支持生产工作流
- 多种方向 - 横向和纵向视频
- 任务跟踪 - 监控生成进度并获取结果
工具参考
| 工具 | 描述 |
|---|---|
sora_generate_video | 使用 Sora 根据文本提示词生成 AI 视频。 |
sora_generate_video_from_image | 使用 Sora 根据参考图像生成 AI 视频(图像生成视频)。 |
sora_generate_video_with_character | 生成包含参考视频中角色的 AI 视频。 |
sora_generate_video_async | 异步生成 AI 视频,并通过回调通知。 |
sora_generate_video_v2 | 使用 Sora Version 2(合作伙伴渠道)生成 AI 视频。 |
sora_generate_video_v2_async | 使用 Sora Version 2 异步生成 AI 视频,并通过回调通知。 |
sora_get_task | 查询视频生成任务的状态和结果。 |
sora_get_tasks_batch | 一次查询多个视频生成任务。 |
sora_list_models | 列出所有可用的 Sora 模型及其功能。 |
sora_list_actions | 列出所有可用的 Sora API 操作及对应工具。 |
快速开始
1. 获取 API 令牌
- 登录 AceDataCloud Platform
- 打开 Applications 并复制现有的 API 令牌
2. 使用托管服务(推荐)
AceDataCloud 托管了一个受管 MCP 服务——无需本地安装。
端点: https://sora.mcp.acedata.cloud/mcp
所有请求都需要 Bearer 令牌。请使用第 1 步获取的 API 令牌。
Claude.ai
通过 OAuth 直接在 Claude.ai 上连接——无需 API 令牌:
- 前往 Claude.ai 设置 → 集成 → 添加更多
- 输入服务 URL:
https://sora.mcp.acedata.cloud/mcp - 完成 OAuth 登录流程
- 开始在对话中使用这些工具
Claude Desktop
添加到配置文件(macOS 上的 ~/Library/Application Support/Claude/claude_desktop_config.json):
{
"mcpServers": {
"sora": {
"type": "streamable-http",
"url": "https://sora.mcp.acedata.cloud/mcp",
"headers": {
"Authorization": "Bearer YOUR_API_TOKEN"
}
}
}
}
Cursor / Windsurf
添加到 MCP 配置(.cursor/mcp.json 或 .windsurf/mcp.json):
{
"mcpServers": {
"sora": {
"type": "streamable-http",
"url": "https://sora.mcp.acedata.cloud/mcp",
"headers": {
"Authorization": "Bearer YOUR_API_TOKEN"
}
}
}
}
VS Code(Copilot)
添加到 VS Code MCP 配置(.vscode/mcp.json):
{
"servers": {
"sora": {
"type": "streamable-http",
"url": "https://sora.mcp.acedata.cloud/mcp",
"headers": {
"Authorization": "Bearer YOUR_API_TOKEN"
}
}
}
}
或者安装适用于 VS Code 的 Ace Data Cloud MCP 扩展,一键配置托管的 MCP 服务。
JetBrains IDE
- 前往 设置 → 工具 → AI 助手 → Model Context Protocol (MCP)
- 点击 添加 → HTTP
- 粘贴:
{
"mcpServers": {
"sora": {
"url": "https://sora.mcp.acedata.cloud/mcp",
"headers": {
"Authorization": "Bearer YOUR_API_TOKEN"
}
}
}
}
Claude Code
Claude Code 原生支持 MCP 服务:
claude mcp add sora --transport http https://sora.mcp.acedata.cloud/mcp \
-h "Authorization: Bearer YOUR_API_TOKEN"
或者添加到项目的 .mcp.json:
{
"mcpServers": {
"sora": {
"type": "streamable-http",
"url": "https://sora.mcp.acedata.cloud/mcp",
"headers": {
"Authorization": "Bearer YOUR_API_TOKEN"
}
}
}
}
Cline
添加到 Cline 的 MCP 设置(.cline/mcp_settings.json):
{
"mcpServers": {
"sora": {
"type": "streamable-http",
"url": "https://sora.mcp.acedata.cloud/mcp",
"headers": {
"Authorization": "Bearer YOUR_API_TOKEN"
}
}
}
}
Amazon Q Developer
添加到 MCP 配置:
{
"mcpServers": {
"sora": {
"type": "streamable-http",
