VOD MCP 是火山引擎视频点播面向 AI 时代推出的标准能力插件。它基于 MCP (Model Context Protocol) 协议，将云端专业的视频编辑、画质增强、内容识别等原子能力封装为智能体可直观调用的工具。通过 VOD 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视频处理任务。

VOD MCP 介绍

工具概览

VOD MCP 已开放的能力覆盖了从素材上传、内容理解到深度剪辑的全流程。所有工具均支持通过“分组（Group）”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
基础功能	upload	video_batch_upload	文件上传：支持从公网 URL 批量拉取音视频、图片等文件上传至点播空间，并可查询上传任务状态。详细输入和输出参数请见 video_batch_upload。
视频剪辑	edit	audio_video_stitching	多片段拼接：将多个视频或音频片段按指定顺序拼接成一个新文件，支持在片段间添加多种转场效果。详细输入和输出参数请见 audio_video_stitching。
				audio_video_clipping	片段裁剪：按起止时间点（秒级）裁剪视频或音频，生成新片段。详细输入和输出参数请见 audio_video_clipping。
				flip_video	画面翻转：对视频画面进行水平或垂直镜像翻转。详细输入和输出参数请见 flip_video。
				speedup_video	视频播放调速：调整视频的播放速率，实现快放或慢放效果。支持调整为 0.1～4 倍。详细输入和输出参数请见 speedup_video。
				speedup_audio	音频播放调速：调整音频文件的播放速率，实现快放或慢放效果。支持调整为 0.1～4 倍。详细输入和输出参数请见 speedup_audio。
				image_to_video	图片合成视频：将单张或多张图片合成为一个视频文件，支持为每张图片自定义显示时长和转场效果。详细输入和输出参数请见 image_to_video。
				compile_video_audio	音画合成：将独立的视频轨道和音频轨道叠加，合成为一个视频文件。可用于为视频添加或替换音轨。详细输入和输出参数请见 compile_video_audio。
				extract_audio	提取音轨：从视频文件中无损分离并提取出独立的音频轨道，生成一个音频文件。支持指定输出音频的格式为 mp3 或 m4a。详细输入和输出参数请见 extract_audio。
				mix_audios	音频混音：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。详细输入和输出参数请见 mix_audios。
				add_sub_video	视频叠加（画中画）：将一个子视频或图片素材叠加到主视频上，实现画中画、视频水印、图片水印等效果。支持自定义叠加元素的位置、尺寸及显示时段。详细输入和输出参数请见 add_sub_video。
视频增强	video_enhancement	video_quality_enhancement_task	综合画质修复：通过 AI 综合修复视频画质，消除压缩痕迹、噪点、划痕等常见损伤，提升整体清晰度和色彩表现。详细输入和输出参数请见 video_quality_enhancement_task。
				video_super_resolution_task	AI 超分：通过 AI 算法智能提升视频分辨率，例如将 720P 视频放大至 1080P，并锐化增强画面细节。详细输入和输出参数请见 video_super_resolution_task。
				video_interlacing_task	智能插帧：通过运动补偿算法，将低帧率视频（如 30fps）智能插帧至高帧率（如 60fps），使运动画面更平滑流畅。详细输入和输出参数请见 video_interlacing_task。
字幕处理	subtitle_processing	asr_speech_to_text_task	语音转字幕 (ASR)：通过 ASR 技术，将视频中的语音内容转换成带时间轴的字幕信息。详细输入和输出参数请见 asr_speech_to_text_task。
				ocr_text_to_subtitles_task	画面文字提取 (OCR)：通过 OCR 技术，智能提取视频画面中内嵌的文字。详细输入和输出参数请见 ocr_text_to_subtitles_task。
				video_subtitles_removal_task	硬字幕擦除：智能检测并无痕擦除视频画面中已有的硬字幕，保留原始背景。详细输入和输出参数请见 video_subtitles_removal_task。
				add_subtitle	添加内嵌字幕：将外部字幕文件（如 SRT 格式）以指定样式压制到视频画面中，生成带内嵌字幕的新视频。支持自定义字体、字幕样式以及字幕位置。详细输入和输出参数请见 add_subtitle。
音频处理	audio_processing	voice_separation_task	人声/伴奏分离：将音频中的人声与背景音乐精准分离，输出为两个独立的音轨文件。详细输入和输出参数请见 voice_separation_task。
音频处理	audio_processing			audio_noise_reduction_task	音频降噪：智能识别并消除音频中的环境噪音、电流声、风声等多种杂音，提升人声的清晰度。详细输入和输出参数请见 audio_noise_reduction_task。
智能切片	intelligent_slicing	intelligent_slicing_task	智能场景切分：基于画面转场、镜头切换，智能地将长视频切分成多个有逻辑关联的短片段。详细输入和输出参数请见 intelligent_slicing_task。
智能抠图	intelligent_matting	portrait_image_retouching_task	人像抠图：自动识别视频中的主体人像并进行高精度抠图，生成带透明通道的视频素材。支持指定输出视频的封装格式为 MOV 或 WEBM。详细输入和输出参数请见 portrait_image_retouching_task。
智能抠图	intelligent_matting			green_screen_task	绿幕抠图：对以绿幕为背景的视频进行专业级抠图，常用于影视后期与特效合成。支持指定输出视频的封装格式为 MOV 或 WEBM。详细输入和输出参数请见 green_screen_task。
任务管理	media_tasks	get_media_execution_task_result	异步任务查询：通过任务 ID 查询并获取异步媒体处理任务的执行状态和最终产物信息（如新文件 Vid、URL 等）。详细输入和输出参数请见 get_media_execution_task_result。
媒体分发	video_play	get_play_url	获取播放地址：根据 Vid 或文件名，获取指定视频的多种清晰度、格式的播放地址。详细输入和输出参数请见 get_play_url。
媒体分发	video_play			get_video_audio_info	获取音视频元信息：获取指定音视频的详细元数据，如时长、码率、分辨率、编码格式、帧率等。详细输入和输出参数请见 get_video_audio_info。

