用Fish Creative MCP在Claude里一站式生成AI产品广告

用 Fish Creative MCP 让 Claude 在一个对话内完成护肤品广告的全流程创作。
文章以虚构护肤品牌 Lumaglow 为例,演示如何通过 Fish Creative MCP 把图像与视频生成工具接入 Claude,在单一对话窗口内完成一支产品广告。流程分五步:配置 api.fish.audio 服务器并授权、先写创意简报再生成产品图、并排筛选并核对材质光线构图与标签文字、以克制运动做图生视频并播放检查一致性、最后导入剪辑软件配上音乐过渡与品牌尾卡。作者强调真正的价值在于每一步都建立在上一歩之上,agent 负责协调工具、保持上下文;但人工判断不可省略,成片质量取决于模型、提示词与输出,审核与成本确认仍需人来做。
AI agent 能不能独立完成一支产品广告?YouTube 教程作者用 Fish Creative MCP 给了一个可复现的答案:从创意简报、产品图生成、图生视频,到剪辑成片,全程在 Claude 一个对话窗口内完成,中间不需要反复切换网页工具。

MCP 是什么,Fish Creative 补上了哪一环
MCP 全称 Model Context Protocol,作用是让 AI 助手在对话中直接调用外部工具的能力。Fish Creative MCP 把图像与视频生成工具接进支持 MCP 的 AI agent,于是"生成一张产品图"和"把这张图变成动态镜头"不再需要分别打开两个平台、手动上传下载。
这个差别看似只是省了几次点击,实际影响的是创作节奏。传统流程里,每次切换界面都会打断思路,提示词要重新组织,参考图要重新上传;而在 MCP 模式下,agent 记得上下文,上一轮的图片可以直接作为下一轮视频生成的输入。
MCP 由 Anthropic 于 2024 年底提出并开源,采用客户端—服务器架构:AI 应用(如 Claude Desktop)作为客户端,外部服务作为服务器,通过 JSON-RPC 协议暴露“工具”“资源”和“提示模板”三类能力。服务器可以本地进程运行,也可以远程托管;远程连接常见两种方式,一是基于 HTTP 的流式传输,二是 SSE(Server-Sent Events)。授权环节通常遵循 OAuth 流程,用户在自己的 AI 客户端里完成一次登录授权后,客户端即可代表用户调用该服务器的工具。这解释了教程中“填服务器地址、保存、授权、确认工具可见”这一串操作的实质:不是打开第三方网站,而是让 Claude 通过标准协议发现并调用 Fish Creative 提供的图像与视频生成函数。
五步完成一支护肤品广告
教程用一个虚构护肤品牌 Lumaglow 做演示,目标是"高级感"的补水精华广告:玻璃瓶身、真实光影、优雅的产品镜头、电影感的运动。整个流程可以拆成五步。
第一步:把服务接进 Claude
在 Claude 的 MCP 设置中添加 Fish Audio 服务器,使用其支持的远程连接方式,服务器地址为 api.fish.audio。保存配置后按提示完成授权,再确认服务器已连接、工具在 Claude 内可调用。作者特别强调,这一步不是打开 Fish Creative 网站,而是把服务接入 agent,让工具通过 MCP 暴露给模型。
第二步:先写简报,再生成图片
接入完成后,作者没有直接让 agent 出图,而是先给出一份清晰的创意简报。agent 据此检查可用的图像生成选项并组织请求。这一步的用意在于,创意方向由人定,执行细节交给 agent 调度。
第三步:并排筛选,逐项验收
图片生成后要并排对比。作者的筛选标准很具体:材质是否真实、光线是否有吸引力、构图是否干净、产品是否像专业广告里的东西。

还有一个容易被忽略的检查点——标签文字。AI 生成的文字常出错,所以瓶身标签需要放大核对;发现问题时,要么改提示词,要么用已有的编辑功能修补,再决定是否继续。
第四步:图生视频,克制比炫技重要
选定最强的一张图作为视频生成的参考,接下来把它变成动态产品镜头。作者刻意保持运动幅度克制,因为产品本身才是主角,镜头运动只负责让画面"活"起来,不能抢戏。
生成完成后要实际播放检查:运动是否自然、光线是否连贯、瓶身形状有没有变形。如果瓶子变形或运动不自然,就调整提示词重试——前提是可用选项和预算允许。
第二个镜头要求视觉上有所不同,但保持同一创意方向:第一镜介绍产品,第二镜强调质感与细节。两条片段对比后取最强的部分;需要改进时做针对性微调,而不是推翻整个创意方向。作者把这视为 AI 生成工作的核心习惯——第一次的结果只是起点,看片决定下一步改什么。

图生视频(image-to-video)指以一张静态图作为首帧或参考帧,由视频生成模型推断后续运动。主流模型多基于扩散架构,在潜空间中逐帧去噪,并通过时序注意力保持帧间连贯。由于运动是“推断”而非“拍摄”,常见伪影包括瓶身轮廓漂移、标签文字扭曲、高光闪烁和物体形变。控制手段通常有提示词描述运动方向与幅度、指定镜头运动类型(推、拉、摇、移)、以及设置运动强度参数。运动幅度越大,模型需要“编造”的像素越多,形变风险越高;这也是产品广告里宜用缓慢推近、轻微环绕而非快速运镜的原因。
第五步:回到剪辑软件收尾
生成的片段被导入视频编辑器:以主产品镜头开场,切到微距细节,最后落在干净的品牌尾卡。配上背景音乐、轻过渡和简单字体,尾帧使用品牌名 Lumaglow 与标语 Hydration Reimagined。
剪辑刻意保持简洁,让产品视觉承担主要表达。目标是让成片像一支完整的广告,而不是几段 AI 片段的拼贴。节奏、声音、文字到位后通看一遍,做最后调整再导出。

这套工作流的价值在哪
真正的价值不在"AI 能生成视频",而在每个步骤都建立在上一歩之上。每一次生成不是孤立任务,agent 负责协调可用工具,把创作过程串在同一个连续对话里。这套方法可以迁移到产品广告、社交媒体素材、宣传短片等场景。
需要提醒的是,成片质量取决于可用的模型、提示词和输出结果,审核环节不能省;付费任务在批准前也要先确认生成成本。作者的流程里,人工判断始终在场——选图、查标签、看片、定剪辑,这些决策没有交给模型。
想复刻这套流程,起点是把创意说清楚:先确定统一的视觉基调,再多生成几个选项,把最强的结果反复打磨。
相关推荐

AI时代为何必须掌握Git:从版本控制到Agent协作
Git和GitHub有什么区别?AI Agent写代码后如何用Issue、分支和Pull Request管理改动?本文基于NetworkChuck的Git教程,梳理从git init到冲突处理的完整流程,并分析AI时代版本控制为何成为必备技能。

OpenAI 6.2 Astra实测翻车:跑分惊艳,为何开发者却说难用?
OpenAI 6.2 Astra 跑分全面领先且价格更低,但早期测试者反馈其在长任务中频繁卡死、输出难以解析、资源管理失控。本文梳理实测中的真实体验与官方数据之间的落差,并分析这对开发者选型的意义。

GTA VI咖啡系统细节曝光:热咖啡竟能泼人?
Vergecast播客揭秘GTA VI咖啡系统:玩家可在公寓冲泡、自动贩卖机购买、餐厅点单,甚至将热咖啡泼向他人。这种对日常交互的细致还原延续了荒野大镖客2的沉浸感设计,引发对游戏细节与玩法平衡的讨论。