本文由 莫潇羽@无忆研习社(www.wuyi.wiki)撰写,转载请注明出处。

快速摘要(先把结论端上来)

这篇文章把一种刚跑通不久的新型视频创作工作流拆给你看,核心思路就一句话:把 Claude 当成"会思考的创意大脑",通过 MCP 协议接上 Higgsfield 这套聚合了 Sora 2、Veo 3.1、Kling 3.0、Seedance 2.0、Cinema Studio 3.5 等三十多个图像与视频模型的平台,让 Claude 自己挑模型、写运镜、拆分镜、出片。 整套流程跑下来,你坐在 Claude 的聊天界面里,就能完成"想故事→画角色→搭场景→出分镜→拼短片"的全部工作,模型切换、提示词撰写、参数确认、批量产出五种语言版本的产品广告,统统都可以在同一个对话窗口里推进。

后面会从 MCP 的原理开始,带你一步步走完:连接器怎么配、第一张图怎么生、图怎么变视频、Marketing Studio 怎么一键产出多语种广告、最重要的——怎么把 Claude 当导演拍出一部完整的 AI 短片。还会给一份模型决策表和我自己跑下来踩到的若干个坑。想看完整拆解,往下翻。

一、从"会聊天"到"会拍片":MCP 把 Claude 装上了手脚

1.1 问题从哪儿来:Claude 自己生不了照片和视频

熟悉 Claude 的朋友都清楚,这个模型本身擅长的是文字推理、写代码、做规划,你跟它说"帮我画一张赛博朋克风格的女孩",它会很坦诚地告诉你:抱歉,我能生成 SVG、网页 CSS 动画、数据可视化、流程图、思维导图这类基于代码的图形,但是真正的照片级图像和视频,我自己是没法直接生成的。这一点和那些主打"一句话出图"的工具确实不一样。

很长一段时间,这件事被默认为 Claude 的"短板"。要画图就去开 MidJourney 的客户端,要生视频就去 Higgsfield、Runway、Kling 的网页,要写文案再回到 Claude——多软件切换是常态,创作流被切得七零八落。我自己折腾下来,最难受的不是缺哪个工具,而是工具之间没法对话:Claude 替我设计好的运镜,我得手动复制到另一个网页里;视频生成模型的特性、参数、报价,我得自己记在脑子里。

1.2 MCP 是什么:给 AI 装一个"USB-C 接口"

转折点出在 Anthropic 推出的 MCP(Model Context Protocol,模型上下文协议) 上。这是一个开源协议,2024 年 11 月发布,目的是给 AI 应用配上一个标准化接口,让模型可以在对话过程中调用外部工具、读外部数据、操控外部服务。官方文档里用了一个特别形象的比喻:MCP 就像 AI 应用的 USB-C 接口,有了这个统一接口,各种外设(工具、数据库、API)就能即插即用,而不需要为每个组合单独写一套粘合代码。

技术层面上不需要过多展开,简单解释一下原理:MCP 在传输上用的是 JSON-RPC 2.0,服务端把自己提供的"工具(tools)"、"资源(resources)"、"提示词模板(prompts)"暴露出来;客户端(也就是 Claude 这样的 AI 应用)启动时会问一句"你有什么本事",服务端把能力清单返回,Claude 就把这些能力注册到当次会话里。后续你跟 Claude 提需求,它判断需要调外部工具,就发请求过去,服务端干完活把结果送回来,Claude 再把结果织进自己的回答里。整个握手对用户基本是无感的——你只会看到 Claude 突然多了一些原本没有的能力。

在没有 MCP 之前,大模型对接外部工具是一个典型的"N 个模型 × M 个工具"问题——每出一个新模型,每接一个新工具,都得重写一遍胶水代码。MCP 把这件事抽象成"一次实现、全网通用",所以这一两年才会有这么多生态方愿意围着它做服务器端。截至我写这篇文章时,Claude、ChatGPT、Cursor、Windsurf、Sourcegraph 这些客户端都已经原生支持 MCP,服务端则覆盖了 Google Drive、Slack、GitHub、Notion、Linear 等数千个集成。Higgsfield 在 2026 年 4 月底正式上线了官方 MCP 服务器,这才让今天我们要讲的这套工作流成为可能。

