mcp.film directory

Name: mcp.film directory
Author: c47-inc

โดย c47-incรุ่น 1.6.0i★ –iบนเครื่องหรือคลาวด์

ชื่อใน registryfilm.mcp/directory

ติดตั้ง

ภาพรวม

คำอธิบายจากผู้ทำ (ภาษาอังกฤษตามต้นฉบับ)

Search the curated directory of MCP servers for AI filmmaking and plan a full production stack.

สามเสาของ PopNx MCP

สามเรื่องนี้ไม่รวมเป็นคะแนนเดียว เพราะความเห็น การวัด และความนิยม เป็นคนละเรื่องกัน

เสียงผู้ใช้iยังไม่มีรีวิวรีวิวเปิดพร้อมระบบบัญชีในขั้นถัดไป
ผลตรวจเบื้องต้นของเราiผ่าน 1 จาก 1 ข้อตรวจจากข้อมูลที่เปิดอยู่ ยังไม่ได้สแกนโค้ด
การใช้งานiยังไม่ได้วัด★ –

ใช้ทำอะไรได้

ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry

การเชื่อมต่อ: บนเครื่องหรือคลาวด์
ช่องทาง (transport): stdio, Streamable HTTP
หมวด: ค้นข้อมูลและความจำของ AI

ติดตั้ง

เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง

ก่อนติดตั้ง

ผลตรวจเบื้องต้น: ผ่าน 1 จาก 1 ข้อ
รันบนเครื่องของผู้ทำ สิ่งที่คุณถามจะผ่านเครื่องของเขา
ทะเบียนไม่ได้ระบุ key ที่ต้องใส่

ต้องเตรียมก่อน

รันบนคลาวด์ไม่ต้องลงโปรแกรมเพิ่ม ต่อผ่านอินเทอร์เน็ตได้เลย
npmติดตั้ง Node.js (มีคำสั่ง npx) ในเครื่อง

คุณใช้แอปไหน

ClaudeClaude CodeCursorVS CodeChatGPT

เลือกแอปด้านบน เราจำไว้ให้ ครั้งหน้าปุ่มจะขึ้นว่า “ติดตั้งลง …”

ใช้ได้ทั้ง Claude บนเว็บ แอปคอมพิวเตอร์ และมือถือ:

เปิด Settings → Connectors
กด Add custom connector
วางที่อยู่ด้านล่างแล้วกด Add
ถ้าให้ล็อกอิน ให้ล็อกอินกับผู้ทำ

https://mcp.film/mcp

หรือรันในเครื่องคุณ

เปิด Claude Desktop → Settings → Developer → Edit Config แล้ววางค่านี้ในไฟล์ claude_desktop_config.json

{
  "mcpServers": {
    "directory": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-film"
      ]
    }
  }
}

พิมพ์คำสั่งนี้ใน Terminal

claude mcp add --transport http directory https://mcp.film/mcp

หรือรันในเครื่องคุณ

claude mcp add directory -- npx -y mcp-film

เปิดใน Cursor

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .cursor/mcp.json ของโปรเจกต์ หรือ ~/.cursor/mcp.json

{
  "mcpServers": {
    "directory": {
      "url": "https://mcp.film/mcp"
    }
  }
}

หรือรันในเครื่องคุณ

เปิดใน Cursor

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .cursor/mcp.json ของโปรเจกต์ หรือ ~/.cursor/mcp.json

{
  "mcpServers": {
    "directory": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-film"
      ]
    }
  }
}

เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง

เปิดใน VS Code

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .vscode/mcp.json ของโปรเจกต์

{
  "servers": {
    "directory": {
      "type": "http",
      "url": "https://mcp.film/mcp"
    }
  }
}

หรือรันในเครื่องคุณ

เปิดใน VS Code

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .vscode/mcp.json ของโปรเจกต์

{
  "servers": {
    "directory": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "mcp-film"
      ]
    }
  }
}

ChatGPT ต่อได้เฉพาะ server ที่อยู่บนอินเทอร์เน็ต:

