[AI MediaKit MCP](https://www.volcengine.com/ats/mcp_detail?name=Mediakit%20Mcp) 是火山引擎 AI MediaKit 面向 AI 时代推出的标准能力插件。它基于 MCP（Model Context Protocol）协议，将云端专业的视频剪辑、音频处理、字幕处理、画质增强等原子能力封装为智能体可直观调用的工具。通过 AI MediaKit MCP，开发者可直接以自然语言驱动 AI 智能体完成复杂的云端媒体处理任务。 ## 工具概览 AI MediaKit MCP 已开放的能力覆盖了从异步任务查询到深度媒体编辑、视频增强的全流程。所有工具均支持通过“分组（Group）”或“工具名”进行动态加载，以优化智能体的推理效率。 |分类 |分组名称 |工具 |说明 | |---|---|---|---| |**通用能力** |shared |query_task |**任务查询**：查询异步任务状态。提交异步任务后使用此工具获取结果。详细输入和输出参数请见 [query_task](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/shared.py#L36)。 | |**视频剪辑** |editing |add_image_to_video |**视频加图片**：支持将指定图片（如 Logo、水印等）叠加到视频画面上。详细输入和输出参数请见 [add_image_to_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L26)。 | |||add_subtitle_to_video |**视频加字幕**：将字幕文件或文本内容按自定义样式压制到视频画面中，生成带内嵌字幕的新视频。详细输入和输出参数请见 [add_subtitle_to_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L51)。 | |||adjust_audio_speed |**音频调速**：用于音频调速，可调整音频播放倍速，实现快放或慢放效果。详细输入和输出参数请见 [adjust_audio_speed](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L75)。 | |||adjust_video_speed |**视频调速**：用于视频调速，通过调整播放倍速产生快放或慢放效果。详细输入和输出参数请见 [adjust_video_speed](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L95)。 | |||adjust_video_volume |**调整视频音量**：用于调整输入视频的音量大小，也可实现静音。详细输入和输出参数请见 [adjust_video_volume](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L114)。 | |||apply_camera_motion |**视频添加运镜**：对输入视频在指定时间段内添加一种运镜特效，常用于素材二次创作、营销片头、短剧动效等场景。详细输入和输出参数请见 [apply_camera_motion](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L133)。 | |||apply_video_filter |**视频添加滤镜**：为指定视频添加滤镜效果。详细输入和输出参数请见 [apply_video_filter](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L153)。 | |||concat_audio |**音频拼接**：拼接多个音频片段。详细输入和输出参数请见 [concat_audio](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L172)。 | |||concat_video |**视频拼接**：将多个视频按顺序拼接成一个完整的视频文件，并支持在拼接处添加转场效果。详细输入和输出参数请见 [concat_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L191)。 | |||crop_video |**视频画面裁剪**：按指定的矩形区域裁剪视频画面，裁剪结果仅保留指定的需要区域。详细输入和输出参数请见 [crop_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L210)。 | |||extract_animated_image |**视频截取动图**：从视频中按指定开始时间和结束时间截取一段画面，生成 GIF 或 WebP 动图，常用于制作封面动图、营销素材和短预览。详细输入和输出参数请见 [extract_animated_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L232)。 | |||extract_audio |**提取音频**：从输入视频文件中分离音轨，生成独立的音频文件。详细输入和输出参数请见 [extract_audio](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L253)。 | |||fade_audio |**音频声音淡入淡出**：对输入音频的起止位置实现淡入或淡出效果，输出处理后的音频文件。详细输入和输出参数请见 [fade_audio](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L272)。 | |||fade_video_audio |**视频声音淡入淡出**：在片头或片尾对输入视频音轨执行淡入或淡出处理，用于弱化音轨突兀的起止，提升成片听感。输出处理后的视频文件。详细输入和输出参数请见 [fade_video_audio](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L293)。 | |||flip_video |**视频画面翻转**：用于视频画面翻转，对指定视频进行上下或左右镜像翻转。详细输入和输出参数请见 [flip_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L313)。 | |||image_to_video |**图片转视频**：将多张图片按顺序组合成动态视频，可配置转场动画和镜头内动画；仅把现有图片做成带动效的视频，不支持根据参考图生成新的画面内容。详细输入和输出参数请见 [image_to_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L333)。 | |||mix_audio |**音频混合**：将多个音频文件（如背景音乐、音效、人声）进行混音，生成一个新的音频文件。处理耗时：处理耗时与视频时长正相关。视频时长越长，处理耗时越长。平均 RTF（处理耗时/原片时长）为 1。输出音频的时长以最长的音频为准。输出视频格式：mp3。详细输入和输出参数请见 [mix_audio](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L352)。 | |||mux_audio_video |**视频加音频**：可将输入的音频流与视频流合并成一个新的视频文件，并可选择保留或替换视频的原有音轨；当音视频时长不一致时，可进行对齐处理。详细输入和输出参数请见 [mux_audio_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L371)。 | |||rotate_video |**视频画面旋转**：用于视频画面旋转，对指定视频进行整体旋转。详细输入和输出参数请见 [rotate_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L394)。 | |||stitch_video |**视频画面拼接**：将多个视频在空间上按水平或垂直方向拼接成一个完整画面，适用于多视角对比、画面组合等场景。详细输入和输出参数请见 [stitch_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L413)。 | |||text_to_scrolling_video |**文字生成滚屏视频**：将指定文本内容转换为文字滚屏视频，输出视频为固定 9:16 竖版，常用于小说推文、内容讲解和歌词视频等场景。详细输入和输出参数请见 [text_to_scrolling_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L432)。 | |||trim_audio |**音频裁剪**：用于音频裁剪，按指定的开始时间和结束时间从输入音频中截取片段。详细输入和输出参数请见 [trim_audio](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L458)。 | |||trim_video |**视频裁剪**：用于视频裁剪，可按指定的开始和结束时间从输入视频截取片段。详细输入和输出参数请见 [trim_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/editing.py#L479)。 | |**音频处理** |audio |detect_voice_activity |**语音端点识别**：用于语音端点识别。自动定位音频或视频文件中有效语音的起止时间。将人声和静音、背景噪声等无效片段区分开来。返回包含所有有效人声片段起止时间戳的列表。详细输入和输出参数请见 [detect_voice_activity](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/audio.py#L26)。 | |||probe_audio_metadata |**音频元信息获取**：探测输入音频 URL，输出标准化媒资元信息，用于获取音频元信息。详细输入和输出参数请见 [probe_audio_metadata](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/audio.py#L44)。 | |||separate_voice |**人声背景音分离**：用于人声背景声分离，可将音频或视频文件中的人声与背景音精准分离，输出为两个独立的音频文件。详细输入和输出参数请见 [separate_voice](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/audio.py#L61)。 | |||transcode_audio |**音频转码**：音频转码将一个音频码流转换为另一个音频码流，通常涉及编码格式、编码参数和封装格式的转换，用于适应不同业务场景、播放终端和网络环境。详细输入和输出参数请见 [transcode_audio](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/audio.py#L83)。 | |**图像处理** |image |add_image_watermark |**添加图文水印**：为图片添加图文明水印，适用于版权标识与素材分发防盗链场景。详细输入和输出参数请见 [add_image_watermark](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L26)。 | |||adjust_image_color |**图像调整**：对输入图像的亮度、对比度和饱和度进行调整，支持调亮、调暗、增强对比度、减弱对比度、增强饱和度、减弱饱和度共 6 种快速调整效果。适用于素材基础优化、统一内容视觉风格、营造庄重、复古等特殊氛围等场景。详细输入和输出参数请见 [adjust_image_color](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L53)。 | |||compress_image |**图像压缩**：支持一站式图像体积优化，覆盖压缩质量、文件体积上限、输出格式转换和 PNG 瘦身；适用于用户上传图片前的体积治理；适用于网站与 App 的图片分发加载优化；适用于 AIGC 与多模态模型的媒体预处理。详细输入和输出参数请见 [compress_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L69)。 | |||crop_image |**图像裁剪**：对输入图像进行多模式裁剪，可执行方向裁剪、定向裁剪、自定义裁剪或内切圆裁剪，适用于多端尺寸适配、主体保留、商品图去边和指定区域截取。详细输入和输出参数请见 [crop_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L87)。 | |||enhance_image |**图像画质增强**：基于图像内容理解进行智能决策，提升图片的分辨率、清晰度与色彩表现。详细输入和输出参数请见 [enhance_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L113)。 | |||erase_image |**图像擦除修复**：可按不同场景控制自动检测并擦除图片中的文字或常见图标，擦除后的区域通过智能填充技术进行修复，修复后的区域与背景自然融合。详细输入和输出参数请见 [erase_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L131)。 | |||evaluate_image_quality |**图像画质评估**：用于图像画质评估，对输入图片进行主客观画质和美学评分，适用于质量监控、低质图筛查、内容审核、推荐排序和训练数据清洗。详细输入和输出参数请见 [evaluate_image_quality](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L149)。 | |||face_blur_image |**图像人脸打码**：自动检测图片中的所有人脸区域并进行马赛克处理，用于一键保护图片中的人脸隐私。支持社交平台内容审核、街景或监控画面脱敏、新闻媒体素材处理以及 AI 训练数据集脱敏等批量人脸隐私保护场景。详细输入和输出参数请见 [face_blur_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L165)。 | |||flip_image |**图像翻转**：支持对单张图片执行水平或竖直翻转。详细输入和输出参数请见 [flip_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L182)。 | |||gaussian_blur_image |**图像高斯模糊**：用于图像高斯模糊；通过设定模糊强度快速对图片进行模糊处理，适用于隐私信息弱化、背景氛围化、生成预览图及封面背景等场景。详细输入和输出参数请见 [gaussian_blur_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L198)。 | |||image_ocr |**图像文字识别OCR**：用于通用印刷体文字识别（OCR），识别图片中的简体中文和英文，并提供文本块位置坐标与置信度参考。详细输入和输出参数请见 [image_ocr](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L214)。 | |||invert_image |**图像负片**：用于图像负片，对输入图像执行负片（反相）效果，将图像的明暗关系与颜色映射为原图的相反效果，即明暗反转、色彩转为补色。详细输入和输出参数请见 [invert_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L228)。 | |||mosaic_image |**图像打码**：支持对整张图像或指定矩形区域进行马赛克打码，可调整像素格形状与大小。支持用于遮挡人脸、证件信息、车牌、聊天记录等敏感内容。详细输入和输出参数请见 [mosaic_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L243)。 | |||probe_image_metadata |**图像元信息获取**：支持查询 metadata、avghue、alpha、blurhash 四种图像信息。详细输入和输出参数请见 [probe_image_metadata](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L263)。 | |||remove_image_background |**图像背景移除**：自动识别并保留图像主体，移除背景后生成背景透明的图片，用于图像背景移除（抠图）。