Primateintelligence MCP

Name: Primateintelligence MCP
Author: Primate-Intelligence

作者：Primate-Intelligence版本 0.4.0i★ –i电脑或云端

注册名称ai.primateintelligence/mcp

安装

概览

作者提供的说明（英文原文）

Video scene understanding for AI agents via the Primate Vision API.

PopNx MCP 的三大支柱

这三项永远不会合并成一个分数：意见、测量和人气是不同的东西。

用户评价i暂无评价评价功能将在后续阶段与账户功能一起开放
我们的基础检查i1 项中通过 1 项依据公开信息检查；尚未扫描代码
使用情况i尚未统计★ –

它能帮你做什么

我们还没有为它写通俗的介绍。下面是我们从注册中心读取到的事实。

连接方式: 电脑或云端
传输方式: stdio, Streamable HTTP
分类: 设计、图片与音频
你需要填写：PRIMATE_API_KEY

安装

选择你使用的 AI 应用，然后复制设置。

安装之前

基础检查：1 项中通过 1 项
在作者的服务器上运行：你向它提出的内容会经过他们的服务器。
需要你自己填写： PRIMATE_API_KEY, Authorization

标为机密的值是你账户的钥匙。千万不要分享给别人，也不要粘贴到聊天里。

你需要

在云端运行无需安装任何东西，通过互联网连接
npm已安装 Node.js（用于 npx 命令）

你用的是哪个应用？

ClaudeClaude CodeCursorVS CodeChatGPT

在上方选择你的应用。我们会记住它，下次按钮会显示“安装到 …”。

这个地址需要在请求的 header 中放入密钥，而添加连接器的菜单无法设置。请改用 Claude Code、Cursor 或 VS Code。

或者在你的电脑上运行

打开 Claude Desktop → Settings → Developer → Edit Config，把下面的内容粘贴到 claude_desktop_config.json

{
  "mcpServers": {
    "primateintelligence": {
      "command": "npx",
      "args": [
        "-y",
        "@primate-intelligence/mcp"
      ],
      "env": {
        "PRIMATE_API_KEY": "your-value"
      }
    }
  }
}

在终端中运行这条命令

claude mcp add --transport http primateintelligence https://api.primateintelligence.ai/mcp --header 'Authorization: Bearer {PRIMATE_API_KEY}'

或者在你的电脑上运行

claude mcp add primateintelligence --env PRIMATE_API_KEY=your-value -- npx -y @primate-intelligence/mcp

运行前请先填写空着的值。

在 Cursor 中打开

或者自己复制设置

粘贴到项目中的 .cursor/mcp.json，或 ~/.cursor/mcp.json

{
  "mcpServers": {
    "primateintelligence": {
      "url": "https://api.primateintelligence.ai/mcp",
      "headers": {
        "Authorization": "Bearer {PRIMATE_API_KEY}"
      }
    }
  }
}

或者在你的电脑上运行

在 Cursor 中打开

或者自己复制设置

粘贴到项目中的 .cursor/mcp.json，或 ~/.cursor/mcp.json

{
  "mcpServers": {
    "primateintelligence": {
      "command": "npx",
      "args": [
        "-y",
        "@primate-intelligence/mcp"
      ],
      "env": {
        "PRIMATE_API_KEY": "your-value"
      }
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

在 VS Code 中打开

或者自己复制设置

粘贴到项目中的 .vscode/mcp.json

{
  "servers": {
    "primateintelligence": {
      "type": "http",
      "url": "https://api.primateintelligence.ai/mcp",
      "headers": {
        "Authorization": "Bearer {PRIMATE_API_KEY}"
      }
    }
  }
}

或者在你的电脑上运行

在 VS Code 中打开

或者自己复制设置

粘贴到项目中的 .vscode/mcp.json

{
  "servers": {
    "primateintelligence": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "@primate-intelligence/mcp"
      ],
      "env": {
        "PRIMATE_API_KEY": "your-value"
      }
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