เปิด ChatGPT บนเว็บ → Settings → Connectors (Apps)
กด Create หรือ Add (บางแพ็กเกจต้องเปิด Developer mode ใน Advanced ก่อน)
วางที่อยู่ด้านล่าง ตั้งชื่อ แล้วบันทึก
ถ้าให้ล็อกอิน ให้ล็อกอินกับผู้ทำ

https://mcp.film/mcp

ชื่อเมนูอาจต่างกันเล็กน้อยตามแพ็กเกจและรุ่นของแอป

ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี

ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README

ทำอะไรได้บ้าง

ยังไม่ได้อ่านรายการเครื่องมือของตัวนี้ เราตรวจ endpoint ทีละชุดวนไป

ผลตรวจเบื้องต้นi

เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 7 พ.ย. 2569

✓ ผ่าน
ตัวตนผู้ทำตรงกับ repo
ชื่อใน registry ยืนยันโดเมน mcp.film แล้ว (registry ตรวจความเป็นเจ้าของโดเมน)
… ยังไม่ตรวจ
ยังมีคนดูแล
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
… ยังไม่ตรวจ
มีสัญญาอนุญาต (license)
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
… ยังไม่ตรวจ
endpoint ตอบ
ยังไม่ได้ตรวจ เราตรวจ endpoint ทีละชุดวนไป
… ยังไม่ตรวจ
ล็อกอินแบบ OAuth
ยังไม่ได้ตรวจ เราตรวจ endpoint ทีละชุดวนไป
… ยังไม่ตรวจ
คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง
ยังไม่ได้ตรวจ เราอ่านรายการเครื่องมือตอนตรวจ endpoint

เทียบกับตัวอื่นในหมวด ค้นข้อมูลและความจำของ AIi

ดาวมากกว่า 0% ของอีก 7254 ตัวในหมวดนี้
ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 78% ของอีก 7254 ตัวในหมวดนี้
ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 100% ของอีก 7254 ตัวในหมวดนี้

เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo

คำถามที่พบบ่อย

mcp.film directory ปลอดภัยไหม?

จากการตรวจเบื้องต้นของเรา ผ่าน 1 จาก 1 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น

ต้องใช้กุญแจหรือรหัสอะไรบ้าง?

registry ไม่ได้ระบุว่าต้องใช้กุญแจ แต่บางตัวจะขอให้ล็อกอินตอนใช้ครั้งแรก

ตัวนี้รันบนเครื่องหรือบนคลาวด์?

ได้ทั้งสองแบบ จะลงในเครื่องหรือต่อผ่านคลาวด์ก็ได้

ยังมีคนดูแลอยู่ไหม?

repo บน GitHub มีการแก้โค้ดล่าสุด – และส่งรุ่นล่าสุด (1.6.0) เข้า registry 10 วันที่ผ่านมา

ใช้กับโปรแกรมไหนได้บ้าง?

โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต่อผ่าน URL จึงใช้กับโปรแกรมที่รับ remote MCP ได้ เช่น ChatGPT ที่เปิดโหมดนักพัฒนา

มีตัวไหนใช้แทนได้บ้าง?

ในหมวดเดียวกันมี Context7, Codebase Memory, Exa

ตัวที่ใช้แทนได้

server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว

อ่านการ์ด:★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi

Context7

โดย upstash

ส่งคู่มือการใช้ไลบรารีและเฟรมเวิร์กรุ่นล่าสุดให้ AI อ่านก่อนตอบ ช่วยให้โค้ดที่ AI เขียนไม่ใช้คำสั่งเก่าที่เลิกใช้แล้ว

บนเครื่องหรือคลาวด์★ 64,224MITอัปเดต วันนี้

ติดตั้ง

Codebase Memory

โดย DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

รันบนเครื่อง★ 48,148MITอัปเดต 20 วันที่ผ่านมา

ติดตั้ง

Exa

โดย exa-labs

Connect AI agents to Exa for web search, content fetching, and multi-step research.

