Du hast einen Agenten gebaut, der Kampagnen-Briefings entwirft, Support-Tickets sortiert oder Launch-Texte schreibt. Als Nächstes fragt jemand nach Visuals: "Kann er auch das Video machen?" Der saubere Weg dahin ist nicht, deinen Agenten an ein Dutzend einzelner Modell-APIs zu hängen. Sondern ihm einen einzigen Tool-Server zu geben, der MCP spricht, und diesen Server Bildgenerierung und Bildbearbeitung, Hintergrundentfernung, Bild-Upscaling, Video und Musik übernehmen zu lassen. Diese Anleitung zeigt, warum das eine sinnvolle Integrationsschicht ist, ein Architekturmuster für den Einstieg und wie du dort einen Menschen im Ablauf hältst, wo es darauf ankommt.
Am Ende weißt du, wie ein KI-Agent von "entwirf das Briefing" zu "generiere die Assets" kommt, ohne dass du einen Haufen Client-Code pro Modell pflegen musst, und wie ein vernünftiger Freigabeprozess drumherum aussieht.
Was du eigentlich hinzufügst
Ein Agent generiert Video, indem er ein Tool aufruft. Die Frage ist, was hinter diesem Tool steckt. Zwei Möglichkeiten:
- Direkte Modell-APIs. Du bindest jeden Anbieter einzeln an: einen Client für einen Veo-Endpoint, einen für Kling, einen für ein Bildmodell, einen für einen Upscaler. Jeder hat seine eigene Authentifizierung, sein eigenes Request-Format, seine eigene Fehlerbehandlung und seine eigenen Rate Limits.
- Ein MCP-Server. Du richtest deinen Agenten auf einen einzigen Server aus, der Bildgenerierung, Bearbeitung, Upscaling und Video für viele Modelle hinter einer Schnittstelle bereitstellt.
Der MCP-Server von 8frame ist die zweite Möglichkeit. Server-URL https://mcp.8frame.co/mcp, mit 8 Tools zur Bildgenerierung, 9 Video-Tools und 2 Musik-Tools (eins pro Modellfamilie, mehrere davon mit mehr als einem Modell oder einer Stufe), dazu Bildbearbeitung, Hintergrundentfernung und Bild-Upscaling (Stand 2026-10-01). Dein Agent bekommt kreative Generierung als Fähigkeit; die Leitungen musst du nicht pflegen.
Warum MCP hier die direkten Modell-APIs schlägt
Eine Integration statt N. MCP ist ein offener Standard, um KI-Anwendungen mit Tools und Daten zu verbinden, von Anthropic im November 2024 vorgestellt. Laut der Website des Protokolls unterstützen ihn KI-Assistenten wie Claude und ChatGPT und Entwicklerwerkzeuge wie VS Code und Cursor. Spricht dein Agenten-Framework oder dein Client MCP, fügst du einen Server hinzu, statt pro Modell einen Client zu schreiben und zu pflegen.
Modelländerungen bleiben meist hinter dem Server. Kommt ein neues Videomodell oder ändert ein Anbieter seine API, passiert diese Arbeit hinter dem MCP-Server, und die Aufrufe deines Agenten musst du nicht umschreiben. Tools ändern sich trotzdem ab und zu: Als ein Anbieter im September 2026 ein Videomodell abgeschaltet hat, hat der Connector dieses Tool entfernt. Lass deinen Agenten beim Verbinden die Tool-Liste lesen, statt Tool-Namen fest in den Code zu schreiben. Bei direkten Integrationen ist jede Änderung eines Anbieters dein Problem.
Die Modellwahl bleibt explizit. Jede Modellfamilie ist ein eigenes Tool, und zwei Tools zum "Modell wählen" zeigen die Optionen mit ihren Credit-Kosten, in Clients, die solche Rückfragen unterstützen. Pro Generierung wird ein Modell gewählt, von der Nutzerin oder dem Nutzer oder nach den Regeln deines Agenten (günstiges Modell für Varianten, Veo für das Hauptmotiv). Dein Agent braucht keinen Client pro Anbieter, um diese Wahl zu treffen.