"url": "https://sora.mcp.acedata.cloud/mcp",
"headers": {
"Authorization": "Bearer YOUR_API_TOKEN"
}
}
}
}
Roo Code
添加到 Roo Code MCP 设置中:
{
"mcpServers": {
"sora": {
"type": "streamable-http",
"url": "https://sora.mcp.acedata.cloud/mcp",
"headers": {
"Authorization": "Bearer YOUR_API_TOKEN"
}
}
}
}
Continue.dev
添加到 .continue/config.yaml:
mcpServers:
- name: sora
type: streamable-http
url: https://sora.mcp.acedata.cloud/mcp
headers:
Authorization: "Bearer YOUR_API_TOKEN"
Zed
添加到 Zed 的设置中(~/.config/zed/settings.json):
{
"language_models": {
"mcp_servers": {
"sora": {
"url": "https://sora.mcp.acedata.cloud/mcp",
"headers": {
"Authorization": "Bearer YOUR_API_TOKEN"
}
}
}
}
}
cURL 测试
# Health check (no auth required)
curl https://sora.mcp.acedata.cloud/health
# MCP initialize
curl -X POST https://sora.mcp.acedata.cloud/mcp \
-H "Content-Type: application/json" \
-H "Accept: application/json" \
-H "Authorization: Bearer YOUR_API_TOKEN" \
-d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2025-03-26","capabilities":{},"clientInfo":{"name":"test","version":"1.0"}}}'
3. 或在本地运行(替代方案)
如果你更愿意在自己的计算机上运行服务:
# Install from PyPI
pip install mcp-sora
# or
uvx mcp-sora
# Set your API token
export ACEDATACLOUD_API_TOKEN="your_token_here"
# Run (stdio mode for Claude Desktop / local clients)
mcp-sora
# Run (HTTP mode for remote access)
mcp-sora --transport http --port 8000
Claude Desktop(本地)
{
"mcpServers": {
"sora": {
"command": "uvx",
"args": ["mcp-sora"],
"env": {
"ACEDATACLOUD_API_TOKEN": "your_token_here"
}
}
}
}
Docker(自托管)
docker pull ghcr.io/acedatacloud/mcp-sora:latest
docker run -p 8000:8000 ghcr.io/acedatacloud/mcp-sora:latest
客户端使用自己的 Bearer 令牌连接——服务会从每个请求的 Authorization 标头中提取令牌。
可用工具
视频生成
| 工具 | 描述 |
|---|---|
sora_generate_video | 根据文本提示词生成视频 |
sora_generate_video_from_image | 根据参考图像生成视频 |
sora_generate_video_with_character | 根据参考视频中的角色生成视频 |
sora_generate_video_async | 生成视频并通过回调通知 |
任务
| 工具 | 描述 |
|---|---|
sora_get_task | 查询单个任务状态 |
sora_get_tasks_batch | 一次查询多个任务 |
信息
| 工具 | 描述 |
|---|---|
sora_list_models | 列出可用的 Sora 模型 |
sora_list_actions | 列出可用的 API 操作 |
使用示例
根据提示词生成视频
User: Create a video of a sunset over mountains
Claude: I'll generate a sunset video for you.
[Calls sora_generate_video with prompt="A beautiful sunset over mountains..."]
根据图像生成
User: Animate this image of a city skyline
Claude: I'll bring this image to life.
[Calls sora_generate_video_from_image with image_urls and prompt]
基于角色的视频
User: Use the robot character in a new scene
Claude: I'll create a new scene with the robot character.