详细输入和输出参数请见 [remove_image_background](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L278)。 | |||resize_image |**图像缩放**：用于图像缩放，支持按指定宽高精确缩放，也可按长边、短边或等比模式缩放，适用于多端素材适配、封面与缩略图生成及批量图片预处理。详细输入和输出参数请见 [resize_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L298)。 | |||rotate_image |**图像旋转**：通过设置旋转角度和旋转背景样式对图片进行旋转处理，适用于图片方向校正、创意编辑和批量图像处理。详细输入和输出参数请见 [rotate_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L317)。 | |||round_corner_image |**圆角矩形**：为图片四角快速添加正圆或椭圆圆角，适用于头像、卡片、电商主图等常见视觉编辑场景。详细输入和输出参数请见 [round_corner_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L334)。 | |||sharpen_image |**图像锐化**：用于图像锐化，通过对输入图像进行锐化处理，有效增强图像的边缘细节与整体清晰度。适用于电商素材优化、UGC 画质增强、封面海报二创等场景。详细输入和输出参数请见 [sharpen_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L353)。 | |||slim_image |**集智瘦身**：集智瘦身通过 AI 大幅缩小图片体积，修复毛刺、彩噪和块效应等问题，增强图像边缘与纹理细节，输出更轻量且更清晰的图片。详细输入和输出参数请见 [slim_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L369)。 | |||smart_crop_image |**图像智能裁剪**：自动识别图像中的主体人脸区域，并适配指定尺寸进行裁剪；支持普通人脸和动漫人脸场景。未识别到人脸时，可按预设的降级策略输出结果。详细输入和输出参数请见 [smart_crop_image](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/image.py#L384)。 | |**智能视频** |video |add_video_invisible_watermark |**添加视频暗水印**：用于视频暗水印添加。在不影响视频画面视觉质量与完整性的前提下，将一串数字信息隐藏式地嵌入视频文件中。适用于视频版权保护、内容泄露溯源、文件真实性校验等场景。详细输入和输出参数请见 [add_video_invisible_watermark](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L26)。 | |||analyze_video_highlights |**高光片段提取**：支持短剧 Miniseries 和小游戏 Game 两种分析模型，用于高光片段提取，并输出精准时间戳、高光打分、OCR 文本和画面描述，供二次开发或内容分析。详细输入和输出参数请见 [analyze_video_highlights](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L46)。 | |||analyze_video_storyline |**剧情故事线分析**：用于剧情故事线分析，基于大模型视频理解分析单个或多个长视频并生成结构化剧情数据。分析结果包含两部分：按时间顺序排列的剧情片段，以及基于视频片段整理和归纳出的高光故事线。详细输入和输出参数请见 [analyze_video_storyline](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L66)。 | |||asr_subtitles |**语音转字幕（ASR)** ：从视频或音频的语音中识别并提取带时间戳的字幕文本；适用于提取视频字幕、语音转字幕、听写对白等诉求。识别对象是音轨中的语音内容，不是画面上已烧录的硬字幕。详细输入和输出参数请见 [asr_subtitles](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L84)。 | |||assess_video_quality |**视频画质检测（VQScore）** ：用于视频画质检测。详细输入和输出参数请见 [assess_video_quality](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L106)。 | |||drama_recap |**解说视频生成**：将原始短剧/长剧/电影视频自动转化为带 AI 配音与解说字幕的全新视频。自定义解说词或 AI 自动生成解说词、可选原字幕擦除。。详细输入和输出参数请见 [drama_recap](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L123)。 | |||drama_recap_vertical |**解说视频生成（短剧行业模型）** ：支持基于输入短剧剧集的角色和剧情故事线理解（剧本还原），自动提取高光片段并生成全新的解说视频。