关键词

戏剧灯光设计AI自动化灯光场景管理演出提示控制剧本分析

项目简介

LacyLights AI 灯光设计 MCP 服务器是为LacyLights智能灯光系统量身定制的后端服务。它利用先进的AI能力，帮助用户自动化和智能化地进行戏剧灯光设计。通过这个服务器，您可以管理灯具、生成复杂的灯光场景、创建和优化演出提示（Cue List），并深度分析剧本，极大地提升灯光设计效率和艺术表现力。它通过标准化的Model Context Protocol (MCP) 与大型语言模型（LLM）客户端（如Anthropic Claude）进行通信，作为LLM的“大脑”来执行具体的灯光操作和智能决策。

主要功能点

  1. 项目管理: 轻松创建新的灯光设计项目，列出所有现有项目，获取项目的详细信息（包括灯具、场景和提示列表统计），以及安全地删除项目。
  2. 灯具管理: 查询项目中所有可用的灯具清单，或按类型筛选。可以深入分析特定灯具的功能（例如，颜色混合能力、移动定位范围、特殊效果等）。支持创建新的灯具实例，并智能分配或建议DMX通道，以及更新和删除现有灯具。
  3. 场景生成与优化: 根据剧本描述、情绪和设计偏好，由AI智能生成详细的灯光场景。可以创建“完整”场景（重置所有灯具）或“叠加”场景（仅修改部分灯具）。支持对现有场景进行多目标优化，如提高能效、确保颜色准确性、增强戏剧效果或简化技术实现。同时，可以实时激活场景或将所有灯光渐暗。
  4. 剧本分析: 能够深入分析戏剧剧本的文本内容，自动提取与灯光设计相关的关键信息，包括场景划分、情绪氛围、主要角色、舞台指示、明确的灯光提示和时间地点信息。基于分析结果，服务器还能为每个场景建议初步的灯光设计方案。
  5. 演出提示（Cue）管理: 创建和管理演出的提示列表。可以基于剧本分析或一系列现有场景，由AI生成一整幕的提示序列。支持精细调整每个提示的入场（Fade In）和出场（Fade Out）时间，设置自动跟随时间，以及添加备注。可以更新、添加、删除和重新排序提示列表中的单个提示。
  6. 演出提示播放控制: 提供实时的提示列表播放功能。可以从头开始或从指定提示开始播放，前进到下一个提示，返回上一个提示，或直接跳转到特定提示。同时，可以停止播放并获取当前播放状态和导航信息，为灯光操作员提供全面的控制。
  7. AI 驱动能力: 服务器深度整合了AI模型（如OpenAI GPT-4）和RAG（检索增强生成）服务，使其能够理解自然语言指令、进行剧本分析、生成富有创意的灯光设计方案，并根据复杂上下文做出智能决策。

安装步骤

  1. 克隆仓库: 首先，使用Git将项目仓库克隆到您的本地机器上。 
    git clone https://github.com/bbernstein/lacylights-mcp.git
cd lacylights-mcp
  2. 安装依赖: 进入项目目录后，安装所有必要的Node.js依赖项。 
    npm install
  3. 配置环境变量: 复制 '.env.example' 文件并将其重命名为 '.env'。 
    cp .env.example .env
    编辑 '.env' 文件，填入您的OpenAI API Key，以及 LacyLights 后端 GraphQL 接口的地址。 
    # .env 文件示例，请根据您的实际情况进行修改
OPENAI_API_KEY=sk-your_openai_api_key_here  # 您的OpenAI API密钥
LACYLIGHTS_GRAPHQL_ENDPOINT=http://localhost:4000/graphql # LacyLights后端GraphQL接口地址

# ChromaDB 设置是可选的。如果不需要，服务器将使用内存存储模式。
# 如果您想使用ChromaDB进行持久化向量存储和更高级的RAG功能，请取消注释并配置：
# CHROMA_HOST=localhost
# CHROMA_PORT=8000
    重要提示: 确保 'LACYLIGHTS_GRAPHQL_ENDPOINT' 指向您的 'lacylights-node' 后端服务。默认情况下，该服务通常在 'http://localhost:4000/graphql' 运行。
  4. 构建项目: 运行构建命令以编译TypeScript代码。 
    npm run build
  5. 运行服务器: 在开发模式下（具有自动重载功能，便于开发调试）： 
    npm run dev
    或者，如果您希望在生产环境运行，请先构建再启动： 
    npm run build
npm start
    服务器成功启动后，您将在控制台看到类似 "LacyLights MCP Server running on stdio" 的输出信息。

