Rendervid AI Entegrasyonu - Claude Code, Cursor ve MCP ile Video Oluşturma

Giriş: AI Destekli Video Oluşturma

Video oluşturma geleneksel olarak video codec’leri, animasyon çerçeveleri ve render işlem hatları hakkında derin bilgi gerektirmiştir. Rendervid, JSON şablonlarını kabul ederek ve tamamlanmış videolar çıktılayarak bu karmaşıklığı ortadan kaldırır. Bunu doğal dili anlayan AI ajanlarıyla birleştirdiğinizde güçlü bir şey elde edersiniz: bir videoyu sade İngilizce ile tanımlama ve karşılığında render edilmiş bir MP4 alma yeteneği.

Rendervid, AI dil modelleri ile video prodüksiyonu arasındaki boşluğu kapatır. Kod yazmak, anahtar kareler tasarlamak veya bir video düzenleyici öğrenmek yerine, bir AI ajanına ne istediğinizi söylersiniz. Ajan geçerli bir JSON şablonu oluşturur, doğrular ve Rendervid’in motoru aracılığıyla son çıktıyı render eder. Tüm süreç tek bir konuşmada gerçekleşir.

Bu entegrasyon, AI araçlarının harici hizmetlerle yapılandırılmış bir arayüz aracılığıyla etkileşim kurmasını sağlayan açık bir standart olan Model Context Protocol (MCP) üzerine inşa edilmiştir. Rendervid’in MCP sunucusu, render, doğrulama, şablon keşfi ve dokümantasyonu kapsayan 11 araç sunarak AI ajanlarına profesyonel video içeriği üretmek için ihtiyaç duydukları her şeyi verir.

Model Context Protocol (MCP) Nedir?

Model Context Protocol, AI asistanlarına harici araçlara ve veri kaynaklarına yapılandırılmış erişim sağlamak için geliştirilen açık bir standarttır. AI modellerinin API formatlarını tahmin etmesine veya REST uç noktalarını çağıran kod üretmesine güvenmek yerine, MCP, AI ajanlarının çalışma zamanında sorgulayabileceği türlendirilmiş, keşfedilebilir bir arayüz sağlar.

Video oluşturma için MCP kritik bir sorunu çözer: AI ajanlarının geçerli çıktı üretebilmeleri için önce neyin mümkün olduğunu bilmeleri gerekir. MCP olmadan, bir AI modelinin Rendervid’in özel şablon formatı üzerinde eğitilmesi, mevcut her animasyon ön ayarını bilmesi ve her katman türünün kısıtlamalarını anlaması gerekir. MCP ile ajan basitçe get_capabilities çağrısı yapar ve her bileşen için JSON şemaları da dahil olmak üzere sistemin eksiksiz bir açıklamasını alır.

MCP’nin AI Video Oluşturma İçin Önemi

• Çalışma Zamanı Keşfi: AI ajanları, Rendervid’in neler yapabileceğini eğitim zamanında değil, bağlandıkları anda öğrenir. Bu, yeni özelliklerin yeniden eğitim olmadan hemen kullanılabilir olduğu anlamına gelir.
• Tür Güvenliği: Her aracın tanımlanmış bir girdi ve çıktı şeması vardır. AI ajanı hangi parametrelerin gerekli olduğunu ve hangi türlerde olmaları gerektiğini tam olarak bilir.
• Render Öncesi Doğrulama: Bir şablonu göndermek ve işe yarayacağını ummak yerine, ajan önce şablonu doğrulayabilir ve render için zaman harcamadan önce sorunları düzeltebilir.
• Araç Birleştirilebilirliği: AI ajanları araçları zincirleyebilir, başlangıç şablonu bulmak için list_examples çağrısı yapabilir, değiştirebilir, kontrol etmek için validate_template çağrısı yapabilir ve ardından çıktıyı üretmek için render_video çağrısı yapabilir. Tümü tek bir konuşma turunda.

MCP Sunucu Araçları Referansı

Rendervid’in MCP sunucusu üç kategoride düzenlenmiş 11 araç sunar: Render, Doğrulama ve Keşif ve Dokümantasyon. Her araç, AI ajanlarına video içeriği oluştururken maksimum özerklik sağlamak için tasarlanmıştır.

Render Araçları

Bu araçlar, JSON şablonlarından video ve görüntü çıktısının gerçek üretimini yönetir.

render_video

Bir JSON şablonundan eksiksiz bir video dosyası oluşturur. Bu, MP4, WebM veya MOV çıktısı üretmek için birincil render aracıdır.

Parametreler:

• template (nesne, gerekli) – Sahneleri, katmanları, animasyonları ve çıktı ayarlarını tanımlayan eksiksiz JSON şablonu.
• inputs (nesne, isteğe bağlı) – Şablon değişken değiştirme için anahtar-değer çiftleri.
• output_format (dize, isteğe bağlı) – Çıktı formatı: mp4, webm veya mov. Varsayılan mp4.

