正在打开每日关注
ChatCut+Codex：MCP协作完成可编辑视频
以MCP连接Codex与专业剪辑工程，让AI负责理解编排、ChatCut负责素材、时间线与渲染。
来源摘录
这两天 ChatCut 大火，作为一个审美白痴我对视频质量发言权不大，但是必须得说这个插件的确是做的优雅，👍 简而言之，ChatCut 把 Skills 和一整套 MCP Tools 接进 Codex，项目、素材、生成任务、时间线和导出状态都由 MCP 直接与 ChatCut 后端交互；网页版编辑器处理专业剪辑界面，并且和 MCP 共享同一个项目状态。 于是 Codex 可以负责理解需求、研究资料、写脚本、做判断和编排任务，ChatCut 则继续负责素材、轨道、帧、渲染、转码这些很脏、很重、但又必须极其可靠的视频工程。 我用它做了一支 3 分钟的“中国过去十年出生人口变化”分析视频，并完整观察了一下整个的过程：查国家统计局数据，生成 6 段旁白，写 6 个可编辑 MG，按照真实音频长度对齐 5509 帧，再抽查云端渲染结果。 关键不是 AI 会不会模拟鼠标，而是 Codex 完成了 AI 最擅长的理解和编排，ChatCut 完成了专业软件最擅长的工程执行，最后我还能进入传统时间线继续修改。 我觉得这才是 Codex 插件能发挥最大价值的方式：不要每个产品都重新造一套聊天框、Agent、模型路由和通用推理，也不要让 Codex 用 Browser Use 硬猜一个复杂软件的界面；把 AI 层交给 Codex，把真正形成产品壁垒的工程层留在自己手里，中间用 MCP 建立稳定、可验证、可组合的接口。 所以说 MCP 已死，我觉得是看反了。MCP Server 的数量、套壳和“接入即智能”这类幻想确实在退潮，但 MCP 作为分工边界反而越来越重要。没有这层协议，AI 产品和专业软件只能互相侵入、重复造轮子；有了它，两边都可以把精力放回自己真正擅长的部分。 我现在更愿意把好的 Codex 插件理解成一种新型专业软件：AI 不需要住进软件里，软件也不需要把自己改造成 AI。它们通过 MCP 协作，最后把一件真实工作做完。 OpenAI 当年号称要把 GPTs 做成 AI 时代 App Store 的梦想，好像真的有那么点希望了。
深度解析
是什么 这条内容把 ChatCut 定位为与 Codex 协作的专业视频工程层：Codex 负责理解需求、查资料、写脚本、生成旁白和编排任务，ChatCut 负责素材、MG、轨道、帧、渲染、转码与导出，双方通过 MCP 共享项目状态。作者以国家统计局出生人口数据为例，完成一支 3 分钟视频，包含 6 段旁白、6 个可编辑 MG，并按真实音频长度对齐 5509 帧。
核心设计 价值在职责边界和可验证接口，而不是让 Agent 模拟鼠标。AI 层处理语义理解与决策，专业软件保留时间线、素材库和渲染可靠性，用户还能回到传统编辑器修改。画面中的风格卡、旁白试听、资源库、预览窗与 V1/V2 时间线，体现了从意图确认到可编辑产出的连续工作流。
关键洞察 好的插件更像新型专业软件：不重复造聊天框、模型路由和通用推理，也不把复杂编辑器粗暴改造成 AI。MCP 的意义在于让系统围绕稳定状态和能力契约协作，减少侵入式集成。
边界与风险 该模式依赖接口稳定性、项目状态一致性、音频与帧级同步及云端渲染质量；“接入即智能”不会自动解决数据核验、版权、失败重试和人工审片。MCP 是协作边界，不等于完整产品体验或质量保证。