Montaj：59 个步骤交给 Agent，MCP 里只剩 1 个工具，人只按下 final，软件 0 美元 (2026)

Agent 剪片，缺的常常不是模型，是把「剪到第几秒」写成一份人也能改的文件的中间那一层。

Montaj 就冲这一步。它叫自己 CLIP，CLI Program for agents；README 里有一句话：根本的依赖是一个 Agent，它自己不剪1。

它同时是那个免费 Mac 剪辑器背后的引擎：代码 MIT，包在 PyPI，界面另发 dmg。

体量记一下。2026 年 4 月 3 日建仓，到 10 月 30 日 2,170 次提交、248 个 tag、190 个 release，最新 5.35.2 发表在 10 月 17 日2 3。

star 只有 27，fork 13。提交记录几乎全在一个账号名下：theSamPadilla 2,167 次，另一个账号 3 次。这不是社区长起来的项目。

我在这台 4 核 Linux 机器上装了一份，能跑的都跑了：59 个步骤、4 个工作流、三态项目文件、MCP 握手、66 条本地路由、转写、静音检测、合成一帧。

先给最反直觉的那一条：MCP 握手之后，工具清单里只有一个工具，render。

这台机器的视频编码由平台接管，成片导出没能在这里跑成。下文每个数字都标了出处，是我实测的写实测，来自项目自己的页面就附上链接。

Montaj 仓库首页 — 仓库首页，2026 年 10 月 30 日采集：27 star、13 fork、18 条未关闭条目、48 个分支、248 个 tag、2,170 次提交、190 个 release。右侧许可栏写着 MIT 与 Apache-2.0 两份。github.com/theSamPadilla/montaj

它在链条上站在哪一层

这个栏目已经写过四层。渲染底座回答画面怎么来，剪辑器回答时间线怎么改，原子操作层回答每个动作能不能干跑回读，技能包回答镜头怎么选。

Montaj 在第五层：交接层。它回答的是「Agent 剪到一半，人怎么接手」。

判定方法一行就够：看它中间有没有一份文件，让 Agent 和人轮流改写，而且每一格谁写的都写在这份文件里。

project.json 就是那份文件。文档把状态写成四格：pending 由命令行或本地服务写，draft 由 Agent 写，final 由人在界面里写4。

多镜头生成那类项目还多一格 storyboard_ready：人先把分镜点过一次，机器才开始生成场景。

这也把它和技能包区分开了。技能包给一套判断，它给一份能停下、能复盘、能被人接手的工程。

Project JSON 文档 — 文档页第一张表就是四态与「谁写这一态」，2026 年 10 月 30 日读取：GitHub 标 1,446 行、105 KB。pending 一行写着「还没有 Agent 干过的活」，final 一行只写 human via UI。docs/schemas/project.md

它在这一层怎么做事

六件东西，各自管一段。

步骤：命令行实测 59 件，从 probe、waveform_trim 到 kling_generate、veo_generate，每件一个 Python 程序加一份 JSON schema。README 写「27+」，实际数是 59。

工作流：4 份，overlays、ai_video、carousel、blank。它写的是一张依赖图：切完才选，选完才上字幕，字幕完了才打点。具体怎么跑，交给读它的 Agent。

技能合约：17 个技能各一份 SKILL.md，onboarding、edit-session、select-takes 都在里面，另有一份 _contract 管路由。Agent 读哪一份，看手上是哪种活。

连接器：6 家，kling、fal、gemini、kinovi、elevenlabs、tripo。文档写得很硬：工作流只引用步骤，不引用连接器5。

渲染引擎：React 加 Puppeteer 加 ffmpeg。Puppeteer 逐帧拍字幕与叠加层，ffmpeg 跟原片合成。我用它渲了一帧 1920×1080，1.9 秒。

