agent-media

agent-media

公开文档：docs.agent-media.ai。包含设置、上传、模型、账单、故障排除和自托管内容。

Agent：阅读本页，然后阅读 skills/agent-media/SKILL.md。这就是全部内容。

agent-media 为 Agent 提供一个连接，用于上传和检查参考素材、生成或编辑图像、制作故事板和画面、生成视频和语音、复用角色、报价、跟踪并组合结果。Agent 可以选择模型、模式、参考素材和中间资源；如果 make_ugc 的完整竖屏视频流程符合需求，也可以将其用作可选快捷方式。每种流程都可以免费获取报价，并以 get_run_status 结束。适用于 Claude Code、Claude.ai、Cursor、Codex 或任何 MCP / HTTP Agent。

1. 连接，无需 API 密钥

https://api.agent-media.ai/mcp

托管连接器使用 OAuth 2.1 和动态客户端注册：Agent 自行注册、打开登录页面并获取令牌。无需复制任何内容。

将此内容粘贴给 Agent，它会自动完成设置：

Set up agent-media for me so I can generate videos, images and voice from here.
1. Add the agent-media MCP server: https://api.agent-media.ai/mcp (Streamable HTTP).
2. Authenticate: complete the sign-in in the browser it opens.
3. Install the companion skill: run `npx skills add agent-media-ai/agent-media`.
Once that's done, call list_models and tell me what you can make.

其他接入方式：Claude.ai / Desktop：依次选择 Customize > Connectors > + > Add custom connector > 粘贴 URL > Connect 并登录。Claude Code：claude mcp add --transport http --scope user agent-media https://api.agent-media.ai/mcp。Codex：codex mcp add agent-media --url https://api.agent-media.ai/mcp。Claude Code plugin：/plugin marketplace add agent-media-ai/agent-media，然后运行 /plugin install agent-media@agent-media。Cursor：将 URL 作为远程服务添加到 ~/.cursor/mcp.json，然后在 Cursor 提示时登录。

Claude Code：添加服务后，运行 /mcp，选择 agent-media 并登录。上面的命令使用用户作用域，因此适用于所有项目。Codex：运行 codex mcp login agent-media。如果已通过插件或连接器连接 Agent Media，请使用该连接，不要重复安装。

无需花费积分即可检查设置：调用 get_account（或调用 list_models 查看缓存的模型目录），然后打开现有的图像上传面板（如有列出则调用 open_upload_panel，否则使用 {} 调用 upload_image）。使用账户检查确认积分余额；打开面板会单独检查上传权限。首次生成前，请先获取报价。

套餐

生成内容需要付费套餐：Just checking 每月 $14.90，最多可生成 10 条 10 秒广告，分辨率为 480p；Solo founder 每月 $39，最多可生成 25 条；Real business 每月 $99，最多可生成 80 条。没有试用，也没有免费视频。

AI UGC 测试循环技能

skills/ai-ugc-test-loop/SKILL.md 提供以研究为先的测试循环：收集参考素材，根据账户基线评估异常值，每个变体只更改一个变量，渲染一个 Agent Media 测试样片，获批后再批量制作，最后通过真实应用录屏加字幕，并使用 utm_source=skill UTM 链接准备发布资料包。

安装命令：

/plugin marketplace add agent-media-ai/agent-media

2. 身份验证

OAuth（见上文）是默认方式，无需密钥。账户需要有积分，可在 agent-media.ai 购买。100 积分 = 1 USD。

API 密钥仍受支持，可用于 CI、脚本和本地 stdio 服务（npx @agentmedia/mcp-server）：运行 npm i -g agent-media-cli && agent-media login 获取密钥，或从控制面板获取，然后发送 Authorization: Bearer ma_...，同样适用于上面的托管 URL。

