Amazon Agent Iris

Servidor MCP que cria imagens de listagem da Amazon e vídeo de produto a partir de dados de catálogo ao vivo.

GitHubExperimente este MCPPatrocinado

Documentação

Servidor MCP de imagens e vídeos para listagens da Amazon (Amazon Agent Iris) por Kuudo

Crie imagens de listagens da Amazon e vídeos de produtos a partir de dados de catálogo ao vivo, referências reais de produtos, regras da Amazon e fluxos de trabalho seguros e aprovados por humanos.

MCP Registry License: MIT Community

Página do produto: https://www.kuudo.com/features/amazon-agent-iris/ · Documentação: https://www.kuudo.com/docs/amazon-agent-iris/ · Preços: https://www.kuudo.com/pricing.md

Conectar

A Kuudo roda na sua própria nuvem. O plano Community implanta uma instância de cada servidor MCP da Amazon na sua conta, e seu cliente se conecta a essa implantação:

{
  "mcpServers": {
    "amazon-agent-iris-mcp": {
      "url": "https://<your-host>/mcp",
      "headers": {
        "Authorization": "Bearer <your Kuudo API key>"
      }
    }
  }
}

Substitua <your-host> pelo hostname da sua implantação e o valor do bearer pela sua chave de API da Kuudo.

Uma ferramenta pode documentar uma credencial de provedor própria. Isso é separado do bearer acima, pertence ao serviço que a ferramenta chama, e a entrada da própria ferramenta informa isso.

O que é este repositório

Este repositório contém metadados de registro e um stub somente de catálogo. A execução ao vivo roda na sua implantação Kuudo. O código-fonte do servidor não é publicado. O stub em src/ responde a tools/list com o catálogo abaixo, serve o mesmo catálogo como um recurso (kuudo://catalog/tools.json), oferece um prompt (connect) com as orientações de configuração, e retorna um erro com essas orientações em qualquer chamada, para que registros e clientes possam inspecionar a superfície sem qualquer acesso à Amazon.

Inspecione o catálogo localmente com Docker

A imagem executa o mesmo stub somente de catálogo via stdio. Não é o servidor ao vivo.

docker build -t amazon-agent-iris-mcp .
docker run -i --rm amazon-agent-iris-mcp

Aponte um cliente para ele com uma entrada stdio:

{
  "mcpServers": {
    "amazon-agent-iris-mcp-catalog": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "amazon-agent-iris-mcp"]
    }
  }
}

Ferramentas

12 ferramentas, lidas de uma instância em execução deste servidor. Quatro das doze espelham os métodos de recurso e prompt do MCP, e duas outras são de integração e saúde do servidor. As seis restantes geram imagens e vídeos, devolvem uma URL de upload para bytes locais de origem e rastreiam trabalhos de vídeo.

Cada ferramenta traz o esquema de argumentos que o servidor ao vivo publica, para que um cliente possa inspecionar a assinatura completa da chamada aqui antes de se conectar à sua implantação.