Bir AI ajanı tarafından örnek kullanım:

{
  "tool": "render_video",
  "arguments": {
    "template": {
      "outputSettings": {
        "width": 1080,
        "height": 1920,
        "fps": 30,
        "duration": 10
      },
      "scenes": [
        {
          "duration": 10,
          "layers": [
            {
              "type": "text",
              "text": "Yaz İndirimi - %50 İndirim",
              "fontSize": 72,
              "fontFamily": "Montserrat",
              "color": "#FFFFFF",
              "position": { "x": 540, "y": 960 },
              "animations": [
                {
                  "type": "fadeInUp",
                  "duration": 0.8,
                  "delay": 0.2
                }
              ]
            }
          ]
        }
      ]
    },
    "output_format": "mp4"
  }
}

Döndürür: Render edilmiş video dosyasının URL’si veya dosya yolu.

render_image

Bir JSON şablonundan tek bir kare veya statik görüntü oluşturur. Küçük resimler, sosyal medya grafikleri, poster kareleri ve statik pazarlama materyalleri oluşturmak için kullanışlıdır.

Parametreler:

• template (nesne, gerekli) – Görüntü kompozisyonunu tanımlayan JSON şablonu.
• inputs (nesne, isteğe bağlı) – Şablon değişken değiştirme değerleri.
• output_format (dize, isteğe bağlı) – Çıktı formatı: png, jpeg veya webp. Varsayılan png.
• frame (sayı, isteğe bağlı) – Hangi karenin render edileceği (animasyonlu bir şablondan belirli bir anı çıkarmak için).

render_image ile render_video ne zaman kullanılır:

• Statik çıktı için render_image kullanın: küçük resimler, afişler, sosyal medya gönderileri, sunum slaytları.
• Hareket içeren her şey için render_video kullanın: animasyonlar, geçişler, ses, video klipleri.

start_render_async

Uzun süreli videolar için (genellikle 30 saniyenin üzerinde) asenkron bir render işi başlatır. Render’ın senkron olarak tamamlanmasını beklemek yerine, bu araç check_render_status ile yoklayabileceğiniz bir iş kimliği döndürür.

Parametreler:

• template (nesne, gerekli) – Eksiksiz JSON şablonu.
• inputs (nesne, isteğe bağlı) – Şablon değişken değerleri.
• output_format (dize, isteğe bağlı) – İstenilen çıktı formatı.

Döndürür: check_render_status ve list_render_jobs ile kullanılabilecek bir job_id dizesi.

Asenkron render ne zaman kullanılır:

• 30 saniyeden uzun videolar
• Birçok sahne veya karmaşık animasyonlu şablonlar
• Birden fazla iş göndermek ve sonuçları daha sonra toplamak istediğiniz toplu render iş akışları
• Uzun süren senkron isteklerin zaman aşımına uğrayabileceği bulut render ortamları

check_render_status

start_render_async ile başlatılan asenkron bir render işinin mevcut durumunu kontrol eder.

Parametreler:

• job_id (dize, gerekli) – start_render_async tarafından döndürülen iş kimliği.

Döndürür: Şunları içeren bir nesne:

• status – queued, rendering, completed veya failed değerlerinden biri.
• progress – Render ilerlemesini gösteren bir yüzde (0-100).
• output_url – Tamamlanmış videonun URL’si (yalnızca status completed olduğunda mevcut).
• error – İş başarısız olduysa hata mesajı.

Örnek yoklama iş akışı:

AI Ajanı:
1. start_render_async → job_id: "abc-123"
2. check_render_status("abc-123") → status: "rendering", progress: 35
3. check_render_status("abc-123") → status: "rendering", progress: 78
4. check_render_status("abc-123") → status: "completed", output_url: "https://..."

list_render_jobs

Hem aktif hem de tamamlanmış tüm asenkron render işlerini listeler. Toplu render işlemlerini izlemek veya son çıktıyı gözden geçirmek için kullanışlıdır.

Parametreler:

• status_filter (dize, isteğe bağlı) – Duruma göre filtrele: queued, rendering, completed, failed veya all. Varsayılan all.
• limit (sayı, isteğe bağlı) – Döndürülecek maksimum iş sayısı.

Döndürür: Her biri job_id, status, progress, created_at ve output_url (tamamlandıysa) içeren bir iş nesneleri dizisi.

Doğrulama ve Keşif Araçları

Bu araçlar, AI ajanlarının Rendervid’in neler yapabileceğini anlamalarına ve render etmeden önce şablonların doğru olduğunu doğrulamalarına yardımcı olur.

validate_template

Render etmeden önce bir JSON şablonunu doğrular. Bu araç, şablon yapısını, alan türlerini, değer kısıtlamalarını kontrol eder ve hatta medya URL’lerinin (görüntüler, videolar, ses dosyaları) erişilebilir olduğunu doğrular. Render etmeden önce doğrulama yapmak, render işlemi sırasında başarısız olacak şablonlara harcanan zamanı önler.

Parametreler:

• template (nesne, gerekli) – Doğrulanacak JSON şablonu.
• check_urls (boolean, isteğe bağlı) – Medya URL’lerinin erişilebilir olup olmadığını doğrulayıp doğrulamayacağı. Varsayılan true.