รันบนคลาวด์★ 5,213MITอัปเดต เดือนที่แล้ว

ติดตั้ง

README จากผู้ทำ

เปิดอ่าน README

ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ

mcp-film

The mcp.film directory as an MCP server. Give your agent a map of every MCP server worth knowing in AI filmmaking — searchable by capability, with copy-paste install configs and a full-pipeline planner.

claude mcp add mcp-film -- npx -y mcp-film

Or connect the hosted endpoint — same tools, no local install:

claude mcp add --transport http mcp-film https://mcp.film/mcp

Speaks MCP 2025-11-25, 2025-06-18 and 2025-03-26 (an unknown offered version gets the latest). initialize returns short instructions: start with recommend_film_mcps(brief).

Tools

Tool	What it does
`recommend_film_mcps`	Match a free-text brief to the best routes and first servers to connect. Hard constraints first (`constraints` object or phrases in the brief), then relevance; `confidence` says how well the brief matched
`search_film_mcps`	Tokenised, alias-aware search (`lipsync` = `lip-sync` = `lip sync`; `tts` = `text to speech`; `4k` = `upscale`; creative-app names and aliases such as `c4d`, `resolve` or `fcp` find the servers that drive that app); filter by category, capability, official, remote, `answering_only` (hosted endpoint answered the daily check); paged
`get_film_mcp`	Full entry for one server: install, auth, tools, caveats, status, evidence level and last endpoint/package check
`list_film_categories`	All categories with pipeline stages and agent hints
`list_film_capabilities`	Capability tags (aliases folded in) ranked by server count; `min_count` 2 by default; paged
`get_film_capability`	Ranked server cluster for one tag; aliases resolve (`lipsync` → `lip-sync`, says `resolved_from`); paged
`get_install_config`	Copy-paste config or hosted remote URL for a client from `list_client_profiles`; a bad client returns `valid_clients`
`list_client_profiles`	Supported MCP client setup profiles and install-shape hints
`get_martini_setup`	Executable runbook for connecting a user to Martini (the sponsor): resumable state model, human steps, agent steps per client / shell / browser, quote-first generation contract, structured cost, when not to
`get_catalog_pulse`	Operating pulse: freshness, verification queue, curator agenda, machine surfaces. `demand_signals` and `martini_growth_checks` are curator/ops sections served only by name
`list_film_playbooks`	Curated production stack recipes for common AI filmmaking jobs; paged
`get_film_playbook`	Full playbook with primary servers, setup order, auth requirements, steps, constraints, fallbacks. Pass `client` (`claude_code`, `claude_desktop`, `cursor`) for only a copy-paste install of the whole stack
`list_film_recommendations`	Intent-routed MCP shortlists for common filmmaking jobs; paged
`get_film_recommendation`	Full recommendation with roles, reasons, fallbacks, and Martini handoff guidance
`plan_film_stack`	Recommended servers for every pipeline stage, biased by your brief (capabilities, taglines, descriptions)
`submit_listing`	Propose a new server: validated, deduped against the live registry, returned as a ready-to-file GitHub issue payload (a mcp.film maintainer verifies against primary sources before listing)

Response shapes

Every result is compact JSON in content[0].text and the same object in structuredContent.

Lists (search_film_mcps, get_film_capability, list_film_capabilities, list_film_playbooks, list_film_recommendations) carry count, total, limit, offset, next_offset and truncated. Nothing is cut silently: pass offset: next_offset for the next page. Default limit is 20 (50 for capabilities), maximum 100.

Compact server (search results, capability clusters, stack picks): slug, url, verified, caveat, name, vendor, official, category, tagline, pricing, remote, evidence, capabilities plus status when the listing carries one. caveat is the entry's caveats[0], else the first sentence of its notes that is not a verification log line. get_film_mcp is always the full entry.

