企业官网建设流程全解析

这次我们不聊单点工具，而是把 MCP、多智能体和视频创作流程串起来，做成一条能实际落地的生产流水线。

MCP 全称 Model Context Protocol，是 Anthropic 在 2024 年开源的模型上下文协议，用来统一 AI 模型与外部工具、数据源之间的调用方式。多智能体系统则是把视频创作里的选题、脚本、分镜、画面生成、配音、字幕、质检拆成多个角色，每个角色由不同 Agent 承担，再靠 Prompt 和 Workflow 协同。两者组合之后，视频创作从“人在多个软件之间来回搬运素材”变成一条可编排、可观测、可批量执行的流水线。

这套方案的门槛并没有想象中那么高。MCP 本身只是一层协议，不绑定显卡，真正的资源大头在图像生成、视频生成和语音合成这些后端工具上。所以你可以先在一台普通办公电脑上把编排流程跑通，再决定哪些环节放到本地 GPU 或云端 API。

本文会从头搭建一套基于 MCP 的多智能体视频创作流程，内容包括：核心能力速览、适用场景与边界、架构设计、环境准备、MCP Server 编写与启动、多智能体编排示例、功能测试与验证、接口 API 与批量任务、资源占用观察、常见问题排查和最佳实践。文中代码是可以直接改用的骨架，不是演示用的空壳。

适合读者主要有三类：团队里想搭 AI 视频生产流水线的技术负责人，做过 ComfyUI 或 API 集成、想继续做流程编排的开发者，以及需要批量生成短视频的内容团队。读完你能拿到一套可运行的骨架，并且清楚每个环节怎么验证、怎么发现问题。

1. 核心能力速览

先把这套方案的规格列出来。如果你是第一次接触 MCP 或多智能体，可以先通过这张表判断值不值得继续往下看。

1.1 方案规格

1.2 MCP 在流程里的位置

MCP 解决三个核心问题：发现、传输、权限边界。Agent 不需要预先把每个工具写死，而是通过 MCP Client 去读 Server 暴露的工具列表；调用时统一走协议定义的请求/响应格式；权限可以由 Server 层控制。这样工具更换、升级、扩增，都不需要改 Agent 主体代码。

视频创作场景刚好适合这套模型。视频链路里的素材库、搜索引擎、图像生成、视频生成、TTS、剪辑工具，本质是大量独立工具。用 MCP Server 包一层之后，多智能体的调度层只需要面对一套协议。接口能跑通，后面就可以把这一层接到自己的内容生产系统里。

2. 适用场景与使用边界

任何技术方案都要先画清楚边界。MCP + 多智能体视频创作流程也有一套明确的“适合”与“不适合”。

2.1 适合谁

最适合的是日更型内容生产团队。以前做一条 5 分钟口播视频，可能要经历“找选题、写稿、做分镜、找素材、录音、剪辑”十几个来回；把流程拆成多智能体后，每个 Agent 只负责一个环节，且通过 MCP 调用真实工具，进度和结果都可以追溯。

其次是工具链复杂的团队。团队里已经有素材管理数据库、知识库、内部设计系统，还有云端的图像生成和 TTS 服务；用 MCP Server 把已有系统暴露给 Agent，就不必为了接某个 Agent 去逐个写 Python SDK。Java 技术栈同样可以，社区已经有 MCP Java SDK，能在现有 Java 服务里暴露 MCP Server，让 Java 侧能力被 Agent 调用。

2.2 不适合什么

如果要的是电影级画面控制、复杂的非线性剪辑、精细音频混音，当前这套流程更适合做初稿和批量素材，不适合做最终精修。另一个不太合适的方向是“完全无人值守”，AI 视频生成仍然需要人工对成品做质量审核，尤其是人物一致性、口型、字幕切帧这些环节。

2.3 合规与安全边界

如果流程中涉及真人肖像、他人声音、受版权保护的图片/音乐/视频片段，必须提前取得合法授权。使用生成模型时，不要把未授权素材直接投入生成流程。企业内部使用时，还要注意提示词、脚本、素材数据是否包含敏感信息；MCP Server 暴露的接口应该做访问控制，不要默认监听公网。涉及用户数据和商业素材的批量任务，建议在测试环境验证清楚后再上线。

