关于 clipquery
clipquery 是面向经 Flashback 处理的个人视频库的自然语言搜索客户端。它返回匹配片段的描述、相关性评分、观看链接及链接过期时间。
主要功能
- 01用自然语言搜索视频片段
- 02返回 AI 生成的片段描述
- 03提供相关性评分和观看链接
- 04显示链接过期时间
- 05命令行与 stdio MCP 服务
适用场景
- 01查找有人讲话的视频片段
- 02定位讨论截止日期的片段
- 03按相关性评分查看匹配片段
MCP 相关
其 MCP 服务提供 query_videos 搜索片段,以及 get_setup_instructions 获取本地设置说明。视频查询需要配置 FLASHBACK_USER_ID 和 FLASHBACK_API_BASE_URL。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
2收录的工具列表 · 更新于 1 周前
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| query | string | 是 | 对所查找内容的自然语言描述 |
| max_results | integer | 否 | 要返回的结果数上限(1-15) |
详细介绍
clipquery
使用自然语言搜索个人视频库。经 Flashback 系统处理的视频会拆分为约 30 秒的片段,分析视觉内容、转录并生成嵌入;系统会对这些片段进行语义匹配,并为每条结果返回 AI 生成的描述、相关性评分(0–1)、可直接观看该片段的 URL,以及该 URL 的过期时间。预签名 URL 会在 1 小时后过期——请重新运行查询以获取新的 URL。
配置
query_videos 需要设置两个环境变量:
FLASHBACK_USER_ID— 你在 Flashback 中的唯一账户标识符 (例如4087fce3-3d86-4047-b35f-4004b4c19192)FLASHBACK_API_BASE_URL— Flashback 视频处理 API 的基础 URL。 上游未提供默认值,因此必须设置;如果缺少此值,会在发出任何请求前报错并指出该变量。
get_setup_instructions 是本地工具,无需配置。
命令行
npx @reneturcios/clipquery query "person talking" --max-results 5
npx @reneturcios/clipquery query "meeting discussion about deadlines"
npx @reneturcios/clipquery setup
npx @reneturcios/clipquery --version
退出码:成功时为 0,运行时错误(包括缺少配置)时为 1,用法错误时为 2。
MCP 服务
npx -y @reneturcios/clipquery mcp
MCP 客户端配置:
{
"mcpServers": {
"clipquery": {
"command": "npx",
"args": ["-y", "@reneturcios/clipquery", "mcp"],
"env": {
"FLASHBACK_USER_ID": "your-flashback-user-id",
"FLASHBACK_API_BASE_URL": "https://your-flashback-api-host"
}
}
}
}
工具
query_videos— 根据自然语言查询搜索视频片段。query(字符串,必填)— 你要查找内容的自然语言描述;max_results(整数,可选,默认值为 10)— 要返回的结果数量上限(1–15)。get_setup_instructions— 获取视频查询系统的详细设置说明。无需参数。
该服务也仅在指南文本中映射上游文档所述的资源 URI 概念;不提供 MCP 资源。
Docker
docker run -i -e FLASHBACK_USER_ID -e FLASHBACK_API_BASE_URL ghcr.io/cloudcorprecords/clipquery
docker run --rm ghcr.io/cloudcorprecords/clipquery setup
开发
npm install
npm run build # tsc -> dist/
npm test # tsx --test test/*.test.ts (fake fetch only, no network)
npm run dev # run the CLI from source
许可证
MIT — 版权所有 (c) 2026 Rene Turcios
评论
支持 Markdown
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。