マルチモーダル動画インテリジェンスのTwelveLabsが、MCP Serverを発表、AIエージェントに動画理解機能を付与

TwelveLabsは、マルチモーダル動画インテリジェンス分野のリーダーとして、新製品「Model Context Protocol (MCP) Server」を発表しました。これにより、AIアシスタントやエージェントが大規模に動画データを理解・活用できるようになります。

MCP Serverは、TwelveLabsの高度な動画理解モデルとClaude Desktop、Cursor、Gooseなどの人気AIクライアントを接続する「ユニバーサルアダプター」として機能します。オープン標準であるMCP上に構築され、開発者は簡単に動画解析機能をAIアプリケーションに統合可能です。CEOのJae Lee氏は「MCPによって動画はAIワークフローの一級機能となる。開発者はもはや複数のAPIをつなぎ合わせる必要がなく、数時間に及ぶ動画も即座に検索・要約・推論できる」と述べています。

MCP Serverの活用により、以下のような機能が提供されます：
• セマンティック検索：自然言語で数時間の映像から特定の瞬間を抽出。
• 自動要約とQ&A：長尺コンテンツを簡潔なレポートに変換。
• RAG型ワークフロー：検索と解析を組み合わせた多段階動画処理。
• インタラクティブアシスタント：動画をリアルタイムで探索するAIエージェント。

TwelveLabsの「Marengo」（マルチモーダル埋め込み）や「Pegasus」（動画からテキストへの推論）といった動画ネイティブモデルもMCP経由で利用可能です。Claude DesktopやCursorなどでの検証が完了しており、開発者は数分でセットアップを開始できます。

TwelveLabsについて
TwelveLabsは、人間のように動画を見て、聞いて、理解できる世界最強の動画インテリジェンスプラットフォームを開発しています。セマンティック検索、自動要約、マルチモーダル埋め込みなどを通じて、メディア、広告、セキュリティ、自動車といった業界で動画データの価値を最大化することを目指しています。