典型应用场景

您可以灵活组合 VOD MCP 提供的原子能力，以支持多样化的 AI 视频创作与处理场景。以下是一些典型的应用示例：

AI 漫剧生成

将漫画或小说素材快速转化为动态视频。MCP 可根据指令，自动完成素材组合、配音、字幕添加等一系列繁琐的后期工作。核心环节：

画面合成：使用 image_to_video 将多张漫画图片合成为视频，或使用 audio_video_stitching 拼接已有视频片段。

音轨处理：使用 extract_audio 提取原声，再使用 mix_audios 叠加上新的配音或背景音乐。

字幕生成：通过 asr_speech_to_text_task 将配音转换为字幕，再使用 add_subtitle 将其压制到视频中。

画质增强：最后，可选用 video_super_resolution_task 提升输出视频的整体分辨率和清晰度。

爆款营销视频制作

在电商、广告等场景中，可将 AI 生成的商品图、用户素材或产品演示片段，通过自然语言指令快速组合生成抓人眼球的营销短视频。核心环节：

片段剪辑：使用 audio_video_clipping 从长视频中截取高光片段。

拼接合成：使用 image_to_video 将多张商品图合成为视频，或使用 audio_video_stitching 拼接已有视频片段，并添加背景音乐。

添加营销信息：通过 add_subtitle 功能为视频添加引人注目的标题、卖点介绍或活动信息。

教育视频制作

在 K12、知识付费等领域，将图文课件、古诗词、绘本故事等内容自动化生成为生动有趣的教学视频。核心环节：

课程内容合成：使用 image_to_video 将教学 PPT 或绘本图片转换为视频。同时，可调用 audio_video_stitching 将多个视频片段拼接起来，并添加转场效果，形成连贯的教学内容。

添加旁白：调用 audio_video_stitching 为视频添加预先录制好的课程讲解或故事朗读。

添加字幕：使用 asr_speech_to_text_task 和 add_subtitle 生成和添加同步字幕。

计费说明

VOD MCP 本身作为开源工具及协议层插件不收取额外费用。但在通过 MCP 驱动视频处理的过程中，会调用火山引擎视频点播后端的各项资源。在使用过程中，产生的费用主要由以下三部分组成：

