DaVinci Resolve MCP 服务器

通过 DaVinci Resolve MCP 服务器，集成 AI 智能体，实现自动化编辑、导出管理和元数据提取。

AI MCP Server DaVinci Resolve Automation

“DaVinci Resolve” MCP 服务器的作用是什么？

DaVinci Resolve MCP 服务器是一款集成工具，旨在通过 Model Context Protocol (MCP) 桥接 AI 助手与 DaVinci Resolve 视频编辑软件。作为中间件服务器，它实现了对 DaVinci Resolve 的自动化和 AI 驱动的交互，比如控制编辑动作、查询项目信息或触发导出。开发者和创作者可以借助该服务器，基于程序化方式调用 DaVinci Resolve 强大的编辑能力，提升生产力、自动化重复任务，并与更广泛的 AI 内容生产与管理流程集成。

提示词列表

在仓库中未找到提示模板相关信息。

资源列表

在仓库或文档中未发现显式资源定义。

工具列表

在 resolve_mcp_server.py 或仓库其他处未找到明确工具定义。

该 MCP 服务器的应用场景

自动化视频编辑
利用 AI 智能体编辑视频时间线、应用转场或管理片段，简化常规编辑工作流。
项目元数据提取
查询并收集 DaVinci Resolve 项目的元数据，用于编目、分析或与资产管理系统集成。
批量导出自动化
以编程方式触发和管理媒体导出，实现批量处理和 AI 驱动的导出逻辑。
远程协作
支持远程或自动化智能体与 DaVinci Resolve 项目交互，适用于协作编辑场景。
自定义工作流集成
通过 AI 自动化将 DaVinci Resolve 与外部 API 或工具（如云存储、转录服务）连接。

如何部署

Windsurf

确保已安装 DaVinci Resolve MCP Server 所需的 Python。
克隆仓库：
git clone https://github.com/samuelgursky/davinci-resolve-mcp.git
安装依赖：
pip install -r requirements.txt

在 Windsurf 配置（如 windsurf.config.json）中添加服务器：

{
  "mcpServers": {
    "davinci-resolve": {
      "command": "python",
      "args": ["resolve_mcp_server.py"]
    }
  }
}

保存配置并重启 Windsurf，验证服务器连接。

Claude

确保你的系统中已安装 Python。
按上述方法克隆仓库并安装依赖。
打开 Claude 的 MCP 配置文件。

添加 DaVinci Resolve MCP 服务器：

{
  "mcpServers": {
    "davinci-resolve": {
      "command": "python",
      "args": ["resolve_mcp_server.py"]
    }
  }
}

保存并重启 Claude，然后验证连接。

Cursor

确认 Python 及 DaVinci Resolve MCP Server 依赖。
下载或克隆 MCP 服务器仓库。
打开 Cursor 的 MCP 服务器配置文件。

添加如下内容：

{
  "mcpServers": {
    "davinci-resolve": {
      "command": "python",
      "args": ["resolve_mcp_server.py"]
    }
  }
}

保存并重启 Cursor。

Cline

安装所有前置条件（Python，仓库依赖）。
克隆仓库。
打开 Cline 的 MCP 服务器配置。

添加服务器：

{
  "mcpServers": {
    "davinci-resolve": {
      "command": "python",
      "args": ["resolve_mcp_server.py"]
    }
  }
}

保存文件并重启 Cline。

保护 API 密钥

对于敏感环境变量（如 API 密钥），请在配置中使用 env 和 inputs 键，如下所示：

{
  "mcpServers": {
    "davinci-resolve": {
      "command": "python",
      "args": ["resolve_mcp_server.py"],
      "env": {
        "API_KEY": "${API_KEY}"
      },
      "inputs": {
        "api_key": "${API_KEY}"
      }
    }
  }
}

如何在 FlowHunt 流程中使用 MCP

在 FlowHunt 中集成 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，首先在流程中添加 MCP 组件，并将其连接到你的 AI 智能体：

点击 MCP 组件打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填入你的 MCP 服务器信息：

{
  "davinci-resolve": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 智能体即可将该 MCP 作为工具，获得其全部功能。请记得将 “davinci-resolve” 替换为你的 MCP 服务器实际名称，并将 URL 更换为你自己的 MCP 服务器地址。

概览

部分	可用性	备注
概览	✅
提示词列表	⛔	未指定
资源列表	⛔	未指定
工具列表	⛔	未指定
保护 API 密钥	✅	提供示例
采样支持（评估时不重要）	⛔	未提及