AI Art Engine EN
菜单

Guide · MCP

MCP 接入教程

把 AiArtEngine 接入 Claude Code 等 AI Agent:应用启动后自带一个本地 MCP 工具服务,Agent 可以直接规划工作流、编辑节点图、运行生成、查询任务——对标 LibTV CLI 的「产品即 Agent 工具」体验,但完全本地化,无需云账号授权。 应用内置的 AI 对话面板(工作区左侧「◈」)也走这套同一工具面:在聊天里 @ 引用资产,让助手直接调用下列工具干活。

1. MCP 是什么

MCP(Model Context Protocol)是 AI Agent 调用外部工具的标准协议。接入后,你的编码 Agent 多了一组「AiArtEngine 工具」,对话即可驱动应用:

Claude Code / Codex ──stdio(MCP)──▶ mcp-bridge.mjs ──HTTP──▶ AiArtEngine 应用(127.0.0.1 工具服务)
  • 应用每次启动会在 127.0.0.1 起一个带 Bearer token 的本地工具服务,连接信息写入 %APPDATA%/aiartengine/mcp.json(macOS / Linux 路径见下文)。文件跨重启保留,token 稳定不变,客户端配置一次即可;也可在应用「设置 → MCP 接入」中编辑 Token。
  • 桥脚本 scripts/mcp-bridge.mjs 零依赖,由 Agent 客户端拉起,负责协议转换与转发。
  • 通信仅限本机回环地址;除健康检查外全部需要 token。
前置条件:AiArtEngine 桌面应用处于运行状态;桥脚本需要 Node.js 18+; workflow_plan 类工具依赖应用里已配置的文本模型。

2. 三步接入 Claude Code(两种方式任选其一)

方式 A:stdio 桥(推荐)

  1. 启动 AiArtEngine 桌面应用。
  2. 注册 MCP server(桥脚本在仓库内,把路径换成你的实际仓库位置):
    claude mcp add aiartengine -- node C:/path/to/ai-art-engine/scripts/mcp-bridge.mjs
    或手动写入 MCP 配置文件:
    {
      "mcpServers": {
        "aiartengine": {
          "command": "node",
          "args": ["C:/path/to/ai-art-engine/scripts/mcp-bridge.mjs"]
        }
      }
    }
  3. 重启 Agent 会话,工具即可使用。其他支持 MCP 的客户端(Codex、Trae 等)按同样的「command + args」方式配置。

方式 B:HTTP 直连(无需 Node.js)

支持 streamable HTTP 的客户端可跳过桥脚本,token 取自 mcp.json(持久复用):

claude mcp add --transport http aiartengine http://127.0.0.1:43110/mcp --header "Authorization: Bearer <token>"

配置模板(.mcp.json)

.mcp.json可选文件,需要你手动创建(没有程序会自动生成)—— 新建一个名为 .mcp.json 的文本文件填入下面的内容,放在你运行 Claude Code 的项目根目录, 提交进 git 后团队克隆即用。

单人使用不需要建这个文件:直接执行 claude mcp add aiartengine -- node C:/path/to/ai-art-engine/scripts/mcp-bridge.mjs, Claude Code 会自动写入本机配置(~/.claude.json)。两种方式二选一,无需同时做。

stdio 桥版(路径换成实际仓库位置):

{
  "mcpServers": {
    "aiartengine": {
      "command": "node",
      "args": ["C:/path/to/ai-art-engine/scripts/mcp-bridge.mjs"],
      "env": {
        "AIAE_MCP_CONFIG": "C:/Users/<你>/AppData/Roaming/aiartengine/mcp.json"
      }
    }
  }
}

HTTP 直连版(无需 Node.js,token 取自应用侧 mcp.json):

{
  "mcpServers": {
    "aiartengine": {
      "type": "http",
      "url": "http://127.0.0.1:43110/mcp",
      "headers": {
        "Authorization": "Bearer <应用侧 mcp.json 里的 token>"
      }
    }
  }
}
应用侧的连接信息文件(%APPDATA%/aiartengine/mcp.json,结构 { "port": 43110, "token": "…", "pid": …, "version": "…" })由应用自动写入与删除, 不要手改;token 跨重启复用,要重置删除该文件后重启应用即可。

3. 工具清单

分组 工具 作用
工程与资产 app_status 版本、当前工程、资产数量
project_list / project_open / project_create 最近工程、打开、新建
asset_list / asset_read_file 资产列表、按相对路径读取工程内文件
asset_write_text 更新剧本 / 备注等文本资产(界面同步)
folder_list 资产库文件夹列表(生成工具 folderId 的来源)
规划与运行 workflow_list_presets 12 个行业模板列表(id + 标题)
workflow_plan 自然语言 → 节点图计划(走应用已配置文本模型)
workflow_commit 计划落盘为宿主资产(界面同步出现)
task_run / task_status 运行宿主资产工作流、轮询执行状态(应用任务列表同步显示)
graph_read 读取宿主资产图结构(节点 id / 连线,graph_edit 前置)
生成 generate_image 文生图 / 图生图,落盘为工程资产
generate_video 提交视频生成并登记资产(可 video_job_* 跟踪)
generate_model3d 文生 / 图生 3D,产出 GLB 资产
编辑与查询 graph_edit 对宿主资产图应用节点 / 连线编辑操作批(端口兼容性在应用内校验)
models_list 已启用模型提供商与各模态勾选模型(不含密钥)
video_job_list / video_job_get 异步视频任务状态

4. 场景示例

接入后直接用自然语言下指令,Agent 会自动组合工具:

  • 「列出我的最近工程,打开第一个」→ project_list + project_open
  • 「用 shortDrama 模板规划一条工作流并落盘」→ workflow_plan(presetId=shortDrama)+ workflow_commit
  • 「运行刚才创建的工作流,完成后告诉我结果」→ task_run + task_status 轮询
  • 「给这张图节点下面加一个配音节点并连上」→ graph_edit(node_upsert + edge_connect)
  • 「用已配置的模型生成一张 9:16 的海报」→ models_list + generate_image

5. 配置与环境变量

桥默认读取 %APPDATA%/aiartengine/mcp.json(macOS: ~/Library/Application Support/aiartengine/;Linux: ~/.config/aiartengine/)。需要覆盖时:

环境变量 作用
AIAE_MCP_CONFIG 指定 mcp.json 的绝对路径
AIAE_MCP_PORT + AIAE_MCP_TOKEN 直连指定端口与 token(优先于配置文件)

应用会依次尝试端口 4311043119,被占用自动顺延,实际端口以 mcp.json 为准。

6. 安全与当前限制

  • 服务只监听 127.0.0.1,token 鉴权;文件读写被限制在工程根目录内;密钥信息不对外暴露。
  • 并发闸门:generate_image / generate_speech / workflow_plan 同时最多 3 个(AIAE_MCP_GEN_LIMIT 可调),排队满直接报错,防止 Agent 失控消耗额度。
  • 操作审计:每次工具调用追加写 <userData>/logs/mcp-audit.jsonl(参数截断、5MB 滚动),生成与写入可回查。
  • graph_edit 对正在编辑器中打开的图会拒绝修改,避免与编辑器内存态互相覆盖。
  • workflow_plan 走 LLM,耗时可能数十秒;generate_video / generate_model3d 为异步任务,用 video_job_* 跟踪。
  • 接入方式两选一:stdio 桥(安装包内置在 <安装目录>/resources/mcp-bridge.mjs;开发场景用仓库内 scripts/mcp-bridge.mjs,需 Node.js 18+)或 HTTP 直连(无需 Node.js)。