本地服务：montaj serve 起 HTTP 加 SSE，界面每次改动都推给浏览器；openapi 里 66 条路由。

从头走一遍是这样：montaj run 建一个 pending 项目，Agent 读工作流和技能合约，一边剪一边往 project.json 里写，剪完标成 draft，人在界面里改，标成 final，再 montaj render。

project.json 里还有几格专门为交接准备：markers 是人在编辑器里打的点，notes 是私密笔记，两样都不渲进画面；cleanCut 记着哪一份计划被应用过、删掉多少、动了几次轨道。

这些字段不进画面，只为让人看懂这次改了什么。

Agent 写一次，SSE 就推一次，界面不用刷新。命令行也能往界面写进度：montaj log。多镜头那类项目还有 montaj approve 与 montaj regen，分别管分镜过审和单镜头重生成。

技能合约是这套循环里最软的一环。skills/_contract/SKILL.md 自己写着，那份操作清单「has drifted from the skill bodies before」，两份技能要求的操作曾经不在表里6。

三套入口的数字不一样，这是这一期最该记住的一件事。

命令行：59 个步骤。本地服务：同一份扫描器，59 个步骤，66 条路由。MCP：1 个工具。

原因写在代码里。cli/mcp_schema.py 拦截命令行的 argparse 逐个生成工具定义，同时带一张跳过表：mcp、serve、install、create-step、validate、models、step 全部不导出7。

剩下的命令里，能过这张表的只有 render。

跳过表自己给了理由：serve 是起服务，install 是一次性安装，step 只是「按名字跑步骤」的元命令，对 AI 客户端没有用。按这张表读，它把 MCP 定义成「调用的口」，不是「剪辑的口」。

代价也在这里：只有 MCP 客户端的 Agent，调不动 probe、transcribe、cut，只能渲一份已经写好的 project.json。

MCP 服务端源码 — server.js 第 3 行的注释自己写着「exposes the render command as an MCP tool」，2026 年 10 月 30 日读取。文件 470 行，工具表由命令行参数临时生成。montaj_assets/mcp/server.js

所以「接进 Claude Code 就有 59 个工具」这个想象不成立：MCP 那条路给 Agent 的是渲，不是剪。

工作流那一层还有一处对不上。默认的 overlays 写了六步，前两步用的是 montaj/cut，第五步是 montaj/push_in。

overlays 工作流原文 — 13 行原文，2026 年 10 月 30 日读取：`uses` 一列出现 montaj/cut、montaj/select-takes、montaj/generate_captions、montaj/push_in、montaj/overlay。前三者在命令行里能调，后两个不能。workflows/overlays.json

我试了：montaj step cut 与 montaj step push_in 都回 Unknown step。

你要给什么，它交回什么

你要给四样。

一台机器：Python 3.10 以上、Node 18 以上、ffmpeg、whisper-cli。
一个转写模型：默认 large-v3-turbo-q5_0，574 MB。
素材或一句人话：montaj run ./clips --prompt "tight cuts, remove filler, 9:16" 就够；只有链接也行，montaj fetch 用 yt-dlp 拉下来。
一次人工审稿：final 那一格是人写的，不是 Agent 写的。

它交回五类东西。

project.json：version 0.2，里面是 tracks、settings、captions、audio。素材路径必须是本地路径，不接 URL。
成片：render 读 final，出 mp4。
静帧：sample frame 出一张合成图，sample overlay 出叠加层单帧。
转写与字幕：transcribe 出 srt 加逐词 JSON，caption 把它变成字幕轨。
计划：waveform_trim 给 keeps 数组，cut 给一份人可改的剪切计划。

它明确不做的事也清楚：不替你选镜头，不判断哪一版更好，没有 Agent 的时候自己不动。

最短上手路径

第一步，装：pip install montaj，8.7 秒。生成类步骤要另加 pip install "montaj[connectors]"。

第二步，体检：montaj doctor。ffmpeg 7.1.5 与 zscale、tonemap、overlay、scale、amix、adelay、lut3d 都过；node 那栏写 unknown；ui 那栏打叉，退出码 1。