媒资存储费用：所有通过 MCP 上传的原始素材，以及处理后生成的成品视频，均存储在您的视频点播空间中，根据存储文件的占用空间（GB）按日计费。详见媒资存储计费。

视频处理费用：这是费用的核心部分，根据您驱动 MCP 执行的任务类型有所不同：

云剪辑：根据输出视频的分辨率和时长计费，详见视频剪辑计费。

单任务处理：视频超分、插帧、语音转写等 AI 任务将根据任务的处理规格及时长独立计费，详见媒体处理计费。

流量费用：当您通过 MCP 返回的播放地址观看或分发视频时，会产生下行流量。

若您在视频点播中配置加速域名，会产生分发加速计费。

若您未在视频点播中配置加速域名，则会产生存储流出费用。

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 VOD MCP，您可以直接在 Trae 对话框中以 Vibe Coding 的方式，仅需 10 分钟即可完成首个 AI 视频剪辑任务，无需编写任何代码。

前提条件

已注册火山引擎账号并完成实名认证。

已获取火山引擎 Access Key/Secret Key（简称 AK/SK）。

已开通视频点播服务并创建空间。

（推荐）将待处理的视频素材上传至点播空间，或准备好公网可访问的视频 URL。

（可选）准备开发环境：

安装 Trae 客户端。

通过 uvx --version 命令检查您的开发环境中是否已安装 uvx。若显示 uvx: command not found，则参考官方文档安装 uvx。

操作步骤

步骤 1：选择接入模式

根据您的需求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)	个人快速调试、处理本地敏感文件、无需公网域名。	通过 uvx 命令直接调用本地脚本运行。您可直接跳转至步骤 2：添加 MCP 配置。
云端模式 (JSON URL)	长期稳定使用、跨团队协作、无需本地安装环境。	前往火山引擎 MCP 广场，在 Trae 页签下，单击云部署生成专属长效 URL。复制该 URL 后，前往步骤 2：添加 MCP 配置。注意此方式需账户余额不少于 100 元，涉及 API 网关及函数服务计费。

步骤 2：添加 MCP 配置

打开 Trae，单击 Trae 窗口右上角"设置"按钮（齿轮图标）。

在 MCP 页签下，单击添加 > 手动添加。

根据您在步骤 1 选择的模式，复制对应的配置 JSON 并根据下方文字说明进行替换。请注意，为了确保初次调用的成功率，默认仅加载了最核心的工具分组。

本地模式 (JSON Local)

云端模式 (JSON URL)

复制以下 JSON 并根据下方文字说明进行替换。Trae 会通过 uvx 自动拉取最新的远程代码并在本地运行。

说明

字段替换说明：

video_process_mcp：MCP 服务的名称，您可以根据需要自定义。

VOLCENGINE_ACCESS_KEY 与 VOLCENGINE_SECRET_KEY：请替换为您在前提条件中获取的火山引擎 AK 和 SK。

MCP_TOOLS_TYPE：加载模式，可选 groups（按分组）或 tools（按工具）。

MCP_TOOLS_SOURCE：加载范围。您可以填入 all 加载全部工具，或填入如 edit,upload 这种以逗号分隔的分组/工具名。注意 Trae 限制单个 MCP 工具数上限为 10 个，建议仅加载必需的分组。

MCP_SPACE_NAME：请替换为您在视频点播控制台创建的空间名称。

完整参数说明，请见MCP 配置参数说明。

确认该 MCP 的状态显示为绿色激活，如下图所示。

步骤 3：启用智能体对话

在 Trae 主界面打开对话面板，将底部的智能体切换为 Builder with MCP 模式。

您可以直接下达提示词，例如：帮我将 test 空间中的 beach.mp4 和 sunset.mp4 拼接在一起，中间加一个“淡入淡出”转场效果，完成后把播放地址发给我。