1.3 对视频创作者意味着什么

回到创作者视角,MCP 解锁的最重要的一件事是:"工具使用"这件事不再是模型本身的能力,而是协议带来的能力。 Claude 不需要重新训练一个会生视频的版本,它只要"知道"有个叫 Higgsfield 的 MCP 服务器,并且具备调用它的工具描述,就能在对话中代你完成所有图像、视频生成的动作。

更进一步——这一点尤其关键——Claude 的强项是规划和写作,它特别适合做"创意总监"这个角色:你跟它说一个粗糙的故事,它能帮你拆出分镜、写出运镜提示词、推荐每个镜头适配哪个模型、回头还能帮你检查角色一致性。Higgsfield 这一端,则是不折不扣的"执行制片"——它聚合了全网最强的视频模型,知道每一个模型的脾性、每一个参数的物理含义、每一个预设的成片调性。两边一握手,创作者就拥有了一个"导演 + 摄影棚"的二人组,只是其中一个是大语言模型,另一个是渲染集群。

flowchart LR
    A[创作者: 想法/需求] --> B[Claude: 创意大脑]
    B -- MCP 协议 --> C[Higgsfield: 渲染引擎]
    C --> D[Cinema Studio 3.5]
    C --> E[Marketing Studio]
    C --> F[Sora 2 / Veo 3.1 / Kling 3.0]
    C --> G[Soul 2.0 / Nano Banana Pro / GPT Image 2]
    D & E & F & G --> H[最终图片/视频成片]
    H --> A

这套架构在 莫潇羽@无忆研习社 这两个月的实操里跑通过若干次,最让我意外的不是出片速度,而是 Claude 替我做了大量我以前要花半小时自己设计的事情——比如,把一句"我想要个仙侠风的女主"自动展开成包含五官、服饰、背景、光影、构图比例的完整提示词;把"飞到瀑布之上"翻译成专业的电影级运镜描述;一次性帮我规划五条不同语言的同主题广告片脚本。下面就把这些细节一项一项拆开讲。

二、Higgsfield 全景:把全网最强视频模型聚在一个片场里

2.1 Higgsfield 到底是谁

先把背景信息交代清楚,后面引用时不需要再回头来对。Higgsfield AI 是一家总部位于美国旧金山的 AI 视频与图像基础设施公司,创始人 Alex Mashrabov 此前创办过一个被 Snap 收购的 AR 视频项目。这家公司的产品定位很清晰——它不是再造一个视频模型,而是把现有最好的模型汇集到一个统一的创作工作台里,同时在这个工作台之上,叠加它自己研发的电影逻辑层(决定运镜、节奏、视觉重点)和角色一致性系统(Soul ID / Soul Cast)。

公司公开的数据规模能给到大家一个直观感受:用户数超过两千两百万,平台上累计生成的视频超过五千万条,日均产出约五百万条短片,在社交媒体上的覆盖触达超过 30 亿次。从估值层面也能看出市场对它的认可——根据 莫潇羽@无忆研习社 查到的资料,Higgsfield 当前估值已经突破 13 亿美元。

但我个人觉得,公司的故事远没有它的产品矩阵重要。下面这张表把当前(截至本文写作时)接入 Higgsfield 的主要模型梳理一遍:

这张表的信息量需要消化一下。关键的不是某个模型多强,而是它们都在同一个平台里——你不需要为每一家单独开账号、单独续费、单独学一套界面。

2.2 两个旗舰工作室:Cinema Studio 与 Marketing Studio

光把模型放在一起还不算工作流,Higgsfield 在模型之上做了两个"特种作战工作室",分别针对两类不同的成片需求。

Cinema Studio 3.5 主打"电影级"。它有一个内置的 AI Director(AI 导演)模块,你提供故事意图,它替你规划运镜、写提示词、控制角色一致性。在 3.0 这一代里 Higgsfield 引入了物理感知引擎——简单说就是模型在生成过程里会考虑物体之间的物理交互,所以打斗、追逐、爆破场面不会再像早期 AI 视频那样"看着别扭"。它支持上传最多 9 张参考图(包含场景和角色),用 Soul ID 锁定主角的脸、身材、服装,从第一帧到最后一帧都长得一致。流派模板有动作、恐怖、喜剧、悬疑、剧情、纪录片、商业广告、音乐 MV、科幻几大类,选哪个就影响整段视频的节奏感和镜头能量。

