SamurAIGPT/Generative-Media-Skills

Multi-modal Generative Media Skills for AI Agents (Claude Code, Cursor, Gemini CLI). High-quality image, video, and audio generation powered by muapi.ai.

它解决了什么

本项目提供完整的工具集，供 AI 代理（如 Claude Code、Cursor、Gemini CLI）生成和编辑专业级别的图像、视频和音频。它弥合了高层次创意意图与生成高质量多模态媒体所需的技术 API 调用之间的鸿沟，支持多种 AI 模型。

它如何工作

系统基于 Core/Library 架构，由 muapi-cli 提供支持：

  • 核心原语：对 CLI 的轻量封装，用于原始 API 访问、文件上传、基本编辑和身份验证。
  • 专家库：领域特定技能（例如电影导演、UI 设计师、标志创作者），将创意目标转化为技术指令。
  • 配方包：超过 40 种由 LLM 编排的工作流配方（例如将照片转换为 3D 动作人物或创建电影式产品广告），代理可按步骤指令执行。
  • MCP 服务器：Model Context Protocol 服务器，直接向兼容代理公开 19 个结构化工具，免去编写 shell 脚本的需求。

适用人群

开发者和 AI 代理用户，想将专业的多模态生成能力整合到其代理工作流中，尤其是使用 MCP 兼容工具（如 Claude Desktop 或 Cursor）的用户。

亮点

  • 代理原生设计：使用结构化 JSON 输出和语义退出码，实现无缝的流水线集成。
  • 广泛模型支持：可访问 100 多种模型，包括 Midjourney v7、Flux、Kling 3.0、Veo3 等。
  • 直接媒体显示：提供 --view 标志，可自动在系统查看器中打开生成的媒体。
  • 专用工作流：提供 AI 剪辑（长视频转垂直短片）、时尚试穿、建筑渲染等专属管线。