Ein Kostenmodell. Alles wird in 8frame-Credits von einem Guthaben abgerechnet. Zu den Preisen des Connectors: Kling v3 Standard 86 Credits für 5 Sekunden mit Ton, Veo 3.1 448 für 8 Sekunden mit Ton bei Standard (der Standardwahl), 168 bei Fast und 54 bei Lite, Pruna p-video Draft 4 für 5 Sekunden, Nano Banana 6 pro Bild. Ein Credit kostet im Paket 0,01 US-Dollar. Der Connector hat weniger Einstellungen als der Canvas: keine Option ohne Ton bei Kling oder Veo und bei beiden keine Längeneinstellung. Dein Agent plant das Budget in einer Einheit statt mit einer Preistabelle pro Anbieter.
Der ehrliche Kompromiss: Direkte APIs geben dir die niedrigste Kontrollebene, und zum Listenpreis kann eine direkte API pro Clip günstiger sein. Die Gemini API von Google listet Veo 3.1 Standard mit 0,40 US-Dollar pro Sekunde mit Audio, also 3,20 US-Dollar für 8 Sekunden, gegenüber 448 Credits (etwa 4,48 US-Dollar) über 8frame. Ist dein Produkt nur Videogenerierung in hohem Volumen mit einem Modell, binde dieses Modell direkt an. Für einen Agenten, der kreative Generierung als eine Fähigkeit unter vielen braucht, passt MCP meist besser.
So verbindest du ihn
Der Server ist ein normaler Remote-MCP-Endpoint, also bindet jeder MCP-fähige Client oder jedes Framework ihn auf dieselbe Weise an. In Claude Code zum Beispiel:
claude mcp add --transport http 8frame https://mcp.8frame.co/mcp
Führ danach in Claude Code /mcp aus und melde dich im Browser bei deinem 8frame-Konto an (der Server nutzt OAuth). In einem Agenten-Framework mit MCP-Unterstützung trägst du https://mcp.8frame.co/mcp in deiner Konfiguration als Remote-Tool-Server ein und schließt dieselbe Anmeldung ab; wie ein Framework mit OAuth umgeht, ist unterschiedlich, also schau in seine Doku. Danach stehen die Tools zum Generieren, Bearbeiten, Upscalen und für Video dem Planer des Agenten zur Verfügung, und Generierungen werden von den Credits des Kontos abgebucht, mit dem du dich angemeldet hast. Hinweise zur Einrichtung findest du unter 8frame.co/mcp. Läuft dein Agent in claude.ai statt in deinem eigenen Stack, ist die Einrichtung über Connectors der entsprechende Weg.
Architekturmuster: Agent entwirft, MCP generiert, ein Mensch gibt frei
Ein guter Ausgangspunkt ist eine Schleife aus drei Stufen, keine vollständig autonome:
Stufe 1: Der Agent entwirft das Briefing. Der Agent macht, was er gut kann: ein Ziel ("Launch-Creatives für die neue SKU, drei Hook-Varianten") in strukturierte Prompts verwandeln. Motiv, Handlung, Kamera, Licht, Seitenverhältnis, ein Prompt pro Variante. Das ist Text, also günstig und leicht zu prüfen.
Stufe 2: MCP generiert. Der Agent ruft mit jedem Prompt und dem gewählten Modell das passende 8frame-Tool auf, und die Ergebnisse kommen als Datei-Links zurück (nicht als Canvas-Boards). Für ein Variantenset fächert der Agent auf: drei oder vier Prompts, drei oder vier Clips, 258 bis 344 Credits mit Kling v3 Standard (86 pro Clip).
Stufe 3: Ein Mensch gibt frei. Das generierte Set landet bei einer Person, die freigibt, markiert oder eine Überarbeitung anfordert. Nur freigegebene Assets gehen in die Veröffentlichung. Das ist die Schutzschranke, die verhindert, dass ein probabilistischer Generierungsschritt etwas Falsches ausliefert.