服务器配置（供MCP客户端使用）

要将 LacyLights AI 灯光设计 MCP 服务器与支持 Model Context Protocol (MCP) 的大型语言模型（LLM）客户端（例如 Anthropic Claude）集成，您需要在客户端的MCP配置中添加以下JSON格式的条目。

请务必将 '/path/to/lacylights-mcp/' 替换为您实际克隆此仓库的绝对路径。

{
  "mcpServers": {
    "lacylights": {
      "command": "/usr/local/bin/node", 
      "args": ["/path/to/lacylights-mcp/run-mcp.js"],
      "env": {
        "OPENAI_API_KEY": "您的_openai_api_key_here",
        "LACYLIGHTS_GRAPHQL_ENDPOINT": "http://localhost:4000/graphql" 
      }
    }
  }
}

参数注释:

  • 'mcpServers': 这是一个JSON对象，用于包含LLM客户端所连接的所有MCP服务器的配置。
  • 'lacylights': 这是您为LacyLights MCP服务器实例指定的唯一标识名称。LLM客户端将使用此名称来引用此服务器。
  • 'command': 必填项。 指定用于启动MCP服务器可执行文件的绝对路径。在本例中，它是Node.js运行时的路径。您可以在终端中运行 'which node' 命令来查找您系统上Node.js的绝对路径。请确保您的Node.js版本为14或更高。
  • 'args': 必填项。 这是一个字符串数组，包含将传递给 'command' 指定的可执行文件的命令行参数。这里，它指定了MCP服务器的启动脚本 'run-mcp.js' 的绝对路径。请务必使用 'run-mcp.js' 脚本，而不是直接指向 'dist/index.js'，以确保兼容性。
  • 'env': 这是一个JSON对象，包含为MCP服务器进程设置的环境变量。这些变量通常用于配置敏感信息或特定运行时设置。
    • 'OPENAI_API_KEY': 必填项。 您从OpenAI获取的API密钥，服务器将使用它来调用AI模型进行剧本分析和设计建议。
    • 'LACYLIGHTS_GRAPHQL_ENDPOINT': 必填项。 LacyLights后端GraphQL服务的完整URL，用于MCP服务器与LacyLights核心系统通信。

基本使用方法

一旦MCP服务器成功启动并与您的LLM客户端（如Claude）集成，您就可以通过自然语言指令与LLM进行交互。LLM将自动识别LacyLights MCP服务器提供的工具，并根据您的指令调用相应的工具来执行任务。

示例1：生成一个灯光场景 您可以向LLM发出指令，描述您想要的灯光场景，LLM将调用 'generate_scene' 工具：

请为“麦克白夫人的梦游场景”生成灯光。背景是“夜晚黑暗的城堡，麦克白夫人手持蜡烛进入，饱受罪恶感折磨”，情绪是“神秘的”，色调为“深蓝、苍白、冷色”。请将此场景添加到ID为“project-123”的项目中。

示例2：分析剧本 您可以要求LLM使用 'analyze_script' 工具来分析一个戏剧剧本的文本：

请分析以下剧本文本，提取所有灯光提示，并为每个场景建议灯光设计。

[此处插入“麦克白第一幕”的全部文本]

示例3：创建演出提示序列 在您分析完剧本并生成了多个场景之后，您可以指示LLM使用 'create_cue_sequence' 工具，将这些场景组织成一个演出的提示列表：

请使用已分析的剧本场景“scene-id-1”、“scene-id-2”和“scene-id-3”，为ID为“project-456”的项目创建一个名为“麦克白第一幕提示”的演出提示列表。

示例4：实时控制提示播放 当您的提示列表正在播放时，您可以直接向LLM发出控制指令：

请切换到下一个灯光提示。

或

请停止当前正在播放的提示列表。

信息

分类

AI与计算

访问项目