3. 工具

工具	功能	积分
make_ugc	可选快捷方式：提供完整脚本，以及可选的人物照片、产品照片、已保存角色或 b-roll；返回一段完成的竖屏视频。字幕为可选项。	quote_ugc 报出的确切费用
quote_ugc	为 make_ugc 的确切输入报价，并检查可用余额，不启动任务。	0
generate_video	根据提示词使用所选模型生成片段，支持三种模式：文本（仅提示词）、图像转视频（first_frame，可选 last_frame），或参考（refs、video_refs、audio_refs，通过 @image1 @video1 @audio1 引用）。提示词中包含台词时，会生成原生语音。	按所选画质以每秒费率计算：秒数 x 费率（seedance-2.0：480p 为 30 积分/秒，720p 为 60，1080p 为 150；seedance-2.5：480p 为 60 积分/秒，720p 为 125，1080p 为 225；wan-3.0-prime：480p 为 12 积分/秒，720p 为 24，1080p 为 48）；参考片段按输出视频秒数计费
generate_image	根据提示词生成一张图像；提供参考图时，可基于参考图进行编辑或合成。可用于制作肖像、产品画面或视频首帧。	每张 20 积分（nano-banana-pro 为 26）
generate_audio	使用指定音色将文本转为语音。可用于 b-roll 配音或作为视频片段的音频参考；生成对话头像时无需使用。	每 1,000 个字符 16 积分
get_account	查看已认证连接和积分余额，并获取下一步操作建议。不更改计费信息。	0
quote	查询上述任一工具的价格，不运行任务。	0
list_models	查看目录：各模型的模式、限制、不同画质的价格、优缺点、选择方法和近期结果。	0
list_characters	查看已保存的角色（角色表 + 肖像 URL），以便传入 refs。	0
get_run_status	轮询任务 ID，直到任务完成；返回 URL。	0
upload_image	输入已可访问的文件、字节数据或外部 URL；输出 https URL。有可用上传面板时，优先使用该面板上传用户文件。	0
open_upload_panel、get_uploads（如可用）	让用户拖放图像，然后获取可用 URL。图像会在 24 小时后过期。	0
rate_run	为已完成的任务评分，1 到 5 分，并可附注。评分会纳入各模型的统计数据以及 model:"auto"。	0