Diese Schleife spiegelt, wie das Agentenmuster allgemein funktioniert: Ziel rein, Tool-Aufrufe, Bewertung und eine Abbruchbedingung, die an einen Menschen übergibt, wenn Urteilsvermögen gefragt ist. Videogenerierung ist genau die Art Schritt, die man nicht vollständig automatisiert, weil der Fehlerfall (ein verzogenes Produkt, ein Look, der nicht zur Marke passt) visuell und subjektiv ist.
Zwei Designentscheidungen, auf die es ankommt
Setz den Menschen vor die Veröffentlichung, nicht vor jede Generierung. Ein Clip, den niemand nutzt, kostet nur seine Credits, und die Obergrenze für das Auffächern weiter unten begrenzt das. Lass den Agenten also generieren, sammle die zurückgegebenen Dateien zur Prüfung und setz die Freigabe zwischen "generiert" und "an Kunden oder Werbekonto ausgeliefert", wo ein Fehler mehr kostet als Credits. Wenn du früher prüfen willst, gib die entworfenen Prompts frei: Sie sind Text und schnell gelesen.
Begrenz das Auffächern. Ein Agent, der ein Generierungs-Tool in einer Schleife aufrufen kann, kann auch in einer Schleife Credits ausgeben. Leg ein Generierungslimit pro Durchlauf fest: Ein Briefing, das vier Varianten liefern soll, darf wegen eines Planungsfehlers nicht vierzig auslösen können. Leg auch die Modellstufe fest, denn ein Veo-Aufruf ohne Stufe läuft mit Standard für 448 Credits. 8frame begrenzt außerdem die über den Connector ausgegebenen Credits pro Nutzer und Tag als Sicherheitsgrenze; sieh das als Absicherung, nicht als dein Budget.
Ein durchgerechnetes Beispiel
Ein Agent, der die Paid-Social-Creatives einer DTC-Marke (Direktvertrieb an Endkunden) betreut:
- Eingabe: "Neuer Hook-Test für das Schlaf-Supplement, vier Ansätze, vertikal."
- Der Agent entwirft vier Prompts, jeder mit einem anderen UGC-Hook als Ansatz (Problem zuerst, Produkt zuerst, Erfahrungsbericht, Vorher-nachher), alle vertikal.
- Er ruft das Kling-Tool von 8frame (Kling v3 Standard) viermal auf, mit einem vertikalen 9:16-Produktfoto als Startbild. Mit Startbild schickt der Kling-Aufruf dem Modell kein Seitenverhältnis, also bestimmt das Foto das Format. Vier 5-Sekunden-Clips mit Ton kosten 344 Credits, etwa 3,44 US-Dollar.
- Das Set landet bei der Person aus dem Performance-Marketing, die zwei freigibt, einen verwirft und für den vierten eine Neugenerierung mit einem angepassten Prompt verlangt, den der Agent liefert. Die Neugenerierung ist ein weiterer Clip für 86 Credits, der Durchlauf kommt also auf 430 Credits, etwa 4,30 US-Dollar.
- Freigegebene Clips gehen ins Werbekonto.
Der Agent hat den mühsamen Teil erledigt (Varianten entwerfen und generieren); der Mensch den Teil, der Urteilsvermögen braucht (welche Hooks das Geld wert sind). Genau um diese Aufteilung geht es.
Grenzen, die du einplanen solltest
Latenz ist real. Eine Videogenerierung dauert von etwa einer Minute (ein 5-Sekunden-Clip mit Kling v3 Standard, Median auf 8frame) bis etwa fünf Minuten (Seedance 2.5 in 720p, die Version, die der Connector ausführt, Median auf 8frame). Der Connector wartet bis zu 10 Minuten und gibt dann eine Task-ID zurück, die sein Abfrage-Tool prüft. Behandle diese Aufrufe als asynchron und melde den Fortschritt, statt zu hängen.
