在编程智能体中生成图片、视频和音频

在 Codex、Claude Code、Cursor、Cline 等编程智能体里生成图片、视频和音频：主模型用文本模型，通过 BigModel.io 的 MCP 服务（https://bigmodel.io/mcp）或 AGENTS.md 说明调用多媒体接口。

本页目录
  1. 方式一：MCP 服务
  2. Codex
  3. Claude Code
  4. Cursor
  5. 可用的工具
  6. 方式二：AGENTS.md 说明
  7. 常见问题排查
  8. 相关文档

编程智能体的主模型必须是文本模型：它要能对话、能调用工具。图片、视频、音频模型只会生成内容，不能当主模型，在模型选择器里把主模型换成它们会直接报错。

正确的做法是让文本主模型去调用多媒体模型。有两种方式：

方式 怎么做 适用
MCP 服务（推荐） 把 https://bigmodel.io/mcp 加到智能体，它会多出 generate_image、generate_video 等工具 支持 MCP 的工具：Codex、Claude Code、Cursor、Cline、Cherry Studio 等
AGENTS.md 说明 在项目说明里写清接口和命令，智能体自己用 curl 调用 能执行命令、但不方便配 MCP 的场景

两种方式用的都是你自己的 API Key，计费和直接调用 API 完全相同：图片按张，视频按秒，音频按次或按时长。价格见模型页。

#方式一：MCP 服务

服务地址是 https://bigmodel.io/mcp，用 API Key 认证（Authorization: Bearer <你的 Key>）。先在终端设置好 BIGMODEL_API_KEY。

#Codex

在 ~/.codex/config.toml 中加入：

toml
[mcp_servers.bigmodel]
url = "https://bigmodel.io/mcp"
bearer_token_env_var = "BIGMODEL_API_KEY"
tool_timeout_sec = 300

视频生成通常要 1–3 分钟，tool_timeout_sec 设长一些，工具会等结果出来再返回。

#Claude Code

bash
claude mcp add --transport http bigmodel https://bigmodel.io/mcp \
  --header "Authorization: Bearer $BIGMODEL_API_KEY"

#Cursor

在 ~/.cursor/mcp.json（或项目里的 .cursor/mcp.json）中加入：

json
{
  "mcpServers": {
    "bigmodel": {
      "url": "https://bigmodel.io/mcp",
      "headers": { "Authorization": "Bearer ${env:BIGMODEL_API_KEY}" }
    }
  }
}

其他支持「可流式 HTTP」MCP 的工具，按同样的地址和请求头配置即可。

#可用的工具

工具 作用
list_media_models 列出可用的图片、视频、音频模型和价格，先调用它来选模型
generate_image 按提示词生成 1–4 张图片，返回链接
generate_video 生成视频，可带起始图片；在 wait_seconds（默认 50 秒，最多 240 秒）内等结果，没完成就返回任务 ID
get_video 查询视频任务，完成后返回链接
generate_audio 生成音乐或音效，模型特有的字段放在 options 里
get_audio 查询音频任务

返回的链接 24 小时有效。让智能体用 curl -L -o <文件> <链接> 下载到项目里，例如：

用 BigModel 生成一张 1024x1024 的应用图标，风格是扁平插画，下载到 assets/icon.png。

#方式二：AGENTS.md 说明

把下面这段放进项目根目录的 AGENTS.md（Claude Code 用 CLAUDE.md），智能体会自己执行这些命令。

markdown
## 生成图片、视频和音频

用 BigModel.io 生成多媒体，Key 在环境变量 `BIGMODEL_API_KEY` 里，不要写进代码或提交到仓库。
结果链接 24 小时有效，生成后立即下载到项目里。

- 可用模型：`curl -s "https://bigmodel.io/v1/models?type=all" -H "Authorization: Bearer $BIGMODEL_API_KEY"`，看 `architecture.modality` 为 image、video、audio 的模型。
- 图片（同步返回）：
  ```bash
  curl -s https://bigmodel.io/v1/images/generations \
    -H "Authorization: Bearer $BIGMODEL_API_KEY" -H "Content-Type: application/json" \
    -d '{"model":"<图片模型>","prompt":"<描述>","size":"1024x1024","n":1}'
  ```
  从返回的 `data[0].url` 下载：`curl -L -o assets/<文件名>.png "<url>"`。
- 视频（异步任务）：
  ```bash
  curl -s https://bigmodel.io/v1/videos \
    -H "Authorization: Bearer $BIGMODEL_API_KEY" -H "Content-Type: application/json" \
    -d '{"model":"<视频模型>","prompt":"<描述>","seconds":5}'
  ```
  拿到 `id` 后每 10 秒查询一次 `GET https://bigmodel.io/v1/videos/<id>`，直到 `status` 为 `succeeded`，再下载 `output.url`。`failed` 不收费。
- 音频（异步任务）：`POST https://bigmodel.io/v1/audio/generations`，用法同视频，查询 `GET /v1/audio/generations/<id>`。
- 生成前先告诉我预计花费（价格见 https://bigmodel.io/models），超过 1 美元先问我。

#常见问题排查

在模型选择器里选了图片或视频模型，报 model_endpoint_mismatch。 主模型要换回文本模型，多媒体用上面的工具生成。

MCP 工具返回 401。 智能体启动时没有读到 BIGMODEL_API_KEY，或请求头没带上 Key。

视频一直显示「仍在运行」。 视频可能需要几分钟。让智能体稍后调用 get_video 查询，或把 wait_seconds 和工具超时设长。

余额不足。 视频按秒计费，提交前余额需要能覆盖预估费用。到充值页充值。

#相关文档

更新于 · 以 Markdown 查看