Döndürür: Şunları içeren bir nesne:

• valid – Şablonun geçerli olup olmadığını gösteren boolean.
• errors – Bulunan her sorun için path, message ve severity içeren hata nesneleri dizisi.
• warnings – Kritik olmayan sorunlar için uyarı nesneleri dizisi (örn., kullanılmayan değişkenler, çok büyük boyutlar).

Doğrulamanın yakaladığı durumlar:

• Eksik gerekli alanlar (örn., duration olmayan bir sahne)
• Geçersiz alan türleri (örn., bir sayı beklenirken dize)
• Bilinmeyen katman türleri veya animasyon ön ayarları
• Bozuk veya erişilemeyen medya URL’leri (görüntüler, videolar, ses dosyaları)
• Aralık dışı değerler (örn., negatif boyutlar, maksimumun üzerinde fps)
• Şablon değişken sözdizimi hataları

Örnek doğrulama yanıtı:

{
  "valid": false,
  "errors": [
    {
      "path": "scenes[0].layers[2].src",
      "message": "URL HTTP 404 döndürdü: https://example.com/missing-image.png",
      "severity": "error"
    },
    {
      "path": "scenes[1].duration",
      "message": "Sahne süresi pozitif bir sayı olmalıdır",
      "severity": "error"
    }
  ],
  "warnings": [
    {
      "path": "outputSettings.width",
      "message": "Genişlik 7680 çok büyük ve yavaş render ile sonuçlanabilir",
      "severity": "warning"
    }
  ]
}

get_capabilities

Rendervid’in yapabileceği her şeyin kapsamlı bir açıklamasını döndürür. Bu genellikle bir AI ajanının video oluşturma görevine başlarken çağırdığı ilk araçtır. Yanıt, mevcut katman türlerini, animasyon ön ayarlarını, yumuşatma fonksiyonlarını, filtreleri, çıktı formatlarını ve bunların JSON şemalarını içerir.

Parametreler: Yok.

Döndürür: Şunları içeren yapılandırılmış bir nesne:

• layerTypes – JSON şemaları ve yapılandırılabilir özellikleriyle birlikte tüm mevcut katman türleri (text, image, video, shape, audio, group, lottie, custom).
• animations – Açıklamalar ve yapılandırılabilir parametrelerle kategoriye göre gruplanmış tüm animasyon ön ayarları (entrance, exit, emphasis, keyframe).
• easingFunctions – Açıklamalar ve kullanım örnekleriyle 30’dan fazla yumuşatma fonksiyonu.
• filters – Parametre aralıklarıyla mevcut görsel filtreler (blur, brightness, contrast, saturate, grayscale, sepia, vb.).
• outputFormats – Kısıtlamalarıyla birlikte video ve görüntü render için desteklenen çıktı formatları.
• inputTypes – Şablon değişken türleri ve doğrulama kuralları.
• sceneTransitions – Parametreleriyle birlikte tüm 17 sahne geçiş türü.

Bu aracın AI ajanları için kritik olmasının nedeni:

Yetenekler yanıtı, kendi kendini tanımlayan bir API’dir. Bir AI ajanının Rendervid’in şablon formatı üzerinde önceden eğitilmesi gerekmez. Çalışma zamanında get_capabilities çağrısı yapabilir, eksiksiz şemayı alabilir ve ilk denemesinde geçerli şablonlar oluşturabilir. Rendervid yeni bir animasyon ön ayarı veya katman türü eklediğinde, bağlı her AI ajanı kod değişikliği olmadan bu araç aracılığıyla otomatik olarak erişim kazanır.

get_example

İsme göre belirli bir örnek şablonu yükler. AI ajanları bunu başlangıç noktası olarak çalışan bir şablonu almak için kullanır, ardından kullanıcının gereksinimlerine uyacak şekilde değiştirir.

Parametreler:

• name (dize, gerekli) – Örnek şablon adı (örn., instagram-story, product-showcase, animated-bar-chart).

Döndürür: İstenen örnek için render etmeye veya değiştirmeye hazır eksiksiz JSON şablonu.

Örnek:

AI Ajanı çağırır: get_example("instagram-story")
Döndürür: Metin katmanları, arka plan görüntüsü ve giriş animasyonları içeren 
         eksiksiz 1080x1920 Instagram hikayesi şablonu

list_examples

Kategoriye göre düzenlenmiş 50’den fazla örnek şablonun tam kataloğuna göz atar. AI ajanları bunu, kullanıcının isteği için ilgili başlangıç şablonlarını bulmak için kullanır.

Parametreler:

• category (dize, isteğe bağlı) – Kategoriye göre filtrele (örn., social-media, marketing, data-visualization, typography, e-commerce).

Döndürür: Her biri şunları içeren örnek meta veri nesneleri dizisi:

• name – get_example ile kullanılmak üzere şablon tanımlayıcısı.
• category – Şablon kategorisi.
• description – Şablonun ne oluşturduğu.
• dimensions – Çıktı genişliği ve yüksekliği.
• duration – Saniye cinsinden şablon süresi.

Dokümantasyon Araçları

Bu araçlar, AI ajanlarının şablonları oluştururken danışabilecekleri ayrıntılı referans dokümantasyonu sağlar.

get_component_docs

Belirli bir bileşen veya katman türü için ayrıntılı dokümantasyon döndürür. Özellik açıklamalarını, gerekli ve isteğe bağlı alanları, varsayılan değerleri ve kullanım örneklerini içerir.

