Transloadit MCP Server: subidas y procesamiento para agentes

Kevin van Zonneveld

Cofundador · Ámsterdam, Países Bajos ·

Los agentes ya trabajan bien con texto. Los problemas suelen surgir en los pipelines de archivos. Lo que las personas realmente quieren es más sencillo: «convierte este video a HLS», «crea variantes de imágenes listas para la web», «haz OCR de este PDF y dame texto estructurado», «genera miniaturas», «exporta todo a S3».

Transloadit ya hace bien todas esas tareas. El servidor MCP permite poner esas herramientas a disposición de un agente para que ejecute flujos de trabajo multimedia reales usando lenguaje natural.

Hoy lanzamos Transloadit MCP Server, una integración MCP que permite a los agentes subir archivos, crear Assemblies, descubrir Templates y obtener resultados de Transloadit.

Demostración: encoding de un video para streaming adaptativo HLS mediante Transloadit MCP Server en Claude

Si estás creando flujos de trabajo para agentes en Claude Code, Gemini CLI, OpenAI Codex o Cursor, Transloadit MCP Server ofrece al modelo un conjunto reducido y predecible de herramientas. En la práctica, esto significa menos endpoints inventados, prompts más cortos y flujos de trabajo que realmente se ejecutan de principio a fin.

Qué puedes hacer con Transloadit MCP Server

Subir archivos locales y reanudar subidas grandes con el protocolo tus.
Crear Assemblies con instrucciones completas y seguir los resultados.
Listar y usar Templates (incluidos los integrados).
Validar y analizar estáticamente las Assembly Instructions antes de ejecutar tus Assemblies.

MCP frente a Skills/CLI

MCP es la mejor opción para integrarlo durante la ejecución: pipelines de agentes de larga duración o autónomos en los que Transloadit se ejecuta repetidamente (subidas, Assemblies, consultas periódicas, resultados).

Las Skills y la CLI son la mejor opción para tareas puntuales dirigidas por personas: configurar integraciones, generar Templates, crear estructuras iniciales de código o ejecutar una única tarea de procesamiento localmente con acceso completo al repositorio y las herramientas.

Estas son pautas, no reglas estrictas. Algunos sistemas (por ejemplo, OpenClaw) pueden funcionar muy bien con Skills, y MCP también puede ser una gran opción para flujos interactivos con intervención humana. La elección adecuada depende de tu entorno y tus preferencias. Seguiremos dando soporte a ambas opciones.

Inicio rápido (agentes)

Para una configuración local (autoalojada), añade el servidor MCP a tu cliente de agentes. El cliente inicia el servidor automáticamente mediante npx -y @transloadit/mcp-server stdio. Configura TRANSLOADIT_KEY con tu Auth Key de Transloadit y TRANSLOADIT_SECRET con tu Auth Secret en el entorno del servidor para las herramientas que acceden a tu cuenta. Las herramientas de documentación de Robots funcionan sin estas credenciales.

Consulta las instrucciones de configuración para Claude, Codex, Gemini y Cursor en el README del servidor MCP.

Para conectarte al endpoint MCP alojado (https://api2.transloadit.com/mcp), sigue la guía Conecta Transloadit a ChatGPT, Claude y Codex para configurar el cliente e iniciar sesión en el navegador.

Para acceder al servicio alojado sin interfaz gráfica, usa tu Auth Key y tu Auth Secret de Transloadit con npx -y @transloadit/node auth token --aud mcp para generar un token Bearer y luego envíalo en el encabezado Authorization: Bearer <token>. El valor expires_in de la respuesta indica la duración del token en segundos.

Local frente a alojado

MCP local (autoalojado) funciona con rutas de archivos locales.
MCP alojado acepta URL públicas, archivos adjuntos de ChatGPT o subidas desde un entorno aislado mediante un destino reservado para la subida que devuelve un comando curl listo para ejecutar, que sube los archivos mediante el protocolo tus. Consulta cómo enviar archivos a Transloadit.

Qué sigue

También lanzamos Transloadit Agent Skills. Son guías con control de versiones que enseñan a los agentes flujos de trabajo multimedia repetibles. MCP proporciona herramientas a los agentes; las Skills les enseñan a usarlas bien. Ambos se complementan.

Lo próximo será mejorar las subidas, el análisis estático y el descubrimiento de Templates. También ampliaremos el conjunto de herramientas MCP en función de lo que las personas realmente construyan. Si estás desarrollando un flujo para agentes y quieres que alguna función esté disponible o mejore, cuéntanoslo.