Studio State

studio-state — 用于 AI 影视制作状态管理的 MCP 服务

让 AI 生成的角色、地点和镜头在整个项目中保持一致——通过为 Claude（或任何 MCP 客户端）提供制作进度的唯一可信来源。

studio-state 是一款轻量、无状态的 Model Context Protocol 服务，面向使用 Higgsfield、Runway、Kling、Seedance、nano-banana、Veo 和 ElevenLabs 等工具制作 AI 生成的电影、视频、剧集和动画 的用户。 它会在每次调用时读取项目中的纯文本文件，并回答 AI 影视制作助手经常需要重新确认的三个问题：

• orient — “我现在进行到哪一步了？” 项目、阶段、当前剧集、预算／支出状况、未解决的阻碍、下一步行动和场景索引——一次调用即可获取，无需每次会话开始时都复制粘贴 50 行内容。
• get_shot_status — “这个场景是什么状态？” 根据镜头计划、规范锁定状态和服务自身的工作备注，核对每个镜头的状态（planned / pending / fired / locked / needs-rework / dropped）。
• update_shot — “将这个镜头标记为已生成／已锁定，并附上生成任务和静帧。”

这是 The Studio Method 的免费配套工具——一套完整系统，助你通过生成式视频模型实现 角色一致和零重试的连续性。

---

为什么要开发它

AI 生成工具会出现偏差。长时间拍摄时，它们会虚构角色、替换面孔、重塑背景，还会违背参考资料——最终只能靠人来维持连续性。这些问题大多是状态管理问题：会话一重置，协助你的助手就会忘记制作进度。

studio-state 从结构上解决了状态管理问题。真实信息保存在你的文件中，而非聊天记录或服务端数据库里。每次调用工具都会重新读取文件，因此防崩溃且始终反映最新状态，并且绝不会修改你的规范文件——它唯一会写入的是每个场景独立的 shot_status.json 旁置文件。

安全性

• 以读取为主。 3 个工具中有 2 个只读。唯一的写入工具只会操作由该适配层管理的旁置文件——绝不会修改你的镜头计划、渲染清单和状态文件。
• 无状态。 没有服务端存储，也没有守护进程状态。即使在调用过程中终止，也不会损坏任何内容（旁置文件采用原子写入）。
• 路径沙箱保护。 场景／剧集参数均经过验证，无法通过路径遍历访问项目目录之外的内容。
• 经过强化。 发布前已使用多种前沿模型进行对抗性审查；格式错误的文件会返回结构化错误，而不会导致助手崩溃。

快速开始

# 1. Python 3.9+ and the MCP SDK
python3 -m pip install "mcp[cli]"          # add --break-system-packages if needed

# 2. Try it against the bundled demo project (no setup)
python3 tests/test_acceptance.py           # expect: 4/4 checks passed

# 3. Point it at your own project (a folder containing _pipeline/STATE.json + episodes/)
export STUDIO_ROOT="/path/to/your_show"
python3 server.py

然后在 Claude Desktop 中注册（claude_desktop_config.json）：

{
  "mcpServers": {
    "studio-state": {
      "command": "python3",
      "args": ["/abs/path/studio-state-public/server.py"],
      "env": { "STUDIO_ROOT": "/abs/path/your_show" }
    }
  }
}

完整操作指南：INSTALL.md。

我的项目能用吗？

studio-state 需要采用轻量的文件式项目布局：

your_show/
  _pipeline/STATE.json                         # project phase, episode, budget, scenes
  episodes/episode_001/scenes/<SCENE>/
    phase_04_IRs.json                          # the shot plan (shot anchors + types)
    phase_05_render_manifest.json              # canonical lock/render state (optional)

examples/demo_project/ 中附带了一个完整的合成示例——你可以参考其结构调整自己的工作流，或通过下方的付费套装采用完整规范。

The Studio Method（付费配套方案）

此工具用于跟踪状态。真正困难的部分——让同一个角色在每个镜头中都能稳定呈现，且几乎无需重试——需要一套方法。The Studio Method Starter Pack 提供完整系统：角色／地点／摄影机“圣经”模板、生成前流程、提示词组装公式，以及让生成式模型保持连续性的反默认原则。

→ 获取 Starter Pack： https://dkf2studios.gumroad.com/l/flplx （使用代码 EARLY 可享受上线折扣。）

工具参考

工具	类型	读取	写入
orient	读取	_pipeline/STATE.json	—
get_shot_status	读取	场景 IR + 渲染清单 + 旁置文件	—
update_shot	写入	场景 IR（用于验证）	仅 shot_status.json 旁置文件

Keywords

AI filmmaking · AI video production · generative video pipeline · character consistency · continuity · shot tracking · render manifest · production state · Model Context Protocol · MCP server · Claude Desktop · Higgsfield · Runway · Kling · Seedance · nano-banana · ElevenLabs · AI short film · AI episodic show · previs · session orientation

License

MIT © 2026 DKF2 Studios. Contact: [email protected]