第三步，补界面：montaj install ui，npm 装五个包再 vite 构建，36.8 秒。

第四步，建项目：montaj run ./clips --prompt "..."，1.1 秒。它把项目写到 ~/Montaj/2026-10-30-071055/，不在当前目录。

第五步，起界面：montaj serve，3000 端口。

第五步会先撞墙。serve 的启动检查把 whisper-cli 当必需项，缺了直接退，提示 Run: montaj install。

而 Linux 上没有预编译的 whisper-cli，安装器只告诉你自己编。

我的编法：pip install cmake，clone whisper.cpp，cmake 配置后 --build --target whisper-cli，49.6 秒出二进制；拷进 PATH 再跑 montaj install whisper，下 574 MB 模型。

过了这关，montaj serve 才起得来，/api/steps 返回 59 条。

会卡住的地方

1. MCP 里只有一个工具

症状：客户端 tools/list 只看到 render，其余五十八件都没有定义。触发条件：按 README 的「CLI、MCP、HTTP 三个入口」去接。

现状：我握手后拿到 serverInfo montaj 0.2.0，一个工具；stderr 写着 loaded 1 tool(s) from CLI（2026-10-30 实测）。你能怎么办：把 MCP 当渲口，剪的活走命令行或本地服务。

2. serve 要 whisper，doctor 却说它可选

症状：montaj serve 报 missing dependencies: whisper.cpp binary not found 直接退出。触发条件：只装引擎，没装 whisper。

现状：同一次 doctor 把 whisper 标成「optional — run montaj install whisper」（2026-10-30 实测）。你能怎么办：按必需项对待，先装再起服务。

3. Linux 上没有预编译的 whisper-cli

症状：montaj install whisper 只打印一段编译说明，什么都没下。触发条件：Linux。

现状：安装器原文是「pre-built whisper-cpp binaries are no longer published for Linux」（2026-10-30 实测）。你能怎么办：自己编，见上一节那 49.6 秒。

4. 574 MB 模型是藏在第二步的门槛

症状：第一次转写前要下 large-v3-turbo-q5_0，574 MB。触发条件：没跑过 install whisper。

现状：模型落在 ~/.local/share/montaj/models/whisper/（实测）。你能怎么办：先下完再排计划，或者用 --model base.en 换小的。

5. NODE_ENV=production 的机器上，界面构建失败，MCP 一起挂

症状：montaj install ui 报 sh: 1: tsc: not found，退出码 1；接着 montaj mcp 抛 RuntimeError: montaj runtime cache is missing。触发条件：机器上 npm 配置了 omit=dev 或 NODE_ENV=production，不少 CI 镜像是这样。

现状：2026-10-30 实测两段连着断。你能怎么办：NODE_ENV=development npm_config_omit= montaj install ui，我这台机器这样跑通。

6. 刚装完，体检一定不通过

症状：montaj doctor 退出码 1。触发条件：只装了引擎，没建界面。

现状：唯一打叉的是 ui/dist/index.html missing（实测）。你能怎么办：当提示看，别当失败看。

7. node 版本读不出来

症状：体检里 node: unknown。触发条件：这台机器 Node 22.13.1 装在 /opt/node。

现状：同一份报告里 ffmpeg 的版本读得出来，node 读不出来（实测）。你能怎么办：自己 node --version 确认一次。

8. 工作流里的步骤名，命令行调不到

症状：照 overlays 逐步敲，montaj step cut 回 Unknown step: cut。触发条件：把工作流当成命令行脚本。

现状：工作流写着 montaj/cut、montaj/push_in（上一张图），而命令行只暴露 59 件（实测）。你能怎么办：这两个动作交给技能层与本地服务，别按名字硬敲。

9. validate 只保证格式

症状：工作流校验通过，真跑时找不到步骤。触发条件：把 validate 当跑通。

现状：montaj validate workflow overlays.json 回 {"valid": true}（实测）。你能怎么办：校验之后跑一条最简单的，再排整条。