Parametreler:

• component (dize, gerekli) – Bileşen/katman türü adı (örn., text, image, video, shape, audio, group, lottie, custom, AnimatedLineChart, TypewriterEffect).

Döndürür: Şunları içeren kapsamlı dokümantasyon:

• Türler, varsayılanlar ve açıklamalarla özellik tablosu
• Bileşen için JSON şeması
• Kullanım örnekleri
• Tarayıcı ve Node.js render farklılıkları hakkında notlar

get_animation_docs

Tüm giriş, çıkış, vurgu ve anahtar kare animasyon ön ayarlarını içeren eksiksiz animasyon efektleri referansını döndürür.

Parametreler:

• animation (dize, isteğe bağlı) – Ayrıntılı dokümantasyon için belirli animasyon adı (örn., fadeInUp, bounceIn, slideOutLeft). Atlanırsa, tam animasyon kataloğunu döndürür.

Döndürür: Şunları içeren animasyon dokümantasyonu:

• Animasyon adı ve kategorisi (entrance, exit, emphasis, keyframe)
• Görsel efektin açıklaması
• Yapılandırılabilir parametreler (duration, delay, easing)
• Varsayılan değerler
• Önerilen kullanım durumları

get_component_defaults

Belirli bir bileşen türü için varsayılan değerleri ve tam JSON şemasını döndürür. AI ajanları bunu, minimal geçerli bir bileşenin nasıl göründüğünü ve hangi özellikleri geçersiz kılabileceklerini anlamak için kullanır.

Parametreler:

• component (dize, gerekli) – Bileşen/katman türü adı.

Döndürür: Şunları içeren bir JSON nesnesi:

• defaults – Her özellik için eksiksiz varsayılan değerler
• schema – Bileşenin yapısını, türlerini ve kısıtlamalarını tanımlayan JSON Şeması
• required – Gerekli özellikler listesi

Bir metin katmanı için örnek yanıt:

{
  "defaults": {
    "type": "text",
    "text": "",
    "fontSize": 24,
    "fontFamily": "Arial",
    "color": "#000000",
    "fontWeight": "normal",
    "textAlign": "center",
    "position": { "x": 0, "y": 0 },
    "opacity": 1,
    "rotation": 0,
    "animations": []
  },
  "required": ["type", "text"],
  "schema": {
    "type": "object",
    "properties": {
      "text": { "type": "string", "description": "Görüntülenecek metin içeriği" },
      "fontSize": { "type": "number", "minimum": 1, "maximum": 500 },
      "fontFamily": { "type": "string", "description": "Google Font adı veya sistem fontu" },
      "color": { "type": "string", "pattern": "^#[0-9a-fA-F]{6}$" }
    }
  }
}

get_easing_docs

Mevcut tüm yumuşatma fonksiyonları için eksiksiz referansı döndürür. Yumuşatma fonksiyonları animasyonların hızlanma eğrisini kontrol eder ve yavaş başlayıp başlamadıklarını, yavaş bitip bitmediklerini, zıplayıp zıplamadıklarını veya elastik bir eğri izleyip izlemediklerini belirler.

Parametreler:

• easing (dize, isteğe bağlı) – Ayrıntılı dokümantasyon için belirli yumuşatma fonksiyonu adı. Atlanırsa, tam listeyi döndürür.

Döndürür: Her yumuşatma fonksiyonu için şunları içeren dokümantasyon:

• Fonksiyon adı (örn., easeInOutCubic, easeOutBounce, spring)
• Eğrinin matematiksel açıklaması
• Hareket hissinin görsel açıklaması
• Önerilen kullanım durumları
• CSS eşdeğeri (uygulanabilir olduğunda)

AI Entegrasyonunu Kurma

Rendervid’i AI aracınıza bağlamak, MCP sunucusunu aracınızın yapılandırmasına eklemeyi gerektirir. Kurulum işlemi araçlar arasında biraz farklılık gösterir, ancak temel kavram aynıdır: AI aracınızı Rendervid’in MCP sunucu giriş noktasına yönlendirin.

Ön Gereksinimler

Herhangi bir AI aracını yapılandırmadan önce şunlara sahip olduğunuzdan emin olun:

1. Sisteminizde Node.js 18+ yüklü
2. GitHub deposundan Rendervid klonlanmış ve derlenmiş:

git clone https://github.com/AceDZN/rendervid.git
cd rendervid
npm install
cd mcp
npm install
npm run build

3. FFmpeg yüklü (video çıktısı için gerekli):

# macOS
brew install ffmpeg

# Ubuntu/Debian
sudo apt install ffmpeg

# Windows (Chocolatey ile)
choco install ffmpeg

Claude Desktop / Claude Code

Rendervid MCP sunucusunu Claude Desktop yapılandırma dosyanıza ekleyin.