详细输入和输出参数请见 [drama_recap_vertical](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L149)。 | |||drama_script |**剧本还原**：基于大模型视频理解能力，将短剧视频转化为结构化剧本文本，识别并提取场景、人物、对话和情节等核心元素。详细输入和输出参数请见 [drama_script](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L177)。 | |||enhance_video |**画质增强**：用于视频画质增强。利用 AI 算法对输入视频进行分析，并智能执行包括但不限于视频去噪、色彩增强、清晰度提升、瑕疵修复和超分辨率的一系列优化操作。提供 standard 和 professional 两种版本：standard 兼顾处理速度与视频画质，内置高频使用的 10 余种增强算法，适用于视频分发场景的画质增强；professional 提供极致画质增强，内置 30 余种深度 AI 增强算法，适用于影视级视频制作。不同版本会影响增强算法的强度、适用场景与计费。详细输入和输出参数请见 [enhance_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L195)。 | |||enhance_video_fast |**视频画质增强极速版**：集成轻量级超分与智能画质增强，采用速度优先策略，高效兼顾处理效率与画面效果，尤其适用于处理时延敏感的业务场景。详细输入和输出参数请见 [enhance_video_fast](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L220)。 | |||enhance_video_generative |**生成式画质增强**：基于 Diffusion 扩散大模型技术提供生成式视频增强与修复，通过深度语义理解，智能补全和生成符合视频内容的真实细节，可修复视频在压缩或老化过程中损失的像素，最终产出自然、高保真的视频画面。详细输入和输出参数请见 [enhance_video_generative](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L242)。 | |||erase_video_subtitle |**字幕擦除（标准版）** ：智能检测并擦除视频画面中已有的硬字幕，保留原始背景；仅处理字幕，不支持水印擦除。详细输入和输出参数请见 [erase_video_subtitle](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L263)。 | |||erase_video_subtitle_pro |**精细化字幕擦除**：用于字幕擦除（精细化版），对视频字幕进行高质量无痕擦除，并最大程度还原视频画面。详细输入和输出参数请见 [erase_video_subtitle_pro](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L281)。 | |||extract_frames |**视频抽帧**：从视频中抽取截图，截图结果支持用于视频封面、预览图、雪碧图或其他视频理解任务的输入。详细输入和输出参数请见 [extract_frames](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L305)。 | |||extract_video_invisible_watermark |**提取视频暗水印**：从已嵌入暗水印的视频中解析并还原隐藏的数字信息；如果同一视频被多次嵌入暗水印，也能够提取出所有水印信息。详细输入和输出参数请见 [extract_video_invisible_watermark](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L333)。 | |||face_blur_video |**视频人脸打码**：视频人脸打码可自动精准识别视频画面中的人脸区域，并对所有人脸进行模糊或马赛克处理，适用于需要保护人物五官隐私的场景。详细输入和输出参数请见 [face_blur_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L348)。 | |||face_swap_video |**视频人脸融合**：将用户提供的目标人脸融合替换到视频中的人物上，输出高质量换脸视频，主要适用于生成式视频脱敏需要换脸的场景。详细输入和输出参数请见 [face_swap_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L371)。 | |||generate_highlights_microdrama |**高光智剪\-短剧**：可用于短剧高光智剪，基于输入剧集的角色和剧情故事线理解提取高光片段，并按时长、产出个数、顺剪或跳剪等要求生成高光混剪、单集预告等视频。详细输入和输出参数请见 [generate_highlights_microdrama](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L390)。 | |||generate_highlights_minigame |**高光智剪\-小游戏**：支持识别小游戏录屏视频中的核心玩法与高光事件，例如连击、通关、极限操作，并快速生成用于买量推广的视频素材。可选提供游戏名称、玩法描述和高光定义，辅助更精准地识别精彩内容。详细输入和输出参数请见 [generate_highlights_minigame](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L416)。 | |||generate_highlights_movie |**高光智剪\-影视拆条**：支持面向电影、电视剧等长视频内容，按剧情故事线识别高光并拆分成多段指定时长的高光片段，用于影视合集分发的短视频素材；算法会识别并去除景色铺垫、缓慢运镜、片头片尾曲等低密度信息；每段拆条带有高光前置开场与结尾钩子设计。详细输入和输出参数请见 [generate_highlights_movie](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L437)。 | |||martencode_video |**极智超清**：极智超清在转码时智能分析视频的场景、动作、内容和纹理，选择最优编码参数，以相对较低码率输出主观画质更优的视频，降低带宽成本并改善用户视觉体验。详细输入和输出参数请见 [martencode_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L458)。 | |||matte_greenscreen_video |**视频绿幕抠图**：可对绿幕或纯色背景的视频进行抠图，自动识别并保留主体，最终生成背景透明或纯色背景的视频。详细输入和输出参数请见 [matte_greenscreen_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L481)。 | |||matte_portrait_video |**视频人像抠图**：自动识别视频中的人物主体，移除原始背景，并生成背景透明或纯色背景的视频文件，适用于背景替换等后期处理场景。详细输入和输出参数请见 [matte_portrait_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L501)。 | |||probe_video_metadata |**视频元信息获取**：探测输入的视频 URL，输出标准化的媒资元信息。详细输入和输出参数请见 [probe_video_metadata](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L521)。 | |||remux_video |**视频转封装**：视频转封装用于调整视频容器格式，仅修改容器格式，不会重新编解码音视频码流，适用于点播分发适配、流媒体切片打包与多端兼容等场景。详细输入和输出参数请见 [remux_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L536)。 | |||segment_scenes |**场景切分**：依据视频的转场和画面内容变化自动切分多个场景片段，输出每个场景片段的时间轴信息与对应的独立视频文件。详细输入和输出参数请见 [segment_scenes](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L557)。 | |||semantic_segment |**智能语义切片**：综合分析视频的画面、语音和叙事结构，通过镜头切换、语音停顿检测等策略，在保证语义完整、避免将单句从中间切断的前提下，将长视频智能地切分为多个独立的素材片段。详细输入和输出参数请见 [semantic_segment](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L579)。 | |||transcode_video |**视频转码**：视频转码将视频码流转换为另一视频码流，可涉及编码格式、分辨率、码率、I 帧间隔和封装格式转换，用于适应不同业务场景、播放终端和网络环境。详细输入和输出参数请见 [transcode_video](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L600)。 | |||video_ocr |**视频识别字幕（OCR）** ：用于视频字幕识别（OCR），识别输入视频画面中的字幕信息，输出带时间戳的结构化文本数据。详细输入和输出参数请见 [video_ocr](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L623)。 | |||video_understand_router |**视频理解智能策略**：基于视觉大模型，对输入的视频 URL 列表进行通用视频内容分析，输出视频级别的结构化理解结果，适用于内容审核、视频检索、标签生成等场景。详细输入和输出参数请见 [video_understand_router](https://github.com/volcengine/mcp-server/blob/main/server/mcp_server_mediakit/src/mediakit/mcp_tools/video.py#L641)。 | ## 快速体验：在 Trae 中配置 Trae 是一款 AI 原生 IDE，提供了强大的智能体协作能力。通过接入 AI MediaKit MCP ，您可以直接在 Trae 对话框中以自然语言方式调用云端媒体处理能力，快速完成视频剪辑、字幕处理、音频处理和画质增强等任务。 ### 前提条件 * 访问 AI MediaKit 控制台 [API Key 管理页面](https://console.volcengine.com/imp/ai-mediakit/settings)，创建并获取 **AI MediaKit API Key**（用于媒体处理功能鉴权）。 * 已确认 AI MediaKit 服务接入地址。若未显式配置，默认使用 `https://amk.cn-beijing.volces.com`。 * 已安装 [Trae 客户端](https://www.trae.com.cn/)。 * 使用本地模式或云端自部署模式时，需确保本地开发环境已安装 `uvx`。可通过 `uvx --version` 检查；若提示未安装，请参考 [uv 官方安装文档](https://docs.astral.sh/uv/getting-started/installation/)。 ### 操作步骤 #### 步骤 1：选择接入模式根据您的使用场景，选择以下两种接入模式之一： |模式 |适用场景 |接入方式 | |---|---|---| |**本地模式（JSON Local）** |个人调试、快速试用、无需自建服务。 |通过 `uvx` 直接从 `mcp-server` 仓库子目录运行 AI MediaKit MCP。 | |**云端模式（JSON URL）** |团队共享、长期稳定使用、统一运维。 |先自行部署 AI MediaKit MCP Server，再使用部署后的 Streamable HTTP 地址接入。 | #### 步骤 2：添加 MCP 配置 1. 打开 Trae，单击窗口右上角“设置”（⚙️）按钮。 2. 在 MCP 页签下，单击**添加** \> **手动配置**。 3. 根据您在步骤 1 中选择的模式，复制对应 JSON 配置，并按下方说明替换参数。 **本地模式（JSON Local）** 复制以下 JSON 并根据下方文字说明进行替换。Trae 会通过 `uvx` 自动拉取远程代码并在本地运行。 ```JSON { "mcpServers": { "mediakit_mcp": { "command": "uvx", "args": [ "--from", "git+https://github.com/volcengine/mcp-server.git#subdirectory=server/mcp_server_mediakit", "mcp-server-mediakit" ], "env": { "MEDIAKIT_API_KEY": "your-api-key", "MEDIAKIT_ENDPOINT": "https://amk.cn-beijing.volces.com", "MCP_DOMAINS": "editing,video" } } } } ``` **字段替换说明：** * `mediakit_mcp`：MCP 服务名称，您可以根据需要自定义。 * `MEDIAKIT_API_KEY`：请替换为您的 AI MediaKit API Key。 * `MEDIAKIT_ENDPOINT`：AI MediaKit 服务地址。若使用默认接入地址，可保留 `https://amk.cn-beijing.volces.com`。 * `MCP_DOMAINS`：按分组加载工具，例如 `editing,video`。如需按工具名精确加载，可改用 `MCP_TOOLS`。如需按工具名加载，可参考以下写法： ```JSON { "mcpServers": { "mediakit_mcp": { "command": "uvx", "args": [ "--from", "git+https://github.com/volcengine/mcp-server.git#subdirectory=server/mcp_server_mediakit", "mcp-server-mediakit" ], "env": { "MEDIAKIT_API_KEY": "your-api-key", "MEDIAKIT_ENDPOINT": "https://amk.cn-beijing.volces.com", "MCP_TOOLS": "trim_video,query_task" } } } } ``` **云端模式（JSON URL）** 云端模式不提供现成的部署链接。使用该模式前，您需要先自行部署 AI MediaKit MCP Server，并确保服务可通过 Streamable HTTP 方式访问。部署完成后，请记录可访问的服务地址，例如 `https://your-domain/mcp`，然后在 Trae 中按如下方式接入。一种简单的启动示例如下： ```Bash export MEDIAKIT_API_KEY="your-api-key" export MEDIAKIT_ENDPOINT="https://amk.cn-beijing.volces.com" export MCP_SERVER_HOST="0.0.0.0" export MCP_SERVER_PORT="8000" export STREAMABLE_HTTP_PATH="/mcp" uvx --from "git+https://github.com/volcengine/mcp-server.git#subdirectory=server/mcp_server_mediakit" mcp-server-mediakit --transport streamable-http ``` 完成部署后，复制以下 JSON 并根据下方文字说明进行替换： ```JSON { "mcpServers": { "mediakit_mcp": { "url": "https://your-domain/mcp", "headers": { "x-amk-api-key": "your-api-key", "x-mediakit-endpoint": "https://amk.cn-beijing.volces.com", "x-mcp-domains": "editing,video" } } } } ``` **字段替换说明：** * `mediakit_mcp`：MCP 服务名称，您可以根据需要自定义。 * `url`：请替换为您自行部署后的 AI MediaKit MCP Streamable HTTP 地址，例如 `https://your-domain/mcp`。 * `x-amk-api-key`：请替换为您的 AI MediaKit API Key。 * `x-mediakit-endpoint`：AI MediaKit 服务地址。若使用默认接入地址，可填写 `https://amk.cn-beijing.volces.com`。 * `x-mcp-domains`：按分组加载工具，例如 `editing,video`。如需按工具名精确加载，可改用 `x-mcp-tools`。如需按工具名加载，可参考以下写法： ```JSON { "mcpServers": { "mediakit_mcp": { "url": "https://your-domain/mcp", "headers": { "x-amk-api-key": "your-api-key", "x-mediakit-endpoint": "https://amk.cn-beijing.volces.com", "x-mcp-tools": "trim_video,query_task" } } } } ``` 4. 确认该 MCP 的状态显示为绿色激活。 #### 步骤 3：启用智能体对话在 Trae 主界面打开对话面板，将底部智能体切换为支持 MCP 的模式。随后，您可以直接下达自然语言指令，例如： * 帮我把这个视频裁剪为前 10 秒，并输出一个新视频。 * 帮我给这个视频添加中文字幕，字号设置为 28。 * 帮我擦除视频底部字幕，并对处理后的视频做画质增强。 * 帮我把两段音频拼接起来，如果任务是异步的，请继续帮我查询最终结果。

说明

同步任务会直接返回结果；异步任务会返回 task_id，需要调用 query_task 查询任务状态和结果。

默认开启幂等，即相同账户和核心请求参数在 2 天内重复提交时，服务会直接返回首次任务结果，不会重复创建任务。如需主动控制幂等，可传 client_token；请求重试时复用同一值，强制重新执行时必须传新的唯一值。client_token 由客户端生成，长度不超过 64 个字符。

## MCP 配置参数说明下表列出 AI MediaKit MCP 的核心配置项，区分云端模式与本地模式。请根据您的实际接入场景选择对应字段。 |云端 Header 字段 |本地环境变量名 |示例 |说明 | |---|---|---|---| |x\-amk\-api\-key |MEDIAKIT_API_KEY |your\-api\-key |AI MediaKit API Key，用于请求鉴权。 | |x\-mediakit\-endpoint |MEDIAKIT_ENDPOINT |https://amk.cn\-beijing.volces.com |AI MediaKit 服务地址；未配置时默认使用该地址。 | |x\-mcp\-domains |MCP_DOMAINS |editing,video |按工具分组加载，多个分组用英文逗号分隔。 | |x\-mcp\-tools |MCP_TOOLS |trim_video,query_task |按工具名加载，多个工具名用英文逗号分隔。 | 云端自部署时，还可按需使用以下服务启动参数： |环境变量 |默认值 |说明 | |---|---|---| |`MCP_SERVER_HOST` |`0.0.0.0` |MCP 服务监听地址。 | |`MCP_SERVER_PORT` |`8000` |MCP 服务监听端口。 | |`STREAMABLE_HTTP_PATH` |`/mcp` |Streamable HTTP 路径。 | ## 工具详情 ### query_task 查询异步任务状态。支持单次查询，也支持通过 `poll_interval_seconds` 与 `max_poll_attempts` 控制轮询。 ### add_image_to_video 在视频中添加图片覆盖层，可用于图片水印。支持配置图片宽高、水平位置、垂直位置、开始时间和结束时间。 ### add_subtitle_to_video 将字幕文件或字幕文本压制到视频画面中。支持字幕位置、字体大小、字体颜色和字体类型配置。 ### adjust_video_speed 调整视频播放速度，实现快放或慢放效果。支持 `0.1` 到 `4` 倍速。 ### concat_audio 拼接多个音频片段，最多支持 100 个音频 URL。 ### concat_video 拼接多个视频片段，最多支持 100 个视频 URL，并可配置转场效果。 ### extract_audio 从视频中提取音频，支持输出 `mp3` 或 `m4a`。 ### flip_video 对视频画面进行水平或垂直镜像翻转。 ### image_to_video 将多张图片合成为动画视频，并支持配置转场效果。 ### mux_audio_video 将视频与音频合成为一个视频文件。支持保留原视频音频，并支持按视频或音频基准进行时长对齐。 ### trim_audio 按秒级起止时间裁剪音频文件。 ### trim_video 按秒级起止时间裁剪视频文件。 ### erase_video_subtitle_pro 针对视频中的字幕或文本进行高质量擦除，尽可能还原视频画面。支持 `mp4`、`flv`、`ts`、`avi`、`mov`、`wmv`、`mkv` 等主流视频格式。 ### enhance_video 针对 `common`、`ugc`、`short_series`、`aigc`、`old_film` 等场景进行画质增强，支持标准版和专业版工具版本。