Die Prüfung lässt sich nicht überspringen. Die dreistufige Schleife gibt es, weil Generierung probabilistisch ist. Ein Agent, der selbst veröffentlicht, wird früher oder später einen schlechten Frame veröffentlichen. Behalte die menschliche Freigabe.
Die Feinsteuerung liegt weiter auf dem Canvas. Der Connector gibt weniger Einstellungen frei als der Canvas: Cliplänge und Modus ohne Ton bei Kling und Veo, Endframes, Kling v3 Pro und Nano Banana Pro gibt es nur auf dem Canvas. Für Einstellungen, die das brauchen, oder eine präzise Komposition aus vielen Referenzbildern öffnet jemand direkt den Canvas. Der Agent übernimmt Volumen und Entwürfe; der Canvas die Einstellungen, die Regie von Hand brauchen.
Häufige Fragen
Wie verbinde ich einen Agenten mit 8frame?
Trag https://mcp.8frame.co/mcp in deinem Client oder Framework als Remote-MCP-Server ein und melde dich bei deinem 8frame-Konto an. In Claude Code: claude mcp add --transport http 8frame https://mcp.8frame.co/mcp, dann /mcp zum Anmelden.
Wählt der MCP-Server das Modell?
Nein. Jedes Tool führt eine Modellfamilie aus, und die Tools zum "Modell wählen" zeigen die Optionen mit Credit-Kosten; auch die Regeln deines Agenten können wählen. Nennt ein Aufruf keine Stufe, gilt die Standardwahl des Tools: Bei Veo ist das Veo 3.1 Standard, 448 Credits.
Was kostet ein Variantenset aus vier Clips?
Über den Connector kosten vier 5-Sekunden-Clips mit Kling v3 Standard 344 Credits, etwa 3,44 US-Dollar zum Paketpreis; das Kling des Connectors läuft mit Ton und braucht ein Startbild. Auf dem Canvas kosten dieselben vier Clips ohne Ton 228.
Quellen
- Einrichtung und Anmeldung beim 8frame-MCP: 8frame.co/mcp, abgerufen am 2026-10-01
- Tools, Modelle, Standardwerte, Preise, Modellauswahl, Wartezeitgrenze und Tageslimit des Connectors: Code des MCP-Servers von 8frame, gelesen am 2026-10-01
- Kling-v3-Aufruf ohne Seitenverhältnis, wenn ein Startbild mitgegeben wird: Videogenerierungs-Code des 8frame-Backends, gelesen am 2026-10-01
- Canvas-Preise (Kling-Clip ohne Ton): Tool-Registry von 8frame, 2026-09-30
- Generierungszeiten: Produktionsdaten von 8frame, nur lesend, Mediane über 120 Tage bis 2026-09-30
- MCP von Anthropic am 25. November 2024 vorgestellt: Introducing the Model Context Protocol, abgerufen am 2026-10-01
- MCP-Unterstützung in Claude, ChatGPT, VS Code und Cursor: What is the Model Context Protocol (MCP)?, abgerufen am 2026-10-01
- Claude-Code-Befehl und Anmeldung mit
/mcp: Claude Code docs, MCP, abgerufen am 2026-10-01 - API-Preis von Veo 3.1 Standard (0,40 US-Dollar pro Sekunde mit Audio, 720p und 1080p): Gemini API pricing, abgerufen am 2026-10-01
Auch lesenswert
Um das Protokoll zu verstehen, das dein Agent spricht, fang mit was ist MCP an. Für die Version dieser Einrichtung, bei der du von Hand promptest, lies KI-Video mit Claude generieren oder, für Entwickler, KI-Video in Cursor und Claude Code.
Gib deinem Agenten kreative Generierung über einen einzigen Server. Die MCP-Einrichtung von 8frame ist live, oder sieh dir die Canvas- und Workflow-Bibliothek für die Einstellungen an, bei denen du selbst Regie führst.
Probier es ohne Anmeldung aus: Du landest direkt auf einem echten Board. Der 8frame-Canvas ist kostenlos und unbegrenzt; die Generierung ist kostenpflichtig ab 19 US-Dollar im Monat.