Davinci MCP

🎬 Davinci MCP编排器

通过模型上下文协议实现DaVinci Resolve Studio的多代理AI视频编辑自动化。

一个Python系统，协调四个专门的人工智能代理来分析原始媒体，计划同步的时间线，并在DaVinci Resolve中自主执行编辑——所有这些都是通过MCP编排的。

______________________________________________________________________

建筑

┌─────────────────────────────────────────────────────────────────┐
│                    ORCHESTRATION LOOP                            │
│                                                                 │
│  ┌──────────────┐     ┌──────────┐     ┌──────────────┐        │
│  │Contextualizer│ ──▶ │ Planner  │ ──▶ │  Director    │        │
│  │(Ingestion)   │     │(Architect)│     │(Evaluator)   │        │
│  └──────────────┘     └────┬─────┘     └──────┬───────┘        │
│        │                   │                   │                │
│  Gemini Vision       Creates JSON         Reviews &             │
│  + librosa           timeline plan        scores edit           │
│                            │                   │                │
│                            │◄──── feedback ────┘                │
│                            │     (up to 5x)                     │
│                            ▼                                    │
│                     ┌──────────┐                                │
│                     │  Editor  │ ──▶ DaVinci Resolve            │
│                     │(Actuator)│     (via MCP)                  │
│                     └──────────┘                                │
└─────────────────────────────────────────────────────────────────┘

特工人物

______________________________________________________________________

需求

• Python 3.10–3.12
• DaVinci Resolve Studio 18.5+ （免费版不支持外部脚本）
• Google Gemini API密钥 (在这里买一个)
• FFmpeg PATH（用于从视频文件中提取音频）

______________________________________________________________________

快速开始

1.克隆和安装

cd Davinci-MCP
pip install -e ".[dev]"

2.配置

cp .env.example .env
# Edit .env with your GEMINI_API_KEY and paths

3.设置DaVinci Resolve MCP

确保DaVinci Resolve Studio正在运行：

• 偏好→ 通用→ 使用外部脚本→ Local

这 davinci-resolve-mcp 服务器包含在此存储库中。在中设置路径 .env:

RESOLVE_MCP_SERVER_PATH=./davinci-resolve-mcp/src/server.py
RESOLVE_MCP_PYTHON=python

4.跑步

# Full pipeline (with DaVinci Resolve)
python scripts/run.py \
  --prompt "Create an energetic travel montage synced to beat drops" \
  --media-dir ./media \
  --audio ./soundtrack.wav

# Planning only (no Resolve needed)
python scripts/run.py \
  --prompt "Create a calm nature documentary intro" \
  --media-dir ./media \
  --skip-resolve

# Validate configuration
python scripts/run.py --prompt test --validate

______________________________________________________________________

CLI选项

______________________________________________________________________

项目结构

Davinci-MCP/
├── pyproject.toml                  # Dependencies & project config
├── .env.example                    # Environment template
├── config/
│   └── settings.py                 # Central configuration
├── agents/
│   ├── base.py                     # BaseAgent ABC (Gemini + retry)
│   ├── contextualizer.py           # Media ingestion orchestrator
│   ├── planner.py                  # Timeline architect
│   ├── editor.py                   # DaVinci Resolve actuator
│   └── director.py                 # Creative evaluator
├── ingestion/
│   ├── video_analyzer.py           # Gemini Vision video analysis
│   ├── audio_analyzer.py           # librosa beat/onset detection
│   └── schemas.py                  # Pydantic models for ingestion
├── mcp_bridge/
│   ├── resolve_client.py           # MCP stdio client
│   └── tool_wrappers.py            # Typed Resolve API wrappers
├── orchestrator/
│   └── loop.py                     # Main agent coordination loop
├── schemas/
│   ├── timeline_sequence.py        # Planner output schema
│   └── director_verdict.py         # Director evaluation schema
├── scripts/
│   └── run.py                      # CLI entry point
├── tests/                          # Test suite
├── outputs/                        # Generated artifacts (gitignored)
└── davinci-resolve-mcp/            # Bundled MCP server (cloned)

______________________________________________________________________

运作原理

1.摄入（语境化）

• 视频：每个剪辑都上传到Gemini的文件API进行视觉分析。该模型返回每个时间戳的描述、镜头类型、相机运动、情绪和主题。结果另存为 .md 映射文件。
• 音频：librosa提取BPM、节拍时间戳、发作（瞬态）时间戳和每节拍能量曲线。音频可以来自独立文件，也可以通过ffmpeg从视频中提取。

2.规划（规划师）

规划师接收创意简报+所有上下文数据，并生成 TimelineSequence JSON：

• 带有源输入/输出和时间线输入/输出点的剪辑位置
• 节拍同步图对齐剪切和过渡到音频节拍
• 过渡规格（切割、交叉溶解、褪色）
• 每个决定的创造性理由

3.评价（主任）

导演——体现了一位经验丰富的电影导演——从10个方面评估了该计划： 节奏、叙事、节拍同步、音调、视觉变化、过渡、剪辑选择、持续时间、连续性和创造力。

每个轴的得分为0-10。主任提供具有严重程度的分类反馈。 如果总分≥8.0且无关键问题，则该计划为 批准. 否则，Planner将进行修改（最多5次迭代）。

4.执行（编辑）

一旦获得批准，编辑将通过MCP连接到DaVinci Resolve，并：

1. 将所有媒体导入池中
2. 创建命名时间线
3. 为片段添加正确的输入/输出点
4. 在过渡点添加节拍标记
5. 保存项目

______________________________________________________________________

测试

# Run all tests
pip install -e ".[dev]"
python -m pytest tests/ -v

# Run specific test
python -m pytest tests/test_audio_analyzer.py -v
python -m pytest tests/test_schemas.py -v

______________________________________________________________________

许可证

麻省理工学院