3. 架构设计：MCP 在多智能体视频创作中的角色

这一章是核心。理解清楚 MCP 的层次关系，后面写代码才不会乱。

3.1 整体架构

整个流程可以分成三层：

• 调度层：多智能体编排框架，负责把任务分给不同 Agent，记录每个环节状态。
• MCP 层：Agent 通过 MCP Client 连接各类 MCP Server，统一完成工具发现、调用和结果返回。
• 工具层：图像生成、视频生成、TTS、字幕、素材库、搜索等具体工具。

以一条口播视频为例，流程大致是：

编导 Agent -> 脚本 Agent -> 分镜 Agent -> 图像 Agent -> 视频 Agent -> 配音 Agent -> 字幕 Agent -> 质检 Agent

每一环的输出会作为下一环的输入。每个 Agent 内部可以调用多个 MCP Server 工具，比如脚本 Agent 同时调用“搜索素材 MCP”和“知识库 MCP”，分镜 Agent 调用“图像生成 MCP”。

3.2 Agent 角色定义

3.3 为什么用 MCP，而不是直接写死 API

直接用代码调用各家 API 也能做多智能体流程，但当工具数量超过 10 个时，每个 Agent 都要维护一份工具接入代码，切换模型、替换供应商、增加新工具都很痛苦。MCP 把“工具接入”和“Agent 逻辑”解耦，Server 侧和 Client 侧只需要遵循同一个协议。

当前 MCP 生态已经覆盖了不少常用能力：浏览器自动化有 Playwright MCP，设计稿协作有 Figma MCP 和蓝湖相关 Server，数据库和内部系统可以自己封装，支付、办公协同等场景也有社区实现。放到视频创作里，这意味着很多工具不需要从零接入，直接用现成 Server 或改一版即可。

3.4 Agent Skill、MCP 和传统 API 的区别

Agent Skill 通常指模型侧或 Agent 侧封装的“技能”，比如“会写脚本”“会排分镜”；MCP 解决的是模型和外部工具之间的互操作协议。两者不冲突，Skill 内部也可以依赖 MCP 去调用真实工具。传统 API 接入则更原始，每个工具都要单独写适配。对应到工程上：Skill 定义 Agent 能干什么，MCP Server 定义外部系统如何被调用，调度层负责把两者按流程串起来。

4. 本地部署环境准备

开始动手前，先检查环境。由于最终用到的视频生成模型可能不同，这里给的是通用检查清单，避免走弯路。

4.1 系统与运行环境

• 操作系统：Windows 10/11、Linux（Ubuntu 22.04 或类似发行版）、macOS 均可。
• Python：建议 3.10 以上，后面的示例代码以 Python 为主。
• Node.js：如果要用现成 MCP Inspector 或 TypeScript SDK，建议 Node.js 18 以上。
• 包管理：pip、uv 或 poetry，任选一种。
• Git：用于拉取示例代码和开源工具。

4.2 模型与工具链

不需要把所有环节都用同一套供应商。MCP 的价值正是“后端工具可以任意替换”。你需要确定的是每个环节通过什么方式暴露给 MCP Server，是本地进程、HTTP 服务，还是某个现成 Server。

4.3 磁盘与密钥准备

视频生成过程会产生大量中间文件。按一条 5 分钟 1080P 视频估算，素材、音频、字幕、成片加在一起可能超过 1GB，具体以实际码率为准。更稳妥的做法是提前规划目录：

videos/ inputs/ # 初始素材 scripts/ # 脚本与分镜 images/ # 生成的画面 audios/ # 配音 subtitles/ # 字幕文件 outputs/ # 成片 logs/ # 任务日志

另外，多智能体流程会用到模型 API Key、图库 API Key、TTS 服务 Key。建议用环境变量或 .env 文件管理，不要硬编码到代码里，更不要提交到 Git 仓库。

5. MCP Server 编写与启动

5.1 安装 MCP Python SDK

pip install "mcp[cli]"

安装完成后，可以执行下面的命令确认环境可用的工具链：

mcp --version

如果mcp命令不可用，说明当前环境的安装路径未加入 PATH，或者 SDK 版本对 CLI 的封装有差异，以官方 README 说明为准。

5.2 编写一个素材检索 MCP Server

用 Python 写一个视频素材检索 Server，暴露两个工具：一个查询素材库，一个保存脚本草稿到文档系统。

from mcp.server.fastmcp import FastMCP mcp = FastMCP("video-material") @mcp.tool() def query_material_library(keyword: str, limit: int = 5) -> str: """根据关键词查询本地或云端素材库，返回素材清单。""" # 这里替换为真实素材库查询逻辑，例如数据库、对象存储、目录扫描 return f"keyword={keyword}, limit={limit}" @mcp.tool() def save