SamurAIGPT/Generative-Media-Skills

解決する課題

このプロジェクトは、Claude Code、Cursor、Gemini CLI などの AI エージェントが、プロフェッショナルグレードの画像、動画、音声を生成・編集できる包括的なツールセットを提供します。高度なクリエイティブ意図と、高品質なマルチモーダルメディアを生成するために必要な技術的 API 呼び出しとのギャップを埋め、幅広い AI モデルを活用します。

仕組み

システムは muapi-cli によって駆動される Core/Library アーキテクチャ上に構築されています：

• コアプリミティブ：CLI の薄いラッパーで、RAW API アクセス、ファイルアップロード、基本的な編集、認証を処理します。
• エキスパートライブラリ：映画監督、UI デザイナー、ロゴクリエイターなど、ドメイン固有のスキルがクリエイティブな目標を技術指示に変換します。
• レシピパック：40 以上の LLM オーケストレーションされたワークフローレシピ（例：写真を 3D アクションフィギュアに変換、シネマティックな商品広告を作成）を提供し、エージェントはステップバイステップで実行できます。
• MCP サーバー：Model Context Protocol サーバーで、19 個の構造化ツールを互換エージェントに直接公開し、シェルスクリプトの必要性を排除します。

対象ユーザー

プロフェッショナルなマルチモーダル生成機能をエージェントワークフローに統合したい開発者や AI エージェントユーザー、特に Claude Desktop や Cursor など MCP 互換ツールを使用している方々。

ハイライト

• エージェントネイティブ設計：構造化 JSON 出力とセマンティックな終了コードを使用し、シームレスなパイプライン統合を実現。
• 広範なモデルサポート：Midjourney v7、Flux、Kling 3.0、Veo3 など、100 以上のモデルにアクセス可能。
• メディアの直接表示：--view フラグで生成されたメディアをシステムビューアで自動的に開きます。
• 専門的ワークフロー：AI クリッピング（長尺動画を縦型ショートに変換）、ファッション試着、建築レンダリングなどの専用パイプラインを提供。