Marketing Studio 走的是另外一条路——商业广告的工业化产出。它的底层视频引擎是 Seedance 2.0,字节跳动那套原生音视频联合生成模型,口型同步、环境音、背景音乐都能在一次生成里完成。Marketing Studio 提供九个左右的预设格式,从 UGC(用户原创风)、开箱、产品评测、虚拟试穿,到电视广告级的电影叙事、创意 Wild Card 模式,基本覆盖了短视频广告的主流类型。最让我觉得方便的是"产品输入"环节:你把电商页面 URL 一贴,它自己抓取产品名、描述、主图;或者上传最多五张产品图加文字描述,产品资料库就建好了。

graph TD
    A[Higgsfield 平台] --> B[Cinema Studio 3.5<br/>电影叙事]
    A --> C[Marketing Studio<br/>商业广告]
    A --> D[80+ Apps<br/>特效模板]
    A --> E[Soul Cast<br/>角色一致性]
    B --> B1[AI Director]
    B --> B2[多机位运镜栈]
    B --> B3[1296 个虚拟镜头]
    C --> C1[9 个预设格式]
    C --> C2[URL→广告自动化]
    C --> C3[40+ AI 主持人]
    D --> D1[Bullet Time 子弹时间]
    D --> D2[Earth Zoom 地球拉近]
    D --> D3[Face Swap / Lip Sync]

除了这两个旗舰,Higgsfield 还有八十多个独立的 Apps,基本上每一个都是一类特效模板——子弹时间、地球拉近、人脸交换、口型同步、换衣换装、3D 旋转之类。Apps 我用得不算多,因为创意片我更倾向用 Cinema Studio 走完整流程,但偶尔做一个短的爆款效果,Apps 的成片速度的确快得离谱。

2.3 为什么 Higgsfield 特别适合放进 MCP

理论上任何一个 AI 视频平台都可以做 MCP 服务器,但 Higgsfield 在这件事上有几个先天优势,值得拎出来说一下。

第一,它本身就是聚合架构。MCP 协议的精髓是用一个标准接口暴露多种能力,Higgsfield 后端已经替你统一了几十个模型的 API,所以它能很自然地把"挑模型"这件事变成"工具调用里的一个参数"。第二,它有完整的工作流闭环——从图像到视频,从单帧到多镜头,从特效模板到完整广告,在同一个平台里都能跑完,不需要 Claude 同时连七八个不同的服务。第三,它有现成的电影逻辑层,这一层封装了大量摄影术语、运镜语法、流派模板,Claude 在调用工具时只需要传创意层面的参数,具体怎么把"赛博朋克紧张感"翻译成镜头长度、色温、构图,Higgsfield 自己有一套体系替你做完。

所以这一对组合不是"AI 模型加视频模型"这么简单,它更像是"一个高级别的思考引擎"接上了"一个高级别的执行引擎",中间有 MCP 这个标准协议保证两边不会鸡同鸭讲。

三、连接配置全流程:从零到第一次握手

3.1 准备工作清单

在动手之前,先把环境备好。整个连接过程涉及到的东西其实不多,我把清单列在下面:

• Claude 账号一个,可以用谷歌账号登录,免费版即可启动测试。
• Higgsfield 账号一个,同样可以谷歌登录,新用户首次注册赠送的少量额度足够你试出整条工作流。
• Higgsfield MCP 的服务端地址,这是关键参数,后面要复制粘贴到 Claude 的连接器配置里。

整个过程不需要写代码,也不需要本地安装任何东西——Higgsfield 用的是远程 MCP 服务器(HTTP/SSE 模式),Claude 这边作为客户端发起连接,所有数据流和身份验证都通过 OAuth 标准走 HTTPS,从用户角度看就是"复制 URL → 点几次允许"。