Yapılandırma dosyası konumu:

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json
• Linux: ~/.config/Claude/claude_desktop_config.json

Yapılandırma:

{
  "mcpServers": {
    "rendervid": {
      "command": "node",
      "args": ["/path/to/rendervid/mcp/build/index.js"],
      "env": {}
    }
  }
}

/path/to/rendervid yerine Rendervid kurulumunuzun gerçek yolunu yazın.

Claude Code (CLI) için, aynı yapılandırmayı projenizin .claude/mcp.json dosyasına veya global Claude Code ayarlarınıza ekleyin. Claude Code, MCP sunucusunu otomatik olarak algılayacak ve kodlama oturumlarınız sırasında tüm 11 aracı kullanıma sunacaktır.

Yapılandırmayı kaydettikten sonra Claude Desktop veya Claude Code’u yeniden başlatın. Bağlantıyı doğrulamak için Claude’a şunu sorabilirsiniz: “Hangi Rendervid araçları mevcut?” Claude tüm 11 MCP aracını listelemelidir.

Cursor IDE

Rendervid MCP sunucusunu Cursor’un MCP yapılandırmasına ekleyin.

Yapılandırma dosyası: Proje kökünüzde .cursor/mcp.json (veya global Cursor ayarları).

{
  "mcpServers": {
    "rendervid": {
      "command": "node",
      "args": ["/path/to/rendervid/mcp/build/index.js"]
    }
  }
}

Kaydettikten sonra Cursor’u yeniden başlatın. Rendervid araçları Cursor’un AI asistanında kullanılabilir olacak ve doğrudan düzenleyicinizden video oluşturmanıza olanak tanıyacaktır.

Windsurf IDE

Windsurf, AI yapılandırması aracılığıyla MCP sunucularını destekler. Rendervid sunucusunu Windsurf MCP ayarlarınıza ekleyin:

{
  "mcpServers": {
    "rendervid": {
      "command": "node",
      "args": ["/path/to/rendervid/mcp/build/index.js"]
    }
  }
}

Tam yapılandırma dosyası konumu için Windsurf’ün dokümantasyonuna başvurun, çünkü sürüm ve işletim sistemine göre değişebilir.

Genel MCP Kurulumu

MCP istemci spesifikasyonunu uygulayan herhangi bir araç, Rendervid’in MCP sunucusuna bağlanabilir. Sunucu, varsayılan MCP taşıması olan stdio (standart giriş/çıkış) üzerinden iletişim kurar.

Özel bir MCP istemcisiyle entegre olmak için:

1. MCP sunucu sürecini başlatın:

   node /path/to/rendervid/mcp/build/index.js
   

2. MCP JSON-RPC protokolünü kullanarak stdin/stdout üzerinden iletişim kurun.
3. Mevcut araçları keşfetmek için tools/list çağrısı yapın.
4. Herhangi bir aracı çalıştırmak için araç adı ve argümanlarla tools/call çağrısı yapın.

MCP sunucusu durumsuz (stateless) dur. Her araç çağrısı bağımsızdır ve sunucu birden fazla istemciden eşzamanlı istekleri işleyebilir.

AI İş Akışı: Uçtan Uca Örnekler

Aşağıdaki örnekler, AI ajanlarının doğal dil komutundan tamamlanmış bir videoya gitmek için Rendervid’in MCP araçlarını nasıl kullandığını gösterir.

Örnek 1: Sosyal Medya İçeriği Oluşturma

Kullanıcı komutu: “Animasyonlu metin ve degrade arka planlı bir yaz indirimini tanıtan 10 saniyelik bir Instagram hikayesi oluştur”

AI ajanı iş akışı:

Adım 1 – Yetenekleri keşfet:

Ajan, mevcut katman türleri, animasyon ön ayarları ve çıktı kısıtlamaları hakkında bilgi edinmek için get_capabilities çağrısı yapar. text ve shape katmanlarının mevcut olduğunu, fadeInUp ve scaleIn animasyonlarının var olduğunu ve Instagram hikayelerinin 1080x1920 çözünürlük kullandığını keşfeder.

Adım 2 – Başlangıç şablonu bul:

Ajan, category: "social-media" ile list_examples çağrısı yapar ve bir instagram-story şablonu bulur. Ardından tam şablon JSON’unu yüklemek için get_example("instagram-story") çağrısı yapar.

Adım 3 – Şablonu oluştur:

Örneği referans olarak kullanarak, ajan özel bir şablon oluşturur:

{
  "outputSettings": {
    "width": 1080,
    "height": 1920,
    "fps": 30,
    "duration": 10
  },
  "scenes": [
    {
      "duration": 10,
      "layers": [
        {
          "type": "shape",
          "shapeType": "rectangle",
          "width": 1080,
          "height": 1920,
          "gradient": {
            "type": "linear",
            "angle": 135,
            "stops": [
              { "color": "#FF6B35", "position": 0 },
              { "color": "#F72585", "position": 0.5 },
              { "color": "#7209B7", "position": 1 }
            ]
          }
        },
        {
          "type": "text",
          "text": "YAZ İNDİRİMİ",
          "fontSize": 96,
          "fontFamily": "Montserrat",
          "fontWeight": "bold",
          "color": "#FFFFFF",
          "position": { "x": 540, "y": 700 },
          "animations": [
            { "type": "fadeInUp", "duration": 0.8, "delay": 0.3 }
          ]
        },
        {
          "type": "text",
          "text": "HER ŞEYDE %50 İNDİRİM",
          "fontSize": 64,
          "fontFamily": "Montserrat",
          "color": "#FFE066",
          "position": { "x": 540, "y": 850 },
          "animations": [
            { "type": "fadeInUp", "duration": 0.8, "delay": 0.6 }
          ]
        },
        {
          "type": "text",
          "text": "Hemen Alışveriş Yap  →",
          "fontSize": 48,
          "fontFamily": "Montserrat",
          "color": "#FFFFFF",
          "position": { "x": 540, "y": 1200 },
          "animations": [
            { "type": "scaleIn", "duration": 0.6, "delay": 1.2 }
          ]
        }
      ]
    }
  ]
}

