mediagen Skill：让 Claude Code 自己生成图片和视频的统一技能包

Skill超级捕获手 技术创作者 2026-09-06 10 阅读

mediagen 是一个让 AI 编程 Agent 直接生成图像和视频的技能包——一个安装、一次配置，即可调用 Google Gemini、OpenAI DALL·E、Kie AI 近三十款模型生成图片或视频，并自动附带 EU AI Act 合规标记。2026-08-22 刚开源就登上了 GitHub Trending 和 LobeHub Skill 市场，被冠以「编码代理的视觉手脚」之称。相比让 Agent 调用截图再手动复制进 prompt 的原始方式，mediagen 把图像生成封装成可组合的工具链，开发者用自然语言描述需求，Agent 就能自动调用正确的模型、判断比例、写入文件、标注 AI 来源。适合所有需要在代码流程里自动产出视觉内容的开发者。

核心能力与设计原则

mediagen 解决的是「让 Agent 做视觉创作」这件事的标准化问题：它把三个主流图像/视频生成 API 统一成一套 CLI + MCP Server + Skill 三位一体的工具，同一套配置、同样的调用逻辑，Claude Code、Cursor、Windsurf 等主流 Agent 都能直接使用。

设计原则有三条：多 Provider 统一入口（Gemini、OpenAI、Kie AI 各有擅长，Skill 自动根据任务选最优）、零 Prompt 注入风险（API Key 不经过对话窗口，只走本地配置文件）、EU AI Act 合规内置（IPTC/XMP 元数据标记 + 可选可见水印，生成内容自动满足欧盟 AI 透明度要求）。

认可度

截至 2026-09-05，GitHub 星标数为 54 颗（仓库创建于 2026-08-22），Forks 0。对于一个刚开源两周的项目，这个热度已属新晋 Trending 级别。LobeHub Skill 市场已收录，并出现在多个 GitHub Trending 追踪周报中。whstrending.ai 记录其「13 个快照、最长登榜 24 天」。npm 包 mediagen 同期上线，CI 持续交付。

链接

GitHub 仓库：https://github.com/Cripacx/mediagen

原作者

Cripacx（GitHub username），项目采用 MIT 许可证，用 TypeScript 编写，Node.js >= 20.11 即可运行。

详细介绍

mediagen 的核心是一个多 Provider 聚合的图像/视频生成管道。它以 CLI 为底层（npx -y mediagen image/video），Skill 层封装成 Claude Code 等 Agent 的可调用技能，MCP Server 层让不支持 Skill 但支持 MCP 协议的编辑器（如 VS Code）也能直接调用。三层共用同一套配置和 Provider 注册逻辑，能力完全对等。

支持的 Provider 有三层：

  • Google Gemini：支持 Nano 到 Banana 全系列，最高 4K 分辨率，唯一支持视频生成的 Provider（含 21:9 超宽比例）
  • OpenAI DALL·E / gpt-image：仅图像，不支持 16:9（最宽 1536×1024 即 3:2），skill 会自动将宽屏请求路由到 Gemini
  • Kie AI：聚合约三十款第三方模型（Flux、Imagen、Grok 等），适合有特定模型偏好的用户

EU AI Act 合规是 mediagen 的差异化功能：生成内容自动写入 IPTC/XMP DigitalSourceType 元数据（机器可读），并可叠加可见水印（--visible-label），满足欧盟对 AI 生成内容的双重披露义务。

主要特点

  • 三端一体：Skill（Claude Code）+ CLI + MCP Server，一套配置三处通用，无需为每个平台单独适配
  • 智能路由：Skill 层知道每个 Provider 的能力边界（如 OpenAI 做不了 16:9），自动选最优解
  • 安全配置：API Key 只能通过 mediagen init 交互式写入本地配置文件，不经过 Agent 对话层，拒绝 Prompt 注入风险
  • EU AI Act 合规：IPTC/XMP 元数据 + 可选可见标签，生成内容自动满足欧盟法规要求
  • 跨 Agent 通用：Claude Code、Cursor、Windsurf、VS Code（通过 MCP）、Zed 等均支持，迁移成本为零

使用方法

第一步：安装 Skill（Claude Code 等）

npx -y skills add Cripacx/mediagen --skill mediagen

第二步：初始化配置（交互式向导）

npx -y mediagen init
# 依次输入 GEMINI_API_KEY / OPENAI_API_KEY / KIE_API_KEY
# 验证每个 Key 是否可用，选择默认模型

第三步：让 Agent 生成图像

在 Claude Code 对话中直接说：

“Make a hero image for the landing page, wide, something moody and industrial.”

Agent 会自动执行：

npx -y mediagen image "A disused loading dock at dusk, wet concrete…" 
  --aspect-ratio 21:9 --json
# → ./output/image-20260823T094107Z.png

指定模型（精确控制）

npx -y mediagen image "描述文本" 
  --model gemini-3-pro-image 
  --aspect-ratio 21:9 --size 4K 
  --mark --output-name hero.png --json

查看可用模型列表

npx -y mediagen models

作为 MCP Server 使用（VS Code / Cursor）

claude mcp add mediagen -- npx -y mediagen mcp

适用场景与目标用户

适用场景：

  • 为应用/网站自动生成配图、封面、Banner
  • 视频制作流程中自动生成 B-roll 素材（需 Gemini 视频支持）
  • 设计稿生成后自动添加合规水印
  • CI/CD 流水线中按需生成测试用图

目标用户：

  • 开发者——需要在代码流程里集成图像生成，不想手动复制 Prompt
  • AI 工作流构建者——搭建 Agent 自动化 pipeline，需要一个可靠的视觉生成节点
  • 面向欧盟市场的产品团队——需要 EU AI Act 合规的图像来源标记

输入与输出案例

案例一：生成产品 Landing Page 配图

输入（对 Agent 说）：

“Make a hero image for the landing page, wide, something moody and industrial.”

Agent 执行 → 输出：

./output/image-20260823T094107Z.png

（21:9 超宽比例，Gemini 生成，机器可读元数据已写入）

案例二：指定模型 + 合规水印

输入：

“Same thing with gemini-3-pro-image, 21:9, 4K, marked as AI-generated, saved as hero.png.”

Agent 执行 → 输出：

{
  "success": true,
  "filePath": "./output/hero.png",
  "kind": "image",
  "provider": "gemini",
  "model": "gemini-3-pro-image",
  "mimeType": "image/png"
}

文件同时携带 IPTC/XMP AI 来源标记，发布到公开平台时满足欧盟合规要求。

GitHub: https://github.com/Cripacx/mediagen

评论区

0 条评论

登录后可评论。

Skill超级捕获手 10 阅读