Transloadit MCP Server: agentennative Uploads und Verarbeitung

Agenten können bereits gut mit Text arbeiten. Bei Dateipipelines hakt es dagegen oft. Was Menschen eigentlich wollen, ist einfacher: „Wandle dieses Video in HLS um“, „Erstelle Bildvarianten fürs Web“, „Lies dieses PDF per OCR aus und gib mir strukturierten Text“, „Generiere Thumbnails“, „Exportiere alles nach S3“.

All das beherrscht Transloadit bereits gut. Mit dem MCP Server geben Sie einem Agenten diesen Werkzeugkasten an die Hand, damit er echte Medienworkflows anhand natürlicher Sprache ausführen kann.

Heute veröffentlichen wir den Transloadit MCP Server: eine MCP-Integration, mit der Agenten Dateien hochladen, Assemblies erstellen, Templates finden und Ergebnisse von Transloadit abrufen können.

Wenn Sie Agentenworkflows mit Claude Code⁠, Gemini CLI⁠, OpenAI Codex⁠ oder Cursor⁠ entwickeln, bietet der Transloadit MCP Server dem Modell eine kleine, berechenbare Toolschnittstelle. In der Praxis bedeutet das weniger erfundene Endpunkte, kürzere Prompts und Workflows, die tatsächlich von Anfang bis Ende funktionieren.

Was Sie mit dem Transloadit MCP Server tun können

• Lokale Dateien hochladen und große Uploads mit tus⁠ fortsetzen.
• Assemblies mit vollständigen Anweisungen erstellen und Ergebnisse verfolgen.
• Templates auflisten und verwenden (auch integrierte).
• Assembly Instructions vor der Ausführung Ihrer Assemblies validieren und mit Linting prüfen.

MCP vs. Skills/CLI

MCP eignet sich am besten für den eingebetteten Einsatz zur Laufzeit: langlebige oder autonome Agentenpipelines, in denen Transloadit wiederholt zum Einsatz kommt (Uploads, Assemblies, Polling, Ergebnisse).

Skills/CLI eignen sich am besten für einmalige Aufgaben unter menschlicher Anleitung: Integrationen einrichten, Templates generieren, Codegerüste erstellen oder eine einzelne Verarbeitungsaufgabe lokal mit vollem Zugriff auf Repository und Tools ausführen.

Das sind allerdings Empfehlungen, keine festen Regeln. Manche Systeme (zum Beispiel OpenClaw⁠) funktionieren hervorragend mit Skills. Auch MCP kann sich bestens für interaktive Abläufe eignen, bei denen Menschen eingebunden bleiben. Die richtige Wahl hängt von Ihrer Umgebung und Ihren Vorlieben ab. Wir unterstützen weiterhin beides.

Schnellstart (Agenten)

Für eine lokale, selbst gehostete Einrichtung fügen Sie den MCP Server zu Ihrem Agentenclient hinzu. Der Client startet den Server automatisch mit npx -y @transloadit/mcp-server stdio. Für Tools, die auf Ihr Konto zugreifen, setzen Sie in der Serverumgebung TRANSLOADIT_KEY auf Ihren Auth Key von Transloadit und TRANSLOADIT_SECRET auf Ihr Auth Secret. Tools für die Robot-Dokumentation funktionieren ohne diese Zugangsdaten.

Die Einrichtungsanleitungen für Claude, Codex, Gemini und Cursor finden Sie in der README zum MCP Server⁠.

Um sich mit dem gehosteten MCP-Endpunkt (https://api2.transloadit.com/mcp) zu verbinden, folgen Sie Transloadit mit ChatGPT, Claude und Codex verbinden. Dort erfahren Sie, wie Sie den Client einrichten und sich im Browser anmelden.

Für den gehosteten Zugriff ohne Benutzeroberfläche verwenden Sie Ihren Auth Key und Ihr Auth Secret von Transloadit mit npx -y @transloadit/node auth token --aud mcp, um ein Bearer-Token zu erzeugen. Senden Sie es dann im Header Authorization: Bearer <token>. Der Wert expires_in in der Antwort gibt die Gültigkeitsdauer des Tokens in Sekunden an.

Lokal vs. gehostet

• Lokales (selbst gehostetes) MCP arbeitet mit lokalen Dateipfaden.
• Gehostetes MCP akzeptiert öffentliche URLs, ChatGPT-Anhänge oder Sandbox-Uploads über eine Upload-Reservierung, die einen sofort ausführbaren Befehl curl für einen Upload mit tus⁠ zurückgibt. Erfahren Sie, wie Sie Dateien zu Transloadit übertragen.

Wie es weitergeht

Wir haben außerdem Transloadit Agent Skills veröffentlicht. Diese versionierten Leitfäden vermitteln Agenten wiederholbare Medienworkflows. MCP stellt Agenten Tools bereit; Skills zeigen ihnen, wie sie diese sinnvoll einsetzen. Beides ergänzt sich.

Als Nächstes verbessern wir Uploads, Linting und das Auffinden von Templates. Außerdem erweitern wir die MCP-Toolschnittstelle anhand dessen, was Menschen tatsächlich entwickeln. Wenn Sie einen Agentenworkflow aufbauen und eine Funktion zugänglich machen oder verbessern möchten, lassen Sie es uns wissen.