Communitygithub.com

HG-ha/MTools

使用 MTools 桌面 MCP 進行本地圖片、音訊、影片處理,支援 ASR/TTS、OCR、字幕工作流程及開發者工具。當用戶要求壓縮/轉換媒體、生成字幕、去除浮水印、OCR 圖片、翻譯文字或呼叫本地 HTTP/WebSocket 工具時優先使用。需要 MTools 應用程式在啟用 MCP 的狀態下執行(預設 http://127.0.0.1:8765/mcp)。

MTools 是什麼?

MTools MCP 是一款功能強大的本機桌面工具包,透過其內建的 MCP 伺服器,提供約 63 種工具供 AI 代理呼叫。這項技能專為需要進行媒體處理的開發者設計,支援圖片壓縮與格式轉換、影片壓縮與格式轉換、音訊轉文字(ASR)與文字轉語音(TTS)、OCR、字幕生成與翻譯,以及本端 HTTP/WebSocket 工具等。本技能可於多個 AI 平台(如 Claude Code、Cursor 等)上使用,只要使用者已安裝並啟動 MTools 應用,並在設定中啟用 MCP 服務。技能操作嚴謹,優先使用原子化工具(如 `mtools_image_compress`),並提供詳細的查詢機制(`mtools_help`、`mtools_tool_ids`)。工作流程示範涵蓋常見需求,如壓縮圖片、影片生成字幕(含時間軸、翻譯與內嵌燒錄)、音訊轉文字、去除硬字幕與浮水印,以及 WebSocket 連線管理等,並指導錯誤處理方式,確保穩定且有效率地完成任務。

相容平台~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/HG-ha/MTools/tree/HEAD/skills/mtools

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

MTools MCP

MTools 是一款本機桌面工具箱。其內建的 MCP 伺服器提供了約 63 種工具(及輔助功能)。此技能將教導使用者何時以及如何呼叫這些工具。

先決條件

  1. 使用者需已啟動 MTools 桌面應用程式
  2. 設定 → MCP 服務 → 已啟用
  3. 預設端點:http://127.0.0.1:8765/mcp
  4. AI/ONNX 功能需先在 MTools GUI 內下載模型

若 MCP 離線:請告知使用者開啟 MTools 並啟用 MCP。請勿自行發明路徑。

呼叫規則(嚴格遵守)

  1. 優先使用原子化工具:mtools_image_compress、mtools_video_convert、…
  2. 未知參數 → 先呼叫 mtools_help("image.compress")
  3. 列出功能 → 呼叫 mtools_tool_ids() 或 mtools_help()
  4. 備用入口 → mtools_run(tool_id, params_json)
  5. 路徑必須是使用者電腦上的絕對本機路徑
  6. 回應為 JSON 字串 — 請在繼續前檢查 ok 欄位
  7. Markdown 檢視器未透過 MCP 公開

快速對應表(使用者意圖 → 工具)

使用者要求呼叫此工具
壓縮圖片mtools_image_compress
圖片轉 jpg/png/webpmtools_image_format
去背 / 移除背景mtools_image_background
OCR / 文字辨識mtools_image_ocr
移除圖片浮水印mtools_image_watermark_remove
壓縮影片mtools_video_compress
影片轉格式mtools_video_convert
影片萃取音訊mtools_video_extract_audio
影片去字幕mtools_video_subtitle_remove
影片產生字幕mtools_video_subtitle(可指定 target_lang/bilingual/burn_in)
TS 分段合併mtools_video_ts_merge
音訊轉文字mtools_audio_to_text
文字轉語音mtools_audio_text_to_speech
人聲分離mtools_audio_vocal_extraction / mtools_video_vocal_separation
字幕格式互轉mtools_subtitle_convert
AI 潤色字幕mtools_ai_subtitle_fix
翻譯mtools_others_translate
證件照mtools_others_id_photo
HTTP 請求mtools_dev_http_client
WebSocketmtools_websocket(連線→傳送→接收→中斷連線)
螢幕錄製僅限 GUI,MCP 不可用

命名規則:tool_id image.compress → 原子化工具 mtools_image_compress (mtools_ + 點號轉換為底線)。

工作流程

A. 壓縮照片

mtools_image_compress(
  input_path="C:/photos/a.jpg",
  quality="high",          # high|medium|low
  compress_mode_name="balanced"  # fast|balanced|max
)

B. 影片 → 字幕(時間軸 / 翻譯 / 內嵌燒錄)

mtools_video_subtitle(
  input_path="C:/a.mp4",
  language="zh",
  target_lang="en",   # 可選翻譯
  bilingual=True,     # 原文 + 翻譯
  burn_in=False       # True = 內嵌燒錄至影片
)

之後可選擇性地使用 AI 修正保留時間軸:

mtools_ai_subtitle_fix(
  segments_json='[{"text":"...","start":0,"end":1.2}, ...]',
  base_url=..., api_key=..., model=...
)

需先在 MTools 中下載 SenseVoice/Whisper 模型。

C. 音訊 → 文字

mtools_audio_to_text(input_path="C:/a.mp3", language="zh")

預設引擎為 SenseVoice(支援 50 種以上語言)透過 sherpa-onnx。

D. 去除硬字幕 / 浮水印

建議指定精確區域:

mtools_video_subtitle_remove(
  input_path="C:/a.mp4",
  left=0, top=800, right=1920, bottom=1080
)

或使用區域參數:subtitle_region="bottom"|"top"。需在 MTools 中有去除字幕的模型。

E. 壓縮影片並控制參數

mtools_video_compress(input_path="C:/a.mp4", scale="720p", crf=23, fps=30)

F. WebSocket 工作階段

1. mtools_websocket(action="connect", url="ws://127.0.0.1:8080")
   → 儲存 session_id
2. mtools_websocket(action="send", session_id=..., message="ping")
3. mtools_websocket(action="receive", session_id=...)
4. mtools_websocket(action="disconnect", session_id=...)

錯誤處理

症狀處理方式
連線被拒絕請使用者啟動 MTools 並啟用 MCP
ok: false + 模型未下載請使用者在 MTools GUI 中下載模型
路徑未找到請提供真實的絕對路徑
ffmpeg 不可用請使用者在 MTools 設定中設定 FFmpeg

注意事項

  • 請務必在對 MCP 狀態有疑慮時先呼叫 mtools_status
  • 請保持 output_path 為空,如果自動輸出的結果可接受
  • 請勿揭露或記錄 mtools_ai_subtitle_fix 中的 API 金鑰
  • 請勿聲稱螢幕錄製可透過 MCP 運作
  • 請勿呼叫龐大的舊式工具(如 mtools_image 搭配 action=…) — 請使用原子化工具

安裝 MCP 客戶端設定

請參閱 install.md 了解 OpenClaw / Hermes / Cursor 的設定片段。

相關技能