3.2 三步法把 Higgsfield 接进 Claude

整套配置我自己跑下来大概用了三分钟,流程清晰得不太像 AI 时代的产品。我把它拆成三步:

第一步,打开 Claude 的连接器设置页面。 在 Claude 网页版的左下角点你自己的账号头像,弹出菜单里找"设置(Settings)",在设置里切到"连接器(Connectors)"这个 tab。这里默认会列出 Anthropic 官方收录的几个常用 MCP 服务,你需要的"添加自定义连接器(Add custom connector)"按钮藏在底部。

第二步,把 Higgsfield 的 MCP 服务端 URL 填进去。 服务端 URL 是 https://mcp.higgsfield.ai/mcp 这样一个标准的 HTTPS 地址,Claude 那边会显示一个表单:连接器名字(自己起,比如 "Higgsfield" 或 "AI Studio")、URL(粘贴上面那一串)。填完点添加,Claude 会立刻去和 Higgsfield 服务端握手,拉取它提供的工具清单。

第三步,OAuth 授权与一键连接。 加完之后连接器卡片会出现在你的列表里,左边显示一个"连接(Connect)"按钮。点一下,浏览器跳到 Higgsfield 的登录授权页,确认你愿意把账号能力授予 Claude,授权成功后跳回 Claude,连接器图标变成彩色,这就接通了。整套流程不需要 API Key,不需要开发者注册,不需要本地配置文件,你的 Higgsfield 账号下的可用额度就是 Claude 能调用的额度。

配置步骤一图流:
[Claude 设置] → [连接器] → [添加自定义连接器]
                           ↓
              [名字: Higgsfield]
              [URL : https://mcp.higgsfield.ai/mcp]
                           ↓
                       [点添加]
                           ↓
                   [点 Connect 连接]
                           ↓
              [Higgsfield 授权页 → 同意]
                           ↓
                  [图标变彩色 ✅ 接通]

3.3 验证连接:让 Claude 自报家底

接通之后我习惯做一个"自检",这一步可以让你建立对 Claude 当前能力边界的清晰认知,后面写提示词也更有底。

在对话框里我会丢一句:"现在你能调用哪些视频模型?哪些图像模型?帮我列个表,顺便讲一下各自适合什么场景。" Claude 这时候不是凭记忆回答,它会触发一次 MCP 工具的"能力发现"流程,服务端返回当前接入的模型清单和元数据,Claude 再用自然语言把它整理给你。

我自己跑出来的结果大概是这样:视频模型 16 个左右,图像模型 15 个上下,加起来超过 30 个生成模型。视频侧从自家的 Cinema Studio 3.5、DOP,到外部的 Sora 2、Veo 3.1、Kling 系列、Seedance 2.0、WAN 系列、MiniMax Hailuo 02;图像侧从 Soul 2.0、Nano Banana Pro 到 GPT Image 2、Flux 2、Seedream Lite、Reve。

这一次自检还会顺带告诉 Claude 一件事——你接下来可能在哪些任务上用得着它。Claude 是有记忆这个上下文的,你跟它聊过你做视频创作,后面再说"帮我画张图",它会更主动地推荐用 Higgsfield 处理,而不是再去尝试 SVG 那种它自己能搞定的方案。

3.4 关于安全提示与"始终允许"

每次 Claude 第一次调用一个 MCP 工具的时候,客户端会弹一个权限确认框,问你要不要授权这次调用,有三个选项:这次允许、始终允许、拒绝。这其实就是 MCP 协议里规定的"人在回路"安全机制,目的是让你对外部工具的每一次调用都有知情权。

我个人的建议是:前几次都选"这次允许",等你完全理解 Claude 会怎么调用这个工具、不会出现意外消耗的时候,再切换到"始终允许"。不然你给的指令稍微歧义一点,Claude 自作主张跑了七八条视频出来,你的额度会以一种很不优雅的方式蒸发掉。

接下来要讲一个很关键的小习惯——既然提到额度,顺便把这件事说透。

3.5 关于用量节省的小细节:让 Claude 在生成前主动确认参数

我自己第一次跑视频的时候吃过一个亏:跟 Claude 聊了几句运镜想法,它觉得