Cloudinary MCP Server

Die Cloudinary MCP Server verbinden KI-Assistenten wie Claude, Cursor, Windsurf oder Visual Studio Code mit Cloudinary, einer Plattform für die Verwaltung, Umwandlung und Auslieferung von Bildern und Videos. Statt Medien im Webportal zu suchen, Tags von Hand zu vergeben oder Einstellungen in mehreren Menüs zu suchen, formulieren Sie Ihr Anliegen im Gespräch: Der Assistent lädt Dateien hoch, findet Assets, legt Ordner an und ändert Konfigurationen. Betrieben werden die Server von Cloudinary selbst. Es handelt sich also nicht um eine Community-Lösung, sondern um ein offizielles Angebot des Plattformbetreibers.

Was sind die Cloudinary MCP Server?

Cloudinary bietet nicht einen einzelnen Server an, sondern eine Familie mit klar getrennten Aufgaben. Laut Repository cloudinary/mcp-servers und der offiziellen Dokumentation gibt es fünf Server. Der Asset-Management-Server kümmert sich um Hochladen, Verwalten, Suchen, Ordner, Tags und Transformationen. Der Environment-Config-Server verwaltet Upload-Presets, Upload-Mappings, benannte Transformationen, Webhooks und Streaming-Profile. Der Structured-Metadata-Server legt Metadatenfelder, Werte und bedingte Regeln an. Der Analysis-Server liefert automatische Verschlagwortung, Moderation und Objekterkennung. Dazu kommt ein MediaFlows-Server für Low-Code-Automatisierungen rund um Bilder und Videos. Die Aufteilung hilft, einem Assistenten nur die Rechte zu geben, die er für seine Aufgabe braucht.

Remote oder lokal

Die empfohlene Variante sind die von Cloudinary gehosteten Remote-Server, etwa https://asset-management.mcp.cloudinary.com/mcp. Sie benötigen keine Installation. Für neue Konfigurationen empfiehlt das Repository den Endpunkt /mcp mit Streamable HTTP; der ältere /sse-Endpunkt bleibt aus Gründen der Abwärtskompatibilität erhalten. Wer mehr Kontrolle möchte, startet die Server lokal über npx aus npm-Paketen, benötigt dafür Node.js ab Version 18 und setzt die Zugangsdaten in Umgebungsvariablen. Außerdem gibt es laut Repository offizielle Docker-Images auf Docker Hub.

Wofür sind sie besonders nützlich?

Der Nutzen liegt in wiederkehrender Pflegearbeit. Wer eine große Medienbibliothek betreut, kann den Assistenten bitten, Bilder mit einem bestimmten Tag zu suchen, in einen neuen Ordner zu verschieben oder Varianten mit anderen Abmessungen zu erzeugen. Entwicklerinnen und Entwickler lassen Upload-Presets und Webhooks im Editor anlegen, ohne die Konsole zu öffnen. Redaktionen nutzen Strukturierte Metadaten, um Pflichtfelder und Regeln konsistent einzurichten. Gegenüber einem allgemeinen Dateiserver kennt dieser Server die Begriffe und Grenzen von Cloudinary, etwa Transformationen, Derived Assets oder Regionen, und liefert dadurch passendere Ergebnisse.

Einrichtung und Anmeldung

Die Remote-Server verwenden standardmäßig OAuth; beim ersten Verbinden öffnet der Client den Browser. Alternativ lassen sich API-Zugangsdaten als Header übergeben, entweder gebündelt als cloudinary-url oder einzeln für Cloud-Name, API-Key und API-Secret. Der Analysis-Server unterstützt laut Dokumentation ausschließlich OAuth. Für lokale Server dienen die Variablen CLOUDINARY_URL oder CLOUDINARY_CLOUD_NAME, CLOUDINARY_API_KEY und CLOUDINARY_API_SECRET. Über Header lassen sich außerdem Region und eine Auswahl der bereitgestellten Werkzeuge festlegen, was die Angriffsfläche verkleinert. Für Claude und Cursor gibt es zudem Marketplace-Plugins, die Skills und die Remote-Server bündeln.

Sicherheit und Grenzen

Ein Assistent mit Schreibrechten kann Dateien überschreiben, Presets ändern oder Webhooks umlenken. Beginnen Sie deshalb mit einer Testumgebung, wählen Sie nur benötigte Werkzeuge aus und speichern Sie das API-Secret nie im Repository. Die Dokumentation nennt keine vollständige Werkzeugliste; prüfen Sie daher im Client, welche Aktionen tatsächlich angeboten werden. Inhalte, die der Assistent abruft, gelangen in den Kontext des KI-Clients und damit zum Modellanbieter. Manche Funktionen, etwa automatische Verschlagwortung oder Bildgenerierung, setzen laut Anbieter ein aktiviertes Add-on voraus.

