mcpField
S
shotflow-mcp

shotflow-mcp

本地服务
github.com/JOHNZhang-ui媒体与设计017 周前更新

关于 shotflow-mcp

shotflow-mcp 将 ShotFlow 的分镜与视频生成能力开放给 MCP 客户端,并提供任务查询和镜头重生成工具。它还提供创作类型与视觉风格资源。

主要功能

  1. 01根据剧本或创意生成分镜
  2. 02根据分镜镜头生成视频
  3. 03查询视频生成状态
  4. 04重新生成单个镜头
  5. 05查看视频任务历史和配额
  6. 06读取创作类型与视觉风格资源

适用场景

  1. 01将剧本创意转为分镜
  2. 02根据分镜镜头制作视频
  3. 03查看生成进度或重做某个镜头
  4. 04查看任务历史和创作模板

MCP 相关

它通过 Streamable HTTP 向 MCP 客户端提供七种工具和两种模板资源。在线端点为 `https://aishotflow.cn/mcp`。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"johnzhang-ui-shotflow": {
"command": "npx",
"args": [
"-y",
"shotflow-mcp-server"
],
"env": {
"SHOTFLOW_API_URL": "<SHOTFLOW_API_URL>",
"MCP_API_KEY": "<MCP_API_KEY>"
}
}
}
}
启动命令npx -y shotflow-mcp-server
需要配置的环境变量
SHOTFLOW_API_URLShotFlow Express API 地址(URL 格式,例如 http://localhost:3003)
MCP_API_KEY密钥MCP Server 认证 Key(可选)

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npmshotflow-mcp-server1.0.0

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

来自项目 README

ShotFlow MCP Server

让 AI Agent 直接调用专业分镜脚本生成能力

MCP Version License Online

ShotFlow MCP Server 是 ShotFlow 的 Model Context Protocol 接口实现,让任何支持 MCP 的 AI 客户端(Claude Desktop、Cursor、Cline、VS Code Copilot 等)都能直接调用专业分镜脚本与视频生成能力。


在线使用

无需安装,直接配置 URL 即可使用:

https://aishotflow.cn/mcp

功能一览

Tool说明
generate_storyboard从剧本/创意描述生成专业分镜脚本(6种创作类型 × 7种视觉风格)
generate_video从分镜镜头生成视频(Pro 功能)
check_video_status查询视频生成状态
regenerate_shot单镜头重新生成
list_video_tasks列出视频任务历史
check_quota查询今日配额
check_health检查服务健康状态
Resource说明
shotflow://templates/creative-types6种创作类型模板与默认参数
shotflow://templates/visual-styles7种视觉风格参考与关键词

快速接入

Claude Desktop

编辑配置文件(macOS: ~/Library/Application Support/Claude/claude_desktop_config.json,Windows: %APPDATA%\Claude\claude_desktop_config.json):

{
  "mcpServers": {
    "shotflow": {
      "url": "https://aishotflow.cn/mcp"
    }
  }
}

重启 Claude Desktop,点击「Attached tools」确认 shotflow 已加载。

Cursor IDE

在项目根目录创建 .cursor/mcp.json:

{
  "mcpServers": {
    "shotflow": {
      "url": "https://aishotflow.cn/mcp"
    }
  }
}
VS Code(1.99+)

在项目根目录创建 .vscode/mcp.json:

{
  "servers": {
    "shotflow": {
      "type": "http",
      "url": "https://aishotflow.cn/mcp"
    }
  }
}
Cline / Roo-Cline

编辑 ~/.cline/mcp_settings.json:

{
  "mcpServers": {
    "shotflow": {
      "url": "https://aishotflow.cn/mcp"
    }
  }
}

调用示例

生成短视频分镜

告诉你的 AI 客户端:

用 shotflow 的 generate_storyboard 工具,帮我生成一个短视频分镜:一个创业者熬夜做产品的故事,3个场景,温情风格,9:16竖屏

AI 会自动调用 MCP Tool,返回结构化分镜结果。

查看可用创作类型

读取 shotflow 的 creative-types 资源,告诉我有哪些创作类型可选


Agent Card(A2A 协议)

其他 AI Agent 可通过以下 URL 自动发现 ShotFlow 的能力:

https://aishotflow.cn/mcp/agent-card

部署自己的实例

要求
  • Node.js 18+
  • ShotFlow Express Server 运行在 localhost:3003
安装
git clone https://github.com/YOUR_USERNAME/shotflow-mcp.git
cd shotflow-mcp
# 无需 npm install,零依赖
启动
# 开发模式
node shotflow-mcp-server.js
# 默认端口 3004

# 生产部署(systemd)
sudo cp shotflow-mcp.service /etc/systemd/system/
sudo systemctl enable shotflow-mcp
sudo systemctl start shotflow-mcp
环境变量
变量默认值说明
MCP_PORT3004MCP Server 监听端口
SHOTFLOW_API_URLhttp://localhost:3003ShotFlow Express 地址
NODE_ENVdevelopment环境模式

架构

AI Client (Claude/Cursor/...)
    ↓ Streamable HTTP (JSON-RPC 2.0)
Nginx :443
    └── /mcp → ShotFlow MCP Server :3004
                    └── HTTP → ShotFlow Express :3003
  • 协议: MCP 1.0(Streamable HTTP + SSE)
  • 传输: JSON-RPC 2.0 over HTTP
  • 依赖: 零外部依赖(纯 Node.js 实现)
  • SSE 支持: proxy_buffering off 配合 Nginx 实现流式进度推送

文件结构

shotflow-mcp/
├── shotflow-mcp-server.js   # MCP Server 主文件
├── tool-definitions.js       # 7个 Tool 的 JSON Schema 定义
├── resource-definitions.js   # 2个 Resource 定义
├── prompt-builder.js        # Prompt 构造与模型配置解析
├── package.json             # npm 包配置
├── shotflow-mcp.service     # systemd 服务文件
├── INTEGRATION.md          # 详细接入文档
├── README.md               # 本文件
└── test/
    └── test-mcp.js        # 测试套件

测试

# 启动本地服务
node shotflow-mcp-server.js &

# 运行测试
node test/test-mcp.js

相关链接


许可证

MIT License — 自由使用、修改和分发。


支持

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。