这个地址需要在请求的 header 中放入密钥，而添加连接器的菜单无法设置。请改用 Claude Code、Cursor 或 VS Code。

你的选择通过 Cookie 保存在这台设备上，无需账户。

需要你填写的值

PRIMATE_API_KEY 机密必填 env
Primate Vision API key (get a free one at https://primateintelligence.ai/docs/agents)
Authorization HTTP header

这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同，请以 README 为准。

它能做什么

我们还没有读取这个服务器的工具列表；我们会轮流检查各个端点。

基础检查i

我们检查的是任何人都能看到的信息；我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月6日

✓ 通过
作者与仓库一致
注册名称已通过域名 primateintelligence.ai 验证（注册中心会核实域名所有权）
… 尚未检查
仍在维护
我们还没有从 GitHub 读取这个仓库
… 尚未检查
有许可证
我们还没有从 GitHub 读取这个仓库
… 尚未检查
端点有响应
尚未检查；我们会轮流检查各个端点
… 尚未检查
使用 OAuth 登录
尚未检查；我们会轮流检查各个端点
… 尚未检查
工具描述中没有隐藏指令
尚未检查；我们会在检查端点时读取工具列表

与“设计、图片与音频”中的其他服务器比较i

星标数多于此分类中其他 2166 个服务器的 0%
发布到注册中心的时间比此分类中其他 2166 个服务器的 20% 更新
基础检查结果等于或优于此分类中其他 2166 个服务器的 100%

与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时，星标数才计入。

常见问题

Primateintelligence MCP 安全吗？

它在 1 项适用的基础检查中通过了 1 项。我们没有阅读代码。在添加密钥或令牌之前，请先看看这个服务器要求哪些权限，并使用只具备所需权限的密钥。

它需要哪些密钥或代码？

你需要填写：PRIMATE_API_KEY

它在我的电脑上运行还是在云端？

两种方式都可以：安装在你的电脑上，或者连接云端版本。

它还在维护吗？

GitHub 仓库最后更新于–，最新版本（0.4.0）于3个月前进入注册中心。

哪些应用可以使用它？

支持 MCP 的应用，例如 Claude Desktop、Claude Code、Cursor 和 VS Code。它通过 URL 连接，所以接受远程 MCP 服务器的应用也可以使用，例如开启开发者模式的 ChatGPT。

有什么可以替代它？

同一分类中有：Figma Context MCP, Claude Real Video, Figma MCP Server

替代选择

同一分类中其他作者的服务器，按星标数排序。

如何看卡片：★ GitHub 星标i三大支柱：评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i

Figma Context MCP

作者：GLips

Give your coding agent access to your Figma data. Implement designs in any framework in one-shot.

在你的电脑上运行★ 16,165MIT5个月前更新

安装

Claude Real Video

作者：HUANGCHIHHUNGLeo

Let any LLM watch a video locally — and search everything it has ever watched.

在你的电脑上运行★ 2,284MIT2个月前更新

安装

Figma MCP Server

作者：figma

The Figma MCP server brings Figma design context directly into your AI workflow.

在云端运行★ 2,15213个月前更新

安装

作者的 README

打开 README

按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。

@primate-intelligence/mcp

MCP (Model Context Protocol) server for the Primate Vision video analysis API — a video understanding API by Primate Intelligence (docs · llms.txt).

Gives AI agents video scene understanding as tools: register a video, ask a question in plain English, get a deterministic answer with a confidence score and clip timestamps. No hallucinated descriptions — the answer is yes / no / indeterminate with evidence.

Try it for free

A free test key requires no email, no card, no signup:

curl -X POST https://api.primateintelligence.ai/v1/sandbox

Your AI agent can do this for you — right from Claude. Point it at primateintelligence.ai/llms.txt and it can discover, provision, integrate, and self-verify with zero human steps.