Recommendation pick (recommend_film_mcps): primary_servers[] and the alias primary[] hold {slug, name, role, why, remote, official, verified, status?, caveats?}; fallback_servers[] hold {slug, name, remote, official, verified, status?}. Pass verbosity: "full" for the complete server objects. Each route has match: {score, strength}; the reply has confidence (strong | fair | weak). When Martini is a primary pick or the brief asks for production state, the route carries martini_handoff (prose) and martini_handoff_structured (when, not_when, first_calls, install {mcp, cli}, signup_url, setup_tool, tracked_url, disclosure).

Constraints (recommend_film_mcps): constraints: {local_only, no_upload, hosted_only, has_shell, free_only, os}, also inferred from phrases such as "locally", "without uploading", "confidential", "offline", "no budget", "free tools", "no local install". Violating picks are removed before scoring and named in excluded_by_constraints; if nothing survives, the reply is no_match with unsatisfied_constraints and relevant_routes.

Whole-stack install (get_film_playbook with client): {id, title, url, install_script, note}. install_script is {client, servers, script} for claude_code (one commented claude mcp add line per server) or {client, servers, file, config, note} for claude_desktop / cursor (one merged mcpServers object), plus checklist[] (slug, name, auth, env_var?, where?: the keys, OAuth sign-ins and local apps the stack needs) and skipped[] (slug, name, reason, listing). Primary and workflow servers only, never fallbacks. Retired listings, listings with install.generate: false, and listings with no mechanical install for that client are skipped with the reason, never guessed at. It is the same block shown on mcp.film/playbooks/{id}/ and in its .md.

Evidence. Every server carries evidence, derived at build time from a daily anonymous check (no LLM, no credentials, tools are never called): endpoint_answered (the hosted endpoint completed an MCP initialize, or answered with a 401/403 sign-in challenge, within the last 7 days) > package_resolves (its npm/PyPI package exists, checked within 7 days) > docs_checked (only the curator's verified date). get_film_mcp adds last_probe: {date, result, protocol_version, tool_count, anonymous_tools_list, auth_required, oauth_metadata, consecutive_failures, last_ok} (result: ok | auth_required | handshake_only | error | unreachable) and package_check: {date, registry, name, found, latest_version, last_ok}, each null when not applicable. A failing check never changes status; a curator does that after re-verifying.

Status. Listings with status dead, archived or deprecated are hidden from search, recommendations and stack plans unless include_inactive: true.

Zero results. search_film_mcps returns did_you_mean (nearest capabilities, categories, servers) and a hint; an unknown category or capability is an error carrying valid_categories / did_you_mean.

How it works

Zero dependencies. Fetches the live registry from https://mcp.film/api/registry.min.json and production playbooks from https://mcp.film/api/playbooks.json, plus recommendation routes from https://mcp.film/api/recommendations.json and the operating pulse from https://mcp.film/api/pulse.json (5s timeout each), then falls back to bundled snapshots offline. Live data is cached for an hour and refreshed in the background (MCP_FILM_CACHE_TTL_MS); MCP_FILM_OFFLINE=1 serves the snapshots only and MCP_FILM_API_BASE points the fetch at another host. get_catalog_pulse reports data_source and observed_at. Data is curated and re-verified continuously at github.com/c47-inc/mcp-film.

MIT.

mcp.film directory

ภาพรวม

สามเสาของ PopNx MCP

ใช้ทำอะไรได้

ติดตั้ง

ก่อนติดตั้ง

หรือรันในเครื่องคุณ

หรือรันในเครื่องคุณ

หรือรันในเครื่องคุณ

หรือรันในเครื่องคุณ

ทำอะไรได้บ้าง

ผลตรวจเบื้องต้นi

ตัวตนผู้ทำตรงกับ repo

ยังมีคนดูแล

มีสัญญาอนุญาต (license)

endpoint ตอบ

ล็อกอินแบบ OAuth

คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง

เทียบกับตัวอื่นในหมวด ค้นข้อมูลและความจำของ AIi

คำถามที่พบบ่อย

ตัวที่ใช้แทนได้

Context7

Codebase Memory

Exa

README จากผู้ทำ

mcp-film

Tools

Response shapes

How it works