[Calls sora_generate_video_with_character with character_url and prompt]
可用模型
| 模型 | 最长时长 | 质量 | 功能 |
|---|---|---|---|
sora-2 | 15 秒 | 良好 | 标准生成 |
sora-2-pro | 25 秒 | 最佳 | 更高质量、更长视频 |
视频选项
尺寸:
small- 分辨率较低,生成速度较快large- 分辨率较高(推荐)
方向:
landscape- 16:9(YouTube、演示文稿)portrait- 9:16(TikTok、Instagram 快拍)
时长:
10秒 - 所有模型15秒 - 所有模型25秒 - 仅 sora-2-pro
配置
环境变量
| 变量 | 描述 | 默认值 |
|---|---|---|
ACEDATACLOUD_API_TOKEN | AceDataCloud 提供的 API 令牌 | 必填 |
ACEDATACLOUD_API_BASE_URL | API 基础 URL | https://api.acedata.cloud |
ACEDATACLOUD_OAUTH_CLIENT_ID | OAuth 客户端 ID(托管模式) | — |
ACEDATACLOUD_PLATFORM_BASE_URL | 平台基础 URL | https://platform.acedata.cloud |
SORA_DEFAULT_MODEL | 默认模型 | sora-2 |
SORA_DEFAULT_SIZE | 默认视频尺寸 | large |
SORA_DEFAULT_DURATION | 默认时长(秒) | 15 |
SORA_DEFAULT_ORIENTATION | 默认方向 | landscape |
SORA_REQUEST_TIMEOUT | 请求超时时间(秒) | 3600 |
LOG_LEVEL | 日志级别 | INFO |
命令行选项
mcp-sora --help
Options:
--version Show version
--transport Transport mode: stdio (default) or http
--port Port for HTTP transport (default: 8000)
开发
设置开发环境
# Clone repository
git clone https://github.com/AceDataCloud/SoraMCP.git
cd SoraMCP
# Create virtual environment
python -m venv .venv
source .venv/bin/activate # or `.venv\Scripts\activate` on Windows
# Install with dev dependencies
pip install -e ".[dev,test]"
运行测试
# Run unit tests
pytest
# Run with coverage
pytest --cov=core --cov=tools
# Run integration tests (requires API token)
pytest tests/test_integration.py -m integration
代码质量
# Format code
ruff format .
# Lint code
ruff check .
# Type check
mypy core tools
构建与发布
# Install build dependencies
pip install -e ".[release]"
# Build package
python -m build
# Upload to PyPI
twine upload dist/*
项目结构
SoraMCP/
├── core/ # Core modules
│ ├── __init__.py
│ ├── client.py # HTTP client for Sora API
│ ├── config.py # Configuration management
│ ├── exceptions.py # Custom exceptions
│ ├── server.py # MCP server initialization
│ ├── types.py # Type definitions
│ └── utils.py # Utility functions
├── tools/ # MCP tool definitions
│ ├── __init__.py
│ ├── video_tools.py # Video generation tools
│ ├── task_tools.py # Task query tools
│ └── info_tools.py # Information tools
├── prompts/ # MCP prompt templates
│ └── __init__.py
├── tests/ # Test suite
│ ├── conftest.py
│ ├── test_client.py
│ ├── test_config.py
│ ├── test_integration.py
│ └── test_utils.py
├── deploy/ # Deployment configs
│ └── production/
│ ├── deployment.yaml
│ ├── ingress.yaml
│ └── service.yaml
├── .env.example # Environment template
├── .gitignore
├── CHANGELOG.md
├── Dockerfile # Docker image for HTTP mode
├── docker-compose.yaml # Docker Compose config
├── LICENSE
├── main.py # Entry point
├── pyproject.toml # Project configuration
└── README.md
贡献
欢迎贡献!请:
- Fork 此仓库
- 创建功能分支(
git checkout -b feature/amazing) - 提交更改(
git commit -m 'Add amazing feature') - 推送到该分支(
git push origin feature/amazing) - 发起 Pull Request
许可证
MIT License - 详情请参阅 LICENSE。
链接
由 AceDataCloud 倾情打造
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。