用户提供的图像

首次生成前，调用 get_account 确认此连接并读取可用额度。如果缓存的工具目录中没有 get_account，list_models 也包含相同的账户检查。然后调用与预期输入匹配的报价工具：make_ugc 使用 quote_ugc；generate_image、generate_video 和 generate_audio 使用 quote。提交前，将报价所需额度与可用余额进行比较。公开模型目录或仅上传文件并不能证明额度已就绪。如果无法进行余额检查，请重试；不要假设额度为零，也不要要求用户再次付费。余额快照不会预留额度，也不保证服务提供商可用。仅上传的请求不需要生成额度。 当用户想提供产品照片、人像、屏幕截图或图像参考时，检查 tools/list。如果有 open_upload_panel，优先提供此选项：调用 open_upload_panel 并传入 {}，显示其内嵌面板或返回的浏览器链接，然后等待用户完成。接着使用返回的 session_id 调用 get_uploads，并在 refs、first_frame、last_frame 或对应技能的图像字段中使用确切的 ready image_url。所需图像就绪前，不要开始依赖参考图的生成。面板接受静态 PNG、JPEG 和 WebP 图像，最多 10 张，每张不超过 25 MB。图像会在面板创建 24 小时后过期；显示返回的过期时间，如果已过期，请求重新上传，且绝不创建永久副本。上传不消耗生成额度。不要向用户索要 base64、Shell 命令或公共托管服务；等待用户时不要持续轮询。仅在发现这些工具后调用它们。如果已连接的工具目录中缺少这些工具，调用 upload_image 并传入 {} 打开同一面板；用户完成后，使用返回的 panel: upload_key 调用 upload_image 取回图像。如果提示面板不可用，则仅在文件或 URL 已可访问时使用 upload_image。不要自行构建上传页面，也不要要求用户提供本地文件夹来替代现有面板。绝不要假装能够访问聊天附件：如果无法读取，请说明这一点，并在面板可用时提供面板。即使不支持内嵌 UI，浏览器回退方式也可用；不要承诺每个客户端都能显示内嵌面板。 在描述取回的上传图像或编写图像专用提示词之前，请检查其原生图像预览。绝不要根据电子邮件域名、账户元数据或文件名推断图像内容。生成时使用原始 URL，而不是预览数据。如果 session ID 丢失，调用 get_uploads 并传入 {} 列出最近的会话；对于缓存的目录，可调用 upload_image 并传入 {"upload_key":"panel:recent"}；在请求重新上传前，先取回匹配的会话。整个账户的最近上传内容可能属于其他对话，因此选择不明确时要先确认。上传只会存储图像，不会自动将其附加到生成请求中。如果用户已请求使用这些图像进行生成，请使用返回的 URL 继续该请求；不要只回复“上传完成”，也不要再次询问是否要使用这些图像。如果 make_ugc 适合预期结果，将人物照片作为 image 传入，或将产品照片作为 product_image 传入，然后调用 quote_ugc 再消耗额度。否则，组合使用直接生成工具：对于 generate_image，将相关的 image_url 值放入 refs；对于 generate_video，产品／人物／外观参考使用 refs，或使用 first_frame 为静态图像制作动画（仅在明确要求结尾帧时使用 last_frame），且绝不要同时使用 refs 和帧字段。保留用户预期的图像用途以及模型限制；仅在用途或选择不明确时询问。将 URL 放入工具参数，而不只是提示词中。不要用新生成的图像替代上传的参考图。如果请求仅为上传，请告知已就绪并等待生成请求；仅上传并不代表授权消耗额度。提交后，轮询 get_run_status 并返回结果。

4. 十秒快速了解

quote_ugc { "script": "Okay, I did not expect this to actually work.", "person": "A 28-year-old woman in a bright kitchen" }
-> exact credits and spendable balance; nothing rendered
make_ugc { "script": "Okay, I did not expect this to actually work.", "person": "A 28-year-old woman in a bright kitchen" }
-> skill_run_id ...
get_run_status { "run_id": "...", "wait": true }   (repeat until completed)
-> Video: https://.../video.mp4

在一系列视频中保持同一张脸：先用 generate_image 生成一张肖像，然后在每次 generate_video 调用时，将该 URL 传入 refs，并在提示词中称其为 @image1。手持产品：通过 upload_image 将产品照片传入 refs，并说明产品的位置。让静态画面动起来：将其作为 first_frame 传入（并可添加 last_frame 来说明动作结束时的画面）。跟随片段中的动作：将片段传入 video_refs，并将新片段描述为 @video1。在 Seedance 中，帧和参考素材不能混用：每次调用只能使用其中一种。

