AI Colorist · v1.0

让 Codex 直接看照片、判断调色方向，再用本地 MCP 工具与 OpenCV 输出成片。 安装即可使用内置 LUT，无需训练，也无需调用 GPT API。

Host-model photographic judgment → local MCP tools → OpenCV → graded photograph. The host supplies visual reasoning; this repository supplies instructions and image processing. It contains no pretrained neural network or autonomous agent.

实际效果

以下均为同尺寸对照，左原片，右成片。每张照片独立判断，从原片生成； 使用针对该照片设计的 LUT，通过 apply_color_grade 执行。 这些展示不是通用预设在任意照片上的效果保证。

云纹与树影：强化橙蓝分离，保留剪影。

建筑与晚霞：提亮中间调，强化玫瑰色晚霞。

远山与车流：暖色天空与冷色远山、道路。

夜间光轨：深蓝夜色与暖灯，保留白色光轨。

配方与边界 · 摄影图像授权说明

Related MCP server: local_vision

安装

需要 Python 3.12（当前验证版本）、Git，以及支持本地 stdio MCP 的客户端。 下载 Release ZIP 或克隆仓库；LUT 随发行包提供，无需另行下载或训练。

git clone https://github.com/FantasyChino/ai-colorist-agent.git
cd ai-colorist-agent
python -m venv .venv

Windows：

.venv\Scripts\python.exe -m pip install -r requirements.txt
.venv\Scripts\python.exe scripts\configure_mcp.py

macOS / Linux：

.venv/bin/python -m pip install -r requirements.txt
.venv/bin/python scripts/configure_mcp.py

最后一条命令打印当前机器的 MCP 配置 JSON，复制到支持该格式的客户端。 Codex CLI 用户可将最后一条命令改为 scripts/configure_mcp.py --register， 它使用本机 Codex CLI 注册此 checkout。注册后在客户端重新连接 MCP。 详见 MCP 使用说明。

同时提供 Agent Plugins 1.0 plugin.json、mcp.json 与 skills/。 支持该包格式的本地宿主仍需先安装 Python 环境。GitHub 发布不等于插件商店 上架，也不会把本地 stdio 服务部署到网页 ChatGPT。

使用

在 Codex 中打开这个项目，让它读取 AGENTS.md，并提供图片的本机路径：

用 AI Colorist 看这张照片，增强光色与主体分离，保留亮部层次。 可以有明显风格变化；请看原片后决定，输出后再检查实际效果。

模型先看图，读取 photo-understanding、color-strategy，需要时读取 style-matching。普通调色不需要 analyze_image。

例如先调用 prepare_look：

{"lut_id":"ac_teal_gold","strength":0.65}

将返回的 lut_path 放入调色策略：

{
  "image_path":"/your/path/photo.jpg",
  "strategy":{
    "exposure":0,
    "tone_strategy":{"contrast":"medium","black_point":"normal"},
    "lut":"<prepare_look 返回的 lut_path>"
  }
}

这是接口示例，参数应由照片决定。后续调用会覆盖 output.jpg；多个候选应 逐个执行并另存文件，不要并发调用固定输出工具。基础曝光修正、HSL 和专用 CUBE 同样可用，见 执行能力。

v1.0 内容与边界

• 本地 MCP 服务、6个工具、4项摄影判断/执行 skill。

• 10个原创固定公式创意 LUT（MIT），8个独立授权的第三方 LUT。

• 4张用户认可的实际对照图与对应照片专用 CUBE 配方。

• 可选作品集统计拟合；不是神经网络训练或作者官方风格复刻。

• 公共测试样本、单元与协议测试。私人原片及摄影师作品缓存不随包发布。

当前处理8-bit已渲染图像，不自动处理 ICC、RAW、Log、P3 或 HDR。 LUT 是全局映射，不能辨认人物或恢复已剪切细节。exposure 是通道数值偏移， 不是 RAW EV；Pipeline 不执行任意艺术规划字段。去朦胧、空间蒙版、局部调色、 Vision Model 与自动风格匹配尚未实现。 架构说明 · 后续计划

验证与贡献

在已安装依赖的 Python 环境中运行：

python -m unittest discover -s tests -v
python server/smoke_test.py
python tests/mcp_lut_smoke.py

测试使用公共照片和合成图，不会自动调色私人照片；MCP 测试会临时写入并 恢复现有 output.jpg。见 CONTRIBUTING。代码与原创 LUT 使用 MIT；独立资产授权见 THIRD_PARTY_NOTICES。