阶段	内容
输入视频	Replay Play 00:00 / 00:05 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag
处理过程	您将观察到：自主规划：智能体将自动识别出需要调用 audio_video_stitching 工具。异步追踪：由于云端剪辑需要时间，智能体会提交任务并返回一个任务标识（TaskID），并在后台自动轮询进度。如果您发现对话中断，可以手动追问：‘刚才的任务处理完了吗？结果交付：任务完成后，智能体会直接给出生成的视频信息以及预览链接。
输出视频	Replay Play 00:00 / 00:10 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag

参考信息

提示词编写建议

为了让智能体更准确地调用 VOD MCP 工具，建议在撰写提示词时遵循以下原则：

明确目标空间：

您可以在 MCP 配置阶段通过 x-tt-space-name 字段预先指定默认视频点播空间。配置默认空间后，所有任务将默认使用该空间进行媒资处理，无需每次提示词中重复声明。

如果未在配置中指定默认空间，或者需要临时使用其他空间，请在提示词中明确目标空间，例如："请使用 my_media_space 这个空间进行处理"。

指定待处理视频：您可以通过以下两种方式灵活地指定需要处理的源素材：

通过 URL 指定：直接在提示词中提供素材的公网 URL。系统会自动拉取文件并上传至点播空间，然后执行后续处理任务。例如："请帮我将 http://example.com/my_video.mp4 这个视频的语速调整为 1.5 倍，并为它生成中文字幕。"

通过点播媒资指定：如果素材已上传至点播空间，您可以直接通过其 Vid (视频 ID) 或 FileName (文件名) 进行引用。例如："请帮我把 Vid 为 v03103g50000cl7p8d9o346g2n9p2lp0 的视频水平翻转，并提高它的画质到 1080P。"

描述执行顺序：对于涉及多个原子能力的复杂任务，建议使用“先...再...最后...”的结构，显式地描述步骤间的先后顺序。例如：“先执行人声分离，再对分离后的人声进行语音转写”。

设定质量与规格边界：AI 的产出具有一定的概率性，显式的参数约束可以降低结果的不确定性。例如在涉及视频增强任务时，明确期望值：“请以 1080P 规格输出合成后的视频”。

常用提示词参考

下表展示了常见业务场景下的推荐提示词。您可以直接将这些提示词复制到对话框中尝试，并根据实际需求进行微调。

视觉效果变换

提示词：帮我把这个视频进行水平翻转，并调整为 2 倍速播放。

输入视频	输出视频
Replay Play 00:00 / 00:20 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag	Replay Play 00:00 / 00:10 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag

字幕提取与自动压制

提示词：通过 ASR 识别 test 空间 speech_no_subtitle.mp4 视频中的音频，转为字幕；然后再将字幕添加到原视频中，生成一个新视频。

输入视频	输出视频
Replay Play 00:00 / 00:15 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag	Replay Play 00:00 / 00:15 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag

MCP 配置参数说明

下表列出 VOD MCP 的核心配置项，区分云端部署与本地部署。请根据您的实际接入场景选择对应的参数。

云端 Header 字段	本地环境变量名	示例	说明
x-tt-access-key	VOLCENGINE_ACCESS_KEY	AKLTMTU2M...	火山引擎访问密钥 AK
x-tt-secret-key	VOLCENGINE_SECRET_KEY	TnpZek5HT...	火山引擎访问密钥 SK
x-tt-tools-type	MCP_TOOLS_TYPE	groups 或 tools	加载模式。决定按“分组”还是按“具体工具”加载。
x-tt-tools-source	MCP_TOOLS_SOURCE	all 或 edit,upload	加载范围。全量加载 (all)：仅在 x-tt-tools-type 为 groups 时生效。适用于功能强大的模型（如 GPT-4、Claude 3.5）。注意，在 Trae 中如果工具总数超过 10 个会报错。场景化加载 (edit,upload)：例如，如果您只需剪辑功能，仅加载 edit 分组可以显著降低 Token 消耗，并提高 AI 调用的准确率。
x-tt-host	VOLCENGINE_HOST	vod.volcengineapi.com	视频点播服务的 API 域名
x-tt-region	VOLCENGINE_REGION	cn-north-1	视频点播服务所在的地域
x-tt-session-token	VOLCENGINE_SESSION_TOKEN	...	（可选）使用临时凭证时填写