Two ways to connect

1. Remote server (recommended) — OAuth, nothing to install

Streamable HTTP endpoint with full OAuth 2.1 + Dynamic Client Registration + PKCE:

https://api.primateintelligence.ai/mcp

In Claude.ai / Claude Desktop: Settings → Connectors → Add custom connector, paste the URL, sign in. No API key handling — the OAuth flow issues and rotates tokens for you.

2. Local stdio server

// claude_desktop_config.json · .mcp.json · mcp.json · .cursor/mcp.json

{ "mcpServers": { "primate-intelligence": { "command": "npx", "args": ["-y", "@primate-intelligence/mcp"], "env": { "PRIMATE_API_KEY": "pv_live_…" } } } }

Tools

Tool	Does	Read-only
`create_video_from_url`	Register a video from a public https URL (`POST /v1/videos`)	—
`create_analysis`	Ask a question about a video (`POST /v1/analyses`)	—
`validate_analysis`	Dry-run a prompt: assessability + cost estimate, zero credits (`validate_only: true`)	✓
`create_analysis_batch`	2–10 prompts on one video; each after the first billed at 50% (`POST /v1/analyses/batch`)	—
`get_analysis`	Fetch analysis status/result (`GET /v1/analyses/{id}`)	✓
`wait_for_analysis`	Poll until terminal state; returns `{ analysis, retry }`	✓
`list_models`	List available models (`GET /v1/models`)	✓
`get_usage`	Credit balance + period meters (`GET /v1/usage`)	✓
`get_credits`	Balance + per-analysis transaction ledger (`GET /v1/credits`)	✓
`get_test_fixture`	Stable fixture for integration self-verification (`GET /v1/test-fixture`)	✓

Every tool carries MCP annotations (title, readOnlyHint, destructiveHint, idempotentHint, openWorldHint), declares an outputSchema, and returns structuredContent conforming to it. No tool deletes data. Tool descriptions and schemas mirror the OpenAPI document at GET /v1/openapi.json — the spec is the source of truth.

Typical agent flow

get_test_fixture → verify the integration works (test keys return deterministic results, no quota burn)
create_video_from_url with the video URL
validate_analysis → confirm the prompt is assessable + preview estimated_cost_usd (free)
create_analysis with the question — *"Is there a person in this video?"* — or create_analysis_batch for several
wait_for_analysis → result.answer (yes | no | indeterminate) + result.confidence + result.clips + result.detected_count (count queries) + result.indeterminate_reason
On insufficient_credits: call get_credits, report the balance + recent debits, point the human at billing

Security contract

The API key is read from the PRIMATE_API_KEY environment variable only. No tool accepts a key, token, or secret as an argument — so credentials never land in agent transcripts, tool-call logs, or model context. This is enforced by a unit test that fails the build if any tool schema grows a credential-shaped parameter.

Errors surface the machine-readable error code, a docs_url, and the request_id so an agent can self-correct without a human in the loop.

Configuration

Var	Required	Default
`PRIMATE_API_KEY`	yes	—
`PRIMATE_BASE_URL`	no	`https://api.primateintelligence.ai`

Development

npm install

npm test # vitest — tool surface, security contract, polling, error shape npm run build # tsc → dist/

Primateintelligence MCP

概览

PopNx MCP 的三大支柱

它能帮你做什么

安装

安装之前

或者在你的电脑上运行

或者在你的电脑上运行

或者在你的电脑上运行

或者在你的电脑上运行

需要你填写的值

它能做什么

基础检查i

作者与仓库一致

仍在维护

有许可证

端点有响应

使用 OAuth 登录

工具描述中没有隐藏指令

与“设计、图片与音频”中的其他服务器比较i

常见问题

替代选择

Figma Context MCP

Claude Real Video

Figma MCP Server

作者的 README

@primate-intelligence/mcp

Try it for free

Two ways to connect

1. Remote server (recommended) — OAuth, nothing to install

2. Local stdio server

Tools

Typical agent flow

Security contract

Configuration

Development

Links

License