5. 模型

模型	类型	价格	模式和限制	最适合
seedance-2.0	视频	480p 为 30 credits/s，720p 为 60，1080p 为 150	文本（仅提示词）：4 到 15 s，默认宽高比 9:16，480p/720p/1080p；图生视频（first_frame + 可选 last_frame）：4 到 15 s，默认宽高比自适应，480p/720p/1080p；参考素材（refs / video_refs / audio_refs，最多 9 张图片、3 段片段，总时长 15 s、3 段音频，总时长 15 s，不能单独使用）：4 到 15 s，默认宽高比 9:16，480p/720p/1080p	最快的 Seedance 渲染；对镜头口播 UGC
seedance-2.5（默认）	视频	480p 为 60 credits/s，720p 为 125，1080p 为 225	文本（仅提示词）：4 到 30 s，默认宽高比 9:16，480p/720p/1080p；图生视频（first_frame + 可选 last_frame）：4 到 30 s，仅支持自适应宽高比，480p/720p/1080p；参考素材（refs / video_refs / audio_refs，最多 30 张图片、10 段片段，总时长 30 s、10 段音频，总时长 30 s）：4 到 30 s，默认宽高比 9:16，480p/720p/1080p	主打产品广告；面部特写
gpt-image-2.5（默认）	图片	每张图片 20 credits	1024x1024、1024x1536、1536x1024；最多 4 个参考素材	视频中需要保持一致的肖像和角色设定图；片段的首帧
gpt-image-2.5-flare	图片	每张图片 20 credits	1024x1024、1024x1536、1536x1024；最多 4 个参考素材	在相同质量级别下生成变体和草稿；批量生成帧
gpt-image-2	图片	每张图片 20 credits	1024x1024、1024x1536、1536x1024；最多 4 个参考素材	上一代模型，仍可选择，以支持基于该模型构建的运行
nano-banana-pro	图片	每张图片 26 credits	1K、2K；最多 4 个参考素材	执行复杂指令的图片编辑；文字密集的产品图
elevenlabs-tts（默认）	音频	每 1,000 个字符 16 credits	每次调用最多 4000 个字符	B-roll 配音；旁白
wan-3.0-prime	视频	480p 为 12 credits/s，720p 为 24，1080p 为 48	文本（仅提示词）：2 到 30 s，默认宽高比 9:16，480p/720p/1080p；图生视频（first_frame + 可选 last_frame）：2 到 30 s，仅支持自适应宽高比，480p/720p/1080p；参考素材（refs / video_refs / audio_refs，最多 10 张图片、5 段片段，总时长 15 s、5 段音频，总时长 15 s）：2 到 30 s，默认宽高比 9:16，480p/720p/1080p	10 s 的 UGC 和口播广告；创作者参考两张图片手持产品

完整指南包含「不适用场景」列、各模式表格，以及每个模型的单独页面：reference/models.md。其中仅列出当前可选的模型，与 list_models 返回的集合相同。list_models 还包含 recent：每个模型过去 30 天的实际运行数据（失败率、自动评估分数、用户评分、典型渲染时间）；传入 model: "auto"，打印出的策略会根据这些数据选择模型。

6. REST

• POST https://api.agent-media.ai/v2/generate/{video|image|audio}（Bearer，JSON 请求体 = 工具参数）返回 201 { job_id, credits_deducted, status_url }
• POST https://api.agent-media.ai/v2/quote/{video|image|audio} 返回 { credits, usd, model, breakdown }
• GET https://api.agent-media.ai/v1/videos/{job_id} 返回 { status, video_url }（对于图片或音频类型，URL 对应图片或 mp3）
• GET https://api.agent-media.ai/v1/models 返回公开的模型目录
• 精确的输入架构：MCP tools/list，或参见 reference/tools.md。请以这些内容为准，不要依赖任何手写列表。

发布到社交平台

通过 POST /v1/social/* 将生成的视频发布到用户的 TikTok / Instagram / X，详见 skills/publish-to-social/SKILL.md。

参考文档

• skills/agent-media/SKILL.md，技能：模式、提示词、配方、规则
• skills/ai-ugc-test-loop/SKILL.md，研究优先的测试循环：参考资料、每个变体只改一个变量、测试镜头、发布包
• reference/models.md，不同任务使用哪种模型，以及各模式的限制和价格
• reference/prompting.md，如何编写能生成真实效果的提示词
• reference/recipes.md，对镜头说话、手持产品、将静态图像制作成动画、首帧和尾帧、匹配参考片段、静默反应、B-roll 旁白、系列
• reference/tools.md，每种工具及其确切的输入架构
• reference/auth.md，首次设置

此仓库的构建方式

此目录由 agent-media monorepo 生成（pnpm --filter api-v2 gen:public-skill）；如果与代码不一致，CI 会失败。请勿手动编辑。

许可证：Apache-2.0。