Adım 4 – Doğrula:

Ajan, şablon JSON’u ile validate_template çağrısı yapar. Yanıt hata olmadan valid: true olarak gelir.

Adım 5 – Render et:

Ajan, doğrulanmış şablonla render_video çağrısı yapar ve tamamlanmış MP4 dosyasının URL’sini alır.

Örnek 2: Pazarlama Videosu Otomasyonu

Kullanıcı komutu: “Yeni kulaklığımız için bir ürün vitrin videosu oluştur. Bu ürün görüntüsünü kullan: https://example.com/headphones.png . Ürün adı ‘SoundPro X1’ ve fiyatı 299 dolar.”

AI ajanı iş akışı:

1. get_capabilities – Görüntü katmanları, metin stillendirme ve animasyon seçenekleri hakkında bilgi edinir.
2. list_examples – e-commerce kategorisinde bir product-showcase şablonu bulur.
3. get_example("product-showcase") – Ürün adı, görüntü ve fiyat için şablon değişkenleri kullanan eksiksiz ürün vitrin şablonunu yükler.
4. Şablonu değiştirir – inputs‘u kullanıcının ürün verileriyle günceller:

   {
     "inputs": {
       "productName": "SoundPro X1",
       "productImage": "https://example.com/headphones.png",
       "price": "$299",
       "tagline": "Premium Ses, Yeniden Tanımlandı"
     }
   }
   

5. validate_template – Şablonu doğrular ve https://example.com/headphones.png adresinin erişilebilir olduğunu onaylar.
6. render_video – Son ürün vitrin videosunu üretir.

Bu iş akışı, AI ajanlarının yeniden kullanılabilir şablonlardan kişiselleştirilmiş içerik oluşturmak için şablon değişkenlerini nasıl kullandığını gösterir. Aynı ürün vitrin şablonu, girdileri değiştirerek yüzlerce benzersiz video oluşturabilir.

Örnek 3: Veri Görselleştirme Oluşturma

Kullanıcı komutu: “Üç aylık geliri gösteren animasyonlu bir çubuk grafik oluştur: Ç1: 1.2M dolar, Ç2: 1.8M dolar, Ç3: 2.1M dolar, Ç4: 2.7M dolar”

AI ajanı iş akışı:

1. get_capabilities – custom katman türünü ve AnimatedLineChart yerleşik bileşenini keşfeder.
2. get_component_docs("AnimatedLineChart") – Grafik bileşeninin dokümantasyonunu okur, veri formatı, renk yapılandırması, eksen etiketleri ve animasyon seçenekleri hakkında bilgi edinir.
3. get_component_defaults("AnimatedLineChart") – Minimum gerekli yapılandırmayı anlamak için varsayılan değerleri ve JSON şemasını alır.
4. Özel bir bileşen katmanıyla şablon oluşturur:

   {
     "type": "custom",
     "component": "AnimatedLineChart",
     "props": {
       "data": [
         { "label": "Ç1", "value": 1200000 },
         { "label": "Ç2", "value": 1800000 },
         { "label": "Ç3", "value": 2100000 },
         { "label": "Ç4", "value": 2700000 }
       ],
       "colors": ["#4361EE", "#3A0CA3", "#7209B7", "#F72585"],
       "title": "2025 Üç Aylık Gelir",
       "yAxisLabel": "Gelir (USD)",
       "animationDuration": 2
     }
   }
   

5. validate_template – Şablon yapısının doğru olduğunu onaylar.
6. render_video – Animasyonlu grafik videosunu oluşturur.

Kendi Kendini Tanımlayan API: Yetenekler AI Ajanlarını Nasıl Etkili Kılar

get_capabilities aracı, Rendervid’in AI entegrasyonunun temel taşıdır. AI ajanlarına sistemin tam olarak ne yapabileceğini, hangi parametrelerin gerekli olduğunu ve hangi değerlerin geçerli olduğunu söyleyen bir kendi kendini tanımlayan API modeli uygular. Bu, AI modellerinin Rendervid’in özel API’sini ezberlemesine veya üzerinde eğitilmesine olan ihtiyacı ortadan kaldırır.

