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-types`	6种创作类型模板与默认参数
`shotflow://templates/visual-styles`	7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_PORT`	`3004`	MCP Server 监听端口
`SHOTFLOW_API_URL`	`http://localhost:3003`	ShotFlow Express 地址
`NODE_ENV`	`development`	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

许可证

MIT License — 自由使用、修改和分发。

支持

GitHub Issues: https://github.com/YOUR_USERNAME/shotflow-mcp/issues
邮件: admin@aishotflow.cn