KI-Multimodale Kampagnen-Architektin

Agentischer Workflow · Model Context Protocol

Ein agentischer MCP-Workflow, der eine vollständige Marketingkampagne plant, schreibt, illustriert und vertont – mit einem menschlichen Prüfpunkt vor dem teuren Teil.

Geben Sie einen einzigen Prompt ein – „Eine mutige Sneaker-Linie für die Gen Z auf den Markt bringen“ – und er durchläuft eine agentische Pipeline von MCP-Tools, die Text, ein Moodboard, eine Sprachaufnahme, einen Präsentations-Pitch und ein finales Kampagnenbild erzeugt, mit automatischen Schutzmechanismen und einer harten Budgetobergrenze.

So funktioniert es : https://ai-multimodal-campaign-architect-gl808c9v7-nibha-dongre.vercel.app/

Was es tut

1. Text generieren – Gemini erzeugt aus einem einzigen Kampagnen-Prompt eine Überschrift, einen Fließtext, die Zielgruppe, eine Kernbotschaft, ein detailliertes visuelles Konzept und ein ~15-sekündiges Voiceover-Skript.

2. Parallel aufteilen (asyncio.gather, begrenzt durch den langsamsten Aufruf, nicht deren Summe):

   • Ein Moodboard aus Unsplash erstellen, um die visuelle Richtung günstig zu validieren, bevor Geld für die Bildgenerierung ausgegeben wird

   • Eine Sprachaufnahme aus dem Skript synthetisieren (gTTS)

   • Einen Präsentations-Pitch entwerfen – Zielgruppe, Kernbotschaft, Handlungsaufforderung, Designbegründung

   • Guardrail-Prüfungen durchführen – eine regelbasierte Prüfung (verbotene Begriffe, Längenbeschränkungen) und eine LLM-basierte Prüfung (nicht verifizierbare Behauptungen, Tonfall-Kohärenz)

3. Human-in-the-loop-Prüfpunkt – eine Person überprüft das Moodboard und bestätigt (oder überschreibt) die visuelle Richtung, bevor die Pipeline Geld für die Bildgenerierung ausgibt.

4. Das finale Bild generieren über Pollinations.ai, unter Verwendung des bestätigten visuellen Konzepts.

5. Begrenzte automatische Kritik – jedes Feld, das einen Guardrail-Test nicht besteht, erhält genau eine automatische Neuschreibrunde. Keine Wiederholungsschleifen, keine Kostenexplosion – Fehlschläge werden zur manuellen Nachverfolgung protokolliert.

Related MCP server: PrePilot MCP Server

Pipeline

RECEIVE BRAND REQUIREMENT ──▶ GENERATE COPY ──┬──▶ BUILD MOODBOARD ─────┐
                                               ├──▶ GENERATE AUDIO ──────┤
                                               ├──▶ CREATE PITCH ────────┼──▶ HUMAN IN THE LOOP ──▶ GENERATE IMAGE
                                               └──▶ RUN GUARDRAILS ──────┘
                                               (parallel batch — asyncio.gather)

Tech-Stack

Nur Gemini- und Unsplash-Aufrufe kosten etwas – beide haben großzügige kostenlose Stufen, und ein Budgetdeckel pro Sitzung erzwingt eine harte Obergrenze (siehe Kosten- & Budgetkontrollen).

Projektstruktur

.
├── server.py              # MCP server — exposes each pipeline step as a typed tool
├── client.py               # MCP transport client
├── orchestrator.py         # Pipeline DAG: sequencing, parallel fan-out, budget enforcement
├── run_demo.py              # Runs the 4 showcase campaigns end-to-end, writes campaign_outputs/
├── requirements.txt
├── .env.example
│
├── app/                    # Next.js app router pages
├── components/              # DemoGrid, DemoModal, PipelineDiagram, ByokPanel, etc.
├── data/
│   ├── demos.ts             # Auto-generated by scripts/build-demo-data.mjs — do not hand-edit
│   └── features.ts
├── public/
│   ├── demo.gif
│   └── demos/                # Campaign assets copied in at build time
├── scripts/
│   └── build-demo-data.mjs   # Reads campaign_outputs/, populates data/demos.ts + public/demos/
└── package.json

Passen Sie diesen Baum an, falls Ihr Repository das Python-Backend und das Next.js-Frontend in separaten Unterordnern und nicht in einem gemeinsamen Stammverzeichnis ablegt.

Verfügbare MCP-Tools

Kosten- & Budgetkontrollen

CampaignOrchestrator verfolgt die tatsächlichen, gemeldeten Kosten pro Aufruf und erzwingt eine harte Obergrenze pro Sitzung (budget_cap_usd, Standard $0.50). Sobald die Obergrenze erreicht ist, werden weitere kostenpflichtige Aufrufe grundsätzlich abgelehnt – die Pipeline stürzt nicht ab, sie gibt nur kein Geld mehr aus. Kostenlose Tools (Moodboard, Audio, regelbasierte Guardrails) werden niemals durch die Obergrenze blockiert.

Erste Schritte

Voraussetzungen

• Python 3.10+

• Node.js 18+

• Kostenlose API-Schlüssel: Gemini und Unsplash

1. Kampagnendaten generieren (Python-Backend)

git clone https://github.com/YOUR_USERNAME/YOUR_REPO.git
cd YOUR_REPO
pip install -r requirements.txt

cp .env.example .env
# fill in GEMINI_API_KEY and UNSPLASH_ACCESS_KEY in .env

Starten Sie in einem Terminal den MCP-Server:

python server.py

Führen Sie in einem anderen Terminal die Demo-Kampagnen aus:

python run_demo.py               # all campaigns
python run_demo.py --campaign 1  # just one

Dies schreibt die Ausgabe jeder Kampagne in campaign_outputs/campaign_N/.

2. Frontend erstellen und ausführen

npm install
npm run build:demo-data   # reads campaign_outputs/, populates data/demos.ts + public/demos/
npm run dev

Öffnen Sie http://localhost:3000.

Pipeline ausführen (BYOK)

Die bereitgestellte Site enthält vorab generierte Demo-Kampagnen, die zur Build-Zeit integriert wurden – im Produktionsbetrieb läuft kein Backend. Jeder kann dieses Repository klonen und die gleiche Pipeline mit eigenen API-Schlüsseln gemäß den obigen Schritten ausführen. Für keinen der Schlüssel ist ein kostenpflichtiges Konto, eine Kreditkarte oder ein Genehmigungsverfahren erforderlich.

Bereitstellung

Nur das Next.js-Frontend muss bereitgestellt werden – das Python-Backend ist ein lokales Generierungswerkzeug, keine Laufzeitabhängigkeit der bereitgestellten Site. Siehe components/ByokPanel.tsx für die In-App-Version der Anleitung zum Selberausführen.

Bereitgestellt auf Vercel: Repository importieren, Framework wird automatisch als Next.js erkannt, für den Frontend-Build sind keine Umgebungsvariablen erforderlich.

Lizenz

MIT

Autor

Erstellt von Nibha S Dongre – eine agentische MCP-Pipeline, Ende-zu-Ende.

[Auf GitHub ansehen →