Todas as ferramentas (12)
FerramentaAcessoO que faz
start_hereleituraChame esta PRIMEIRO para entender como usar este servidor de geração de imagens e vídeos. Retorna documentação do fluxo de trabalho para: - Ferramentas disponíveis - Uploads de imagens via HTTP - Edição de fotos - Geração de vídeo de longa duração e retomável - Geração de novas imagens - Download de resultados
generate_imageescritaGere ou edite imagens com Google Gemini (Nano Banana) a partir de instruções em linguagem natural. Para OpenAI gpt-image-2, use a ferramenta irmã generate_openai_image. Para imagens de listagem da Amazon / Seller Central, PRIMEIRO leia o recurso skill://amazon-product-image/SKILL.md (via read_resource) para as regras de conformidade de imagens do marketplace, depois gere/audite contra elas. ## CONSISTÊNCIA DE PERSONAGEM Use handles públicos de imagem para geração de imagens com personagem consistente: generate_image( input_images=["agent-iris://images/img_12"], mode="generate", prompt="PRESERVE EXACTLY: character's facial features. NEW: Professional headshot...", model="gemini-3-pro-image" ) Explicit generate mode uses the image handle as conditioning rather than an edit source. ## EDITING AN EXISTING IMAGE For local bytes, upload with POST /images first, then pass the returned handle. For a public hosted image, pass the HTTPS URL directly: generate_image( input_images=["https://example.com/source.jpg"], mode="edit", prompt="Change the background to a beach sunset" ) ## ITERATING ON A RESULT (high-fidelity chained edit) — PREFERRED Every generate/edit response returns an interaction_id. Pass it back to refine the SAME image while preserving the rest of the composition — no need to re-send the source. This beats re-editing from bytes for edit fidelity: generate_image( interaction_id="v1_Chd...", # from the previous response prompt="Recolor the mug to beige. Change nothing else." ) TTL: ~55 days (paid) / 1 day (free). ## COMPOSITING (Person from image A into scene B) Use multiple references with generate mode: generate_image( input_images=["agent-iris://images/img_12", "gemini://files/beachRef"], mode="generate", prompt="Place character from image 1 into the beach scene from image 2..." ) ## PRESETS DE OPERAÇÃO Use operation="icon", "pattern", "diagram", "storyboard" ou "photo_repair" para padrões rígidos de modelo, proporção de aspecto e enquadramento de prompt. ## Detecção automática de modo: - interaction_id → modo EDITAR - operation="photo_repair" → modo EDITAR - operation="icon"/"pattern"/"diagram"/"storyboard" → modo GERAR - operation="general" com uma imagem de entrada → modo EDITAR - Múltiplas imagens de entrada ou apenas prompt → modo GERAR Retorna tanto blocos de conteúdo de imagem MCP quanto JSON estruturado com metadados.
generate_openai_imageescritaGere imagens com OpenAI gpt-image-2 via API Responses. O provedor OpenAI aditivo, irmão de generate_image (Google Gemini). Envie sua chave OpenAI como Authorization: Bearer <key> — o nome da ferramenta implica o provedor. Itere em um resultado com previous_response_id (o análogo da OpenAI ao interaction_id da Gemini).
create_upload_urlescritaCrie a URL assinada expirável necessária para enviar bytes de imagem LOCAIS. Use isto quando tiver uma imagem em disco (ou bytes brutos) para alimentar generate_image: chame esta ferramenta, depois HTTP POST the bytes to the returned upload_url (no auth header needed — the URL's signed token authorizes it). The upload responds with a agent-iris://images/{id} handle to pass in generate_image's input_images. URLs de imagem hospedadas http(s) NÃO precisam disto — passe-as diretamente para generate_image.
server_statusleituraRetorne diagnósticos do servidor para autenticação, modelos, armazenamento, uploads, recursos e saúde.
generate_videoescritaGere vídeo com Google Veo 3.1 a partir de texto, uma primeira imagem, primeiro/último quadro, até três imagens de referência, ou um vídeo gerado por Veo para estender. Entradas são handles limitados ou URLs http(s), nunca dados inline; referências, extensões e saída 1080p/4k exigem uma solicitação de 8 segundos. Antes de planejar ou gerar vídeo, leia o recurso canônico skill://amazon-video/SKILL.md. Ele cobre seleção de modo e modelo, elaboração de prompt, recuperação e o fluxo de conformidade adicional para vídeos de listagem da Amazon. Renderizações levam de 11 segundos a vários minutos. Clientes capazes de tarefas executam isto em segundo plano; outros clientes recebem pending e retomam com get_video_status(recovery_id). Reutilize o mesmo recovery_id após um timeout. Se o envio for relatado como desconhecido, não tente novamente com um novo id porque o Google pode já ter aceito a solicitação cobrada. Resultados são URLs de download assinadas e handles agent-iris://videos/vid_N.
get_video_statusleituraConsulte uma operação de vídeo (exatamente uma de recovery_id / operation_name). Faz no máximo uma chamada de status ao Google e nunca espera pela renderização. Quando a renderização termina, baixa e armazena o vídeo nesta chamada. Escopo por proprietário: apenas a chave que enviou a operação pode vê-la.
list_video_operationsleituraListe as operações de vídeo enviadas com esta chave, das mais recentes para as mais antigas. Lê apenas o armazenamento local de operações — sem chamada ao Google. Use um recovery_id listado com get_video_status para retomar ou coletar.
list_resourcesleituraListe todos os recursos e modelos de recursos disponíveis. Retorna JSON com metadados de recursos. Recursos estáticos têm um campo 'uri', enquanto modelos têm um campo 'uri_template' com placeholders como {name}.
read_resourceleituraLeia um recurso pelo seu URI. Para recursos estáticos, forneça o URI exato. Para recursos modelados, forneça o URI com os parâmetros do modelo preenchidos. Retorna o conteúdo do recurso como string. Conteúdo binário é codificado em base64.
list_promptsleituraListe todos os prompts disponíveis. Retorna JSON com metadados de prompt, incluindo nome, descrição e argumentos opcionais.
get_promptleituraObtenha um prompt por nome com argumentos opcionais. Retorna o prompt renderizado como JSON com um array de mensagens. Argumentos devem ser fornecidos como um dicionário mapeando nomes de argumentos para valores.

Configure seu cliente

Playbooks

Guias de operador baseados na documentação oficial da Amazon, cada um com o artefato que o agente produz:

Como se compara

Leituras, escritas, aprovações

Ferramentas de leitura são seguras para chamar livremente. Ferramentas de escrita fazem trabalho dentro da sua implantação e nunca mudam nada na Amazon. O acesso de cada ferramenta é registrado ao lado dela em tools.json.

Kuudo

Gerado a partir de KuudoAI/marketing. Não edite manualmente; alterações são sobrescritas na próxima sincronização.