Yetenekler Yanıtının İçeriği

Bir AI ajanı get_capabilities çağrısı yaptığında, render sisteminin her yönünü kapsayan yapılandırılmış bir yanıt alır:

JSON Şemalarıyla Katman Türleri:

{
  "layerTypes": {
    "text": {
      "description": "Tam stil kontrolü ile metin render eder",
      "schema": {
        "properties": {
          "text": { "type": "string", "required": true },
          "fontSize": { "type": "number", "default": 24, "min": 1, "max": 500 },
          "fontFamily": { "type": "string", "default": "Arial" },
          "color": { "type": "string", "format": "hex-color" },
          "position": { "type": "object", "properties": { "x": {}, "y": {} } },
          "animations": { "type": "array", "items": { "$ref": "#/animations" } }
        }
      }
    },
    "image": { "..." : "..." },
    "video": { "..." : "..." },
    "shape": { "..." : "..." },
    "audio": { "..." : "..." },
    "group": { "..." : "..." },
    "lottie": { "..." : "..." },
    "custom": { "..." : "..." }
  }
}

Animasyon Ön Ayarları:

Yetenekler yanıtı, kategorisi, yapılandırılabilir parametreleri ve açıklamasıyla birlikte her animasyon ön ayarını listeler. Bu veriyi alan bir AI ajanı, fadeInUp‘ın duration, delay ve easing parametrelerine sahip bir giriş animasyonu olduğunu ve öğeyi yukarı doğru hareket ettirirken soluklaştırdığını bilir.

Yumuşatma Fonksiyonları:

30’dan fazla yumuşatma fonksiyonunun tümü açıklamalarla birlikte listelenir, böylece AI ajanı her animasyon için doğru eğriyi seçebilir. Örneğin, easeOutBounce, animasyonun sonunda zıplama efekti simüle ettiği şeklinde tanımlanır ve ajan bunu eğlenceli veya dikkat çekici içerik için önerebilir.

Filtreler ve Efektler:

blur, brightness, contrast, saturate, grayscale ve sepia gibi görsel filtreler, parametre aralıklarıyla birlikte belgelenir ve AI ajanının herhangi bir katmana işlem sonrası efektler uygulamasına olanak tanır.

Kendi Kendini Tanımlayan API’lerin Önemi

Geleneksel API’ler, AI modellerinin eğitim sırasında görmüş olabileceği veya görmemiş olabileceği dokümantasyon gerektirir. Kendi kendini tanımlayan bir API, çalışma zamanında dokümantasyon sağlayarak AI ajanının her zaman güncel, doğru bilgiye sahip olmasını sağlar. Rendervid yeni bir animasyon ön ayarı veya katman türü eklediğinde, bağlı her AI ajanı bunu get_capabilities aracılığıyla hemen görür. Dokümantasyon güncellemesi yok, yeniden eğitim yok, sürüm uyumsuzluğu yok.

AI Video Oluşturma İçin En İyi Uygulamalar

AI ajanlarını kullanarak Rendervid videoları oluştururken en iyi sonuçları almak için bu yönergeleri izleyin.

1. Her Zaman Render Etmeden Önce Doğrulayın

Her render’dan önce validate_template çağrısı yapın. Render işlemsel olarak pahalıdır ve doğrulama neredeyse anlıktır. Doğrulama aracı, bir render’ın başarısız olmasına veya beklenmeyen çıktı üretmesine neden olacak sorunları yakalar:

• Bozuk medya URL’leri (404 döndüren görüntüler, videolar, ses dosyaları)
• Geçersiz JSON yapısı veya eksik gerekli alanlar
• Boyutlar, font boyutları veya süreler için aralık dışı değerler
• Bilinmeyen animasyon ön ayarları veya katman türleri

Tipik bir AI iş akışı, render_video veya render_image çağrısından önce her zaman bir adım olarak doğrulama içermelidir.

2. Örneklerden Başlayın

Sıfırdan şablon oluşturmak yerine, AI ajanları ilgili bir başlangıç şablonu bulmak için list_examples ve get_example kullanmalıdır. Örnek şablonlar test edilmiştir ve iyi çıktı ürettiği bilinir. Bir örnekten başlamak ve değiştirmek, tamamen yeni bir şablon yapısı oluşturmaktan daha hızlı ve daha az hataya açıktır.

Önerilen yaklaşım:

1. İlgili bir kategoriyle list_examples çağrısı yapın
2. En yakın eşleşen şablon için get_example çağrısı yapın
3. Şablonu kullanıcının özel gereksinimlerine uyacak şekilde değiştirin
4. Doğrulayın ve render edin

3. Açıklayıcı Komutlar Kullanın

Bir AI ajanından video talep ederken şunlar hakkında spesifik olun:

• Boyutlar ve platform – “1080x1920 Instagram hikayesi”, “dikey bir video"dan daha iyidir
• Süre – “10 saniyelik giriş”, “kısa bir video"dan daha iyidir
• Stil ve ruh hali – “neon metin ve zıplayan animasyonlarla koyu arka plan”, AI ajanına net yön verir
• İçerik yapısı – “Birer birer beliren üç metin satırı fade-in animasyonlarıyla”, “biraz animasyonlu metin"ten daha uygulanabilirdir

4. Şablonlar Üzerinde Yineleyin

Video oluşturma yinelemeli bir süreçtir. İlk render’dan sonra çıktıyı gözden geçirin ve AI ajanından belirli öğeleri ayarlamasını isteyin:

• “Başlık metnini daha büyük yap ve rengini altın rengine değiştir”
• “Giriş animasyonlarını yavaşlat ve her satır arasına 0.5 saniyelik gecikme ekle”
• “Arka plan görüntüsüne hafif bir bulanıklık filtresi ekle”
• “Daha yumuşak hareket için yumuşatmayı linear’dan easeOutCubic’e değiştir”

AI ajanı mevcut şablonu değiştirebilir ve baştan başlamadan yeniden render edebilir, bu da yinelemeyi hızlı ve verimli hale getirir.