Kosten

Die Server selbst sind quelloffen unter der MIT-Lizenz, benötigen aber ein Cloudinary-Konto. Laut Preisseite gibt es einen dauerhaft kostenlosen Plan für die Bild- und Video-Schnittstellen, kostenpflichtige Pläne wie Plus und Advanced sowie einen Enterprise-Tarif nach individueller Vereinbarung; für die Digital-Asset-Verwaltung gibt es eine zeitlich begrenzte Testphase. Welche Konditionen für Sie gelten, entnehmen Sie der offiziellen Preisseite von Cloudinary.

Für wen lohnt sich der Cloudinary MCP Server?

Er lohnt sich für Teams, die bereits mit Cloudinary arbeiten und Pflege, Konfiguration und Auswertung im Gespräch erledigen wollen: Webentwickler, Redaktionen, E-Commerce-Teams mit vielen Produktbildern und Agenturen mit mehreren Kundenumgebungen. Wer kein Cloudinary-Konto hat, gewinnt durch die Server nichts, denn sie sind ein Zugang zur Plattform und kein eigenständiges Bildbearbeitungsprogramm. Für reine Einzeldateien auf dem eigenen Rechner sind andere Werkzeuge einfacher.

Ein Cloudinary-Konto (der kostenlose Plan genügt zum Ausprobieren) und ein MCP-Client mit Unterstützung für Remote-Server, etwa Claude Code oder Cursor. Für lokale Server zusätzlich Node.js ab Version 18.

Mit den Cloudinary MCP Servern verwaltet ein KI-Assistent Ihre Bilder und Videos im Gespräch. Dieser Ratgeber führt von der Anmeldung bis zur ersten Aufgabe.

Schritt 1: Voraussetzungen prüfen

Sie benötigen ein Cloudinary-Konto und einen MCP-Client mit Unterstützung für Remote-Server, etwa Claude Code oder Cursor. Zum Ausprobieren genügt laut Preisseite der kostenlose Plan. Beginnen Sie am besten in einer Testumgebung.

Schritt 2: Server eintragen

Der Asset-Management-Server hat die Adresse https://asset-management.mcp.cloudinary.com/mcp. In Claude Code tragen Sie ihn mit claude mcp add --transport http cloudinary-asset-management https://asset-management.mcp.cloudinary.com/mcp ein. Weitere Server wie Environment Config oder Structured Metadata tragen Sie mit der jeweiligen Adresse aus der Dokumentation ein.

claude mcp add --transport http cloudinary-asset-management https://asset-management.mcp.cloudinary.com/mcp

Schritt 3: Anmelden

Beim ersten Verbinden öffnet der Client den Browser, und Sie bestätigen den Zugriff per OAuth. Alternativ können Sie den Header cloudinary-url mit Ihren API-Zugangsdaten setzen; legen Sie diese in einer Umgebungsvariable ab, nie im Repository. Der Analysis-Server unterstützt nur OAuth.

Werkzeuge begrenzen

Über den Header cloudinary-tools wählen Sie die bereitgestellten Werkzeuge aus, über cloudinary-region die Region Ihrer Umgebung. Geben Sie dem Assistenten nur, was die Aufgabe braucht, besonders wenn er Dateien überschreiben oder löschen könnte.

Schritt 4: Erste Aufgaben

Beginnen Sie mit lesenden Fragen wie „Welche Ordner gibt es?“ oder „Zeige Bilder mit dem Tag sommer“. Danach lassen Sie Dateien hochladen, Tags setzen oder Assets verschieben. Prüfen Sie die Ergebnisse in der Cloudinary-Oberfläche.

Schritt 5: Lokaler Betrieb

Wer die Server lokal betreiben will, startet sie mit npx -y --package @cloudinary/asset-management-mcp -- mcp start und setzt CLOUDINARY_URL als Umgebungsvariable. Dafür ist Node.js ab Version 18 nötig.

npx -y --package @cloudinary/asset-management-mcp -- mcp start

OAuth über den Browser mit dem eigenen Cloudinary-Konto; alternativ API-Zugangsdaten als Header (cloudinary-url) oder, bei lokalen Servern, über Umgebungsvariablen.

Lesender und schreibender Zugriff auf Medien und Konfiguration der angemeldeten Cloudinary-Umgebung; die bereitgestellten Werkzeuge lassen sich per Header oder Startoption einschränken.

Die Remote-Server laufen gehostet bei Cloudinary. Abgerufene Inhalte und Metadaten gelangen in den Kontext des KI-Clients und damit zum Modellanbieter.

Ungewollte Lösch- oder Überschreibvorgänge an Medien, veränderte Upload-Presets oder Webhooks, Weitergabe von Medieninhalten an den Modellanbieter und ein im Repository abgelegtes API-Secret.