MCP 协议让 AI Agent 直接剪辑视频，无需切换工具

dev.to · AI#MCP#AI Agent#视频处理

Editor brief · 编辑速览

视频剪辑类工具天然适合 MCP 调用——输入长视频、输出短片段，映射为少量工具接口。开发者可让自己的 AI 助手直接完成视频剪辑任务，无需离开当前工作流。

文章思维导图

Knowledge map

拖拽缩放

Full translation

完整中文译文

半年前，"AI 视频剪辑"意味着打开一个网页应用、粘贴链接、再点点鼠标。而今天你可以待在已经熟悉的那个对话工具里（Claude、Cursor、ChatGPT），直接说："把这段播客最精彩的部分剪出来，重新裁成 TikTok 竖版。"剪辑好的片段就直接回来了。不需要切换标签页，不需要打开后台。

让这一切成为可能的，是 Model Context Protocol（MCP）。如果你听过这个缩写但没深入了解，这里有一句话版本：MCP 是一种让 AI Agent 调用真实工具的标准方式。Agent 不需要猜测你的 API 怎么用，它读取一组带类型的工具列表，选一个、填参数、拿到结构化数据回来。

我一直在做一个视频剪辑工具（Katto），把 MCP Server 作为一等公民来设计，而不是事后补救，所以我专门去看了一眼整个剪辑领域在 MCP 这件事上到底处于什么状态。以下是我的发现，如实说。

为什么视频剪辑是一个近乎完美的 MCP 使用场景

大多数 SaaS 功能暴露给 Agent 时都很别扭，因为它们需要大量的来回交互。剪辑恰恰相反。整体工作流程就是：输入一个长视频，输出若干短片段。这很干净地映射到几个工具上：

从 URL 或上传创建剪辑任务
获取完成的片段（MP4 文件、字幕、病毒传播指数）
可选：用不同版式重新渲染一个片段，或将其配音为其他语言

这就是一个 Agent 可以端到端驱动的流程。你在一句话里给它一个 YouTube 链接，它还给你五个带字幕的竖版片段。

现状（截至 2026 年 8 月）

MCP 在剪辑工具中已经变得出人意料地普遍。OpusClip 通过 OAuth 提供托管服务器。Reap 和 Submagic 暴露了 MCP 端点。甚至更小众的玩家如 Whipscribe（更侧重于转录和片段搜索）也运行了一个公开的 MCP，支持本地安装。

所以我不认为"我们有 MCP 服务器"还能算作差异化优势了，至少在面向开发者和 Agent 工作流的工具层面是这样。真正不同的是怎么做。以下是经过各厂商官方文档核实的事实：

核实时间：2026-08-22，来源：厂商文档。这个领域变化很快，如果某个单元格已过期，告诉我，我会修正。

视频剪辑 MCP 之间真正差异在哪里

这才是实现层面分歧最大的地方。有些工具对 Agent 用量进行计量：OpusClip 提供免费试用然后按渲染分钟数收费的 Pro 方案，Submagic 的 MCP 与其按量计费的 REST API 共用同一个积分池。另一些把 MCP 放在更低价位的方案里：Reap 的 MCP 随包含 API 访问权限的付费方案提供，Whipscribe 的 MCP 从免费层就可以使用。

在 Katto 上，MCP 和 API 在所有付费方案中都包含在内，调用共享同一个月的视频配额，不按分钟额外收费。我是有意这样设计的，而且不止我一个人认为 Agent 访问不应该被额外收费。但还是要对照你自己的预算来核对表格；"包含"在不同价位里含义不同。

实际上，我见过两种有用的认证模式：

托管、零安装：用一个 OAuth 客户端（Claude 网页或桌面版，或任何支持 OAuth 的客户端）指向服务器 URL 并登录。磁盘上不存储任何密钥。

本地密钥：一行 npx 安装命令加一个 API 密钥，适用于 Cursor、CI 和脚本。

不是每个工具都同时提供这两种方式。OpusClip 和 Reap 通过托管端点走 OAuth；Submagic 和 Whipscribe 用 Bearer 密钥认证。Katto 的托管端点（https://mcp.katto.tech/mcp）支持 OAuth 2.1 动态客户端注册，密钥永远不会经过你的机器，同一个端点也接受 bearer 密钥用于自动化场景。这就是为什么我希望 Katto 同时支持两种模式，而不是强迫每个用例都使用同一种认证模型。

关于安全性有一点需要注意，因为它适用于表中所有的服务器：MCP 赋予了 Agent 在你账户上的真实能力。在连接任何一个之前，先看看这些工具实际能做什么，优先选择将密钥和破坏性操作排除在 Agent 触及范围之外的服务器。

很多 MCP 服务器止步于"创建任务 / 获取任务"。更有用的是暴露完整流水线。Katto 目前暴露了 15 个工具，覆盖从创建任务到转录文本、用不同版式或字幕样式重新渲染、配音为八种语言的完整工作流。重点不在数量。当然。我希望 Agent 在第一次渲染之后就能做些有用的事，而不是停在"任务完成"就结束了。

OpusClip 则走得更宽：他们的功能目录比我的更大，包含 Katto 目前 MCP 还没有的东西，比如排期发布到已连接社交账号。

MCP 告诉不了你的事

表中没有任何一项能告诉你剪辑质量到底怎么样。这才是真正重要的部分，也是工具列表展示不了的部分。

Katto 目前还落后的地方

诚实要一以贯之，所以说说另一面。OpusClip 的 MCP 有更成熟的产品支撑：更大的工具目录、从 Agent 内部排期社交发布，以及越来越多的第三方教程。Katto 更年轻、体量更小，有些打磨是多年用户反复敲打一个产品才能积累出来的。如果你想要目前最成熟的端到端 Agent 工作流，选 OpusClip 是有道理的。

我真正在乎的部分

这里说说实话。MCP 不是产品。它只是通往产品的一扇门。重要的是工具调用之后发生了什么。

具体到 Katto，我大部分时间花在的素材里，有趣的瞬间往往不是说话的内容：体育、游戏、预告片、b-roll。很多剪辑流程仍然严重依赖转录信号来判断什么重要。这对播客和访谈很有效，但当钩子是视觉而非语言的时候，难度就大得多了。所以 Katto 也会读取像素：场景切换、人脸、运动、屏上文字，而不是只依赖转录文本。这才是 MCP 暴露出的核心能力；MCP 只是 Agent 获取它的方式。

所以我的建议是，不管你用不用 Katto：不要用 MCP 工具数量来选剪辑工具。要看在你那种素材上剪辑出来的实际效果怎么样，然后再确认它有干净、不设限、支持 OAuth 的 MCP，让你的 Agent 能驱动它。两者都重要。但只有后者才是让人持续使用产品的理由。

如果你已经有 MCP 客户端，直接指向 https://mcp.katto.tech/mcp，用 Katto 账号登录（密钥不落盘）。或者本地运行：

{ "mcpServers": { "katto": { "command": "npx", "args": ["-y", "katto-mcp"],
  "env": { "KATTO_API_KEY": "sk_live_your_key" } } } }

然后直接让你的 Agent 去剪点什么。这就是全部意义所在。

我在公开构建 Katto。如果你在做任何与 Agent 和媒体相关的事情，我真心想听听你希望存在什么工具。欢迎到 katto.tech 找我。