5. Toplu Üretim İçin Şablon Değişkenlerinden Yararlanın

Aynı videonun birden fazla varyasyonuna ihtiyacınız varsa (farklı ürünler, farklı diller, farklı veriler), AI ajanından değişkenler içeren bir şablon oluşturmasını isteyin. Bu, farklı inputs geçirerek tek bir şablondan birçok video render etmenizi sağlar:

{
  "inputs": {
    "productName": "Koşu Ayakkabısı Pro",
    "productImage": "https://example.com/shoes.png",
    "price": "149 dolar",
    "tagline": "Daha Hızlı Koş, Daha İleri Git"
  }
}

6. Uzun Videolar İçin Asenkron Render Kullanın

30 saniyeden uzun videolar veya karmaşık animasyonlu şablonlar için render_video yerine start_render_async kullanın. Bu, zaman aşımlarını önler ve AI ajanının video arka planda render edilirken başka görevler gerçekleştirmesine olanak tanır.

Şablon Keşfi: 100’den Fazla Örneğe Göz Atma

Rendervid, 32 kategoriyi kapsayan 100’den fazla örnek şablon içerir ve AI ajanlarına herhangi bir video oluşturma görevi için zengin bir başlangıç noktaları kütüphanesi sunar.

AI Ajanları Şablonları Nasıl Keşfeder

Şablon keşif iş akışı, sırayla iki araç kullanır:

1. list_examples – İlgili şablonları bulmak için isteğe bağlı kategori filtrelemeyle kataloğa göz atın.
2. get_example – Belirli bir örnek için tam JSON şablonunu yükleyin.

Şablon Kategorileri

AI ajanları, ilgili başlangıç noktalarını hızlı bir şekilde bulmak için örnekleri kategoriye göre filtreleyebilir:

Uygulamada Şablon Keşfi

Bir kullanıcı “satış verilerini gösteren animasyonlu bir grafik” istediğinde, AI ajanı:

1. list_examples(category: "data-visualization") çağrısı yapar ve grafikle ilgili şablonların bir listesini alır.
2. Açıklamaya göre animated-bar-chart‘ı en iyi eşleşme olarak tanımlar.
3. Eksiksiz şablonu yüklemek için get_example("animated-bar-chart") çağrısı yapar.
4. Verilerin nasıl formatlandığını anlamak için şablon yapısını inceler.
5. Örnek verileri kullanıcının gerçek satış rakamlarıyla değiştirir.
6. Doğrular ve render eder.

Bu keşif öncelikli yaklaşım, AI ajanlarının sıfırdan şablon JSON’u oluşturmak yerine test edilmiş örnekler üzerine inşa ettikleri için tutarlı bir şekilde iyi yapılandırılmış şablonlar ürettiği anlamına gelir.

Mevcut Tüm Şablonları Keşfetme

Her mevcut şablonu görmek için bir AI ajanı, kategori filtresi olmadan list_examples çağrısı yapabilir. Yanıt, 100’den fazla şablon için meta verileri içerir ve ajanın en iyi eşleşme için kategoriler arasında arama yapmasına olanak tanır. Her giriş, şablon adını, kategorisini, açıklamasını, boyutlarını ve süresini içerir ve ajana bilinçli bir seçim yapması için yeterli bilgi verir.

Desteklenen AI Araçları

Rendervid’in MCP sunucusu, Model Context Protocol istemci spesifikasyonunu uygulayan herhangi bir araçla çalışır. Aşağıdaki araçlar test edilmiş ve Rendervid ile çalıştığı doğrulanmıştır:

MCP açık bir standart olduğundan, MCP istemci desteği ekleyen gelecekteki herhangi bir araç, Rendervid’in MCP sunucusuyla otomatik olarak uyumlu olacaktır. Sunucuda veya araçlarında herhangi bir değişiklik gerekmez.

Sonraki Adımlar

• Rendervid’e Genel Bakış – Tüm Rendervid özellikleri, çıktı formatları ve mimari hakkında bilgi edinin.
• Şablon Sistemi – JSON şablon yapısı, değişkenler ve girdi sistemi hakkında derinlemesine bilgi.
• Bileşenler Referansı – Tüm katman türleri ve özel React bileşenleri için dokümantasyon.
• Dağıtım Kılavuzu – Bulut ölçekli render için Rendervid’i AWS Lambda, Azure Functions, Google Cloud Run veya Docker’a dağıtın.
• GitHub Deposu – Kaynak kodu, sorun takipçisi ve topluluk katkıları.