Generative-Media-Skills：一套多模態工具組，讓 AI 代理透過結構化架構產生與編輯專業等級的媒體

它解決了什麼問題

本專案提供完整的工具組，讓 AI 代理（如 Claude Code、Cursor、Gemini CLI）能產生與編輯專業等級的圖像、影片與音訊。它彌合了高層次創意意圖與產出高品質多模態媒體所需的技術 API 呼叫之間的鴻溝，支援各式 AI 模型。

它如何運作

系統採用由 muapi-cli 驅動的 Core/Library 架構：

• 核心原語：對 CLI 的薄層封裝，用於原始 API 存取、檔案上傳、基本編輯與驗證。
• 專家函式庫：領域特定技能（例如電影導演、UI 設計師、標誌創作者），將創意目標轉換為技術指令。
• 配方套件：超過 40 個由大型語言模型協調的工作流程配方（例如將照片轉換為 3D 動作人物或製作電影級產品廣告），代理可依步驟指示執行。
• MCP 伺服器：Model Context Protocol 伺服器，直接向相容代理公開 19 個結構化工具，免除使用 shell script 的需求。

目標使用者

開發者與 AI 代理使用者，想將專業的多模態生成能力整合到其代理工作流程中，特別是使用 MCP 相容工具（如 Claude Desktop 或 Cursor）的使用者。

重點特色

• 代理原生設計：使用結構化 JSON 輸出與語意化退出代碼，實現無縫的管線整合。
• 廣泛模型支援：可存取 100 多種模型，包括 Midjourney v7、Flux、Kling 3.0 與 Veo3。
• 直接媒體顯示：提供 --view 旗標，可自動在系統檢視器中開啟產生的媒體。
• 專業工作流程：為 AI 剪輯（長影片轉垂直短片）、時尚試穿與建築渲染等提供專屬管線。