10. 步骤子命令不认全局开关

症状：montaj step probe --input x.mp4 --json 报 unrecognized arguments: --json。触发条件：把 README 里「--json 回结构化结果」用到步骤上。

现状：步骤有自己的 argparse，只认自己的参数（实测）。你能怎么办：--json 留给顶层命令，步骤本来就吐 JSON。

11. 项目不落在当前目录

症状：montaj init 或 run 之后，当前目录什么都没有。触发条件：用默认路径。

现状：项目写到 ~/Montaj/<日期>-<时分秒>/（实测）。你能怎么办：用 --project-path 指定。

12. 多项目时，status 报的不是当前那个

症状：我 cd 进 2026-10-30-071055，montaj status 打出来的是另一个叫 demo 的项目。触发条件：~/Montaj 下有两个项目。

现状：2026-10-30 实测。你能怎么办：显式把 project.json 传给命令。

13. 没有素材时，帧率默认 60

症状：成片帧率跟预期不一样。触发条件：blank 或纯动画项目。现状：project.json 里写着 "fps": 60、"fpsSource": "default"（实测）。你能怎么办：初始化后改 settings。

14. 官方文档的链接现在全是跳转

症状：README 里那些 docs.montaj.ag/* 打不开对应内容。触发条件：点任何一个。现状：2026-10-30 逐个请求，/、/cli、/agents 都 308 到 montaj.ag。你能怎么办：读仓库里的 docs/ 与 docs/schemas/。

15. issue 区没有人工入口

症状：想提问、想报 bug，没人接。触发条件：去 GitHub issues。现状：18 条未关闭，全是 dependabot 的依赖升级 PR（2026-10-30 采集）。你能怎么办：把 CHANGELOG 当一手资料，里面记着 204 个版本，每条都写到具体镜头。

16. 依赖树带着已知漏洞

症状：装完界面，npm audit 报高危。触发条件：跑 montaj install ui。现状：2026-10-30 实测，渲染引擎 13 条（12 条高危），MCP 服务端 9 条（1 条严重）。你能怎么办：本机跑，别把 serve 暴露到公网。

17. 免费档会把项目传上去

症状：素材和成片在后台被上传。触发条件：用免费档。现状：官方 FAQ 原文「Each project, its original clips and your latest export are shared with Montaj」，付费档可关，Studio 由团队所有者决定8。你能怎么办：素材敏感就只装引擎，别用应用。

18. 页面之间的口径不一致

症状：价格页 Free 那张卡的按钮写「Coming soon」，下载页却有安装包。触发条件：从价格页找安装入口。现状：2026-10-30，桌面 UA 下下载页给出 Montaj-latest.dmg 与 Montaj-latest-intel.dmg，HEAD 回 200、744,751,120 字节9。你能怎么办：直接去 /download，别看价格页的按钮。

许可与真实成本

代码是 MIT，署名 Sam Padilla10。仓库里另有一份 Apache-2.0 文本，NOTICE 说明哪些是从 Apache-2.0 源码移植、哪些模型会在首次使用时下载11。

价格页三档，2026 年 10 月 30 日采集：Free 0 美元、Hub 12.42（年付）或 14.99（月付）、Studio 40 美元三席（年付）或 49.99。免费那一栏的最后一行写着「Projects shared with Montaj in the background」。montaj.ag/pricing

钱分三条线走，值得分开看。

第一条是应用：剪片在免费档，Hub 与 Studio 卖的是模板、趋势、团队评审，不是剪辑本身。

第二条是模型：不在这三档里，用你自己的 key，厂商直接计费。默认模型是 Kling v3-omni、Seedance 2.5（走 fal）、gemini-omni-1.1-flash（走 Gemini key）。

第三条是机器时间：转写、预览、渲染都在你机器上，按 CPU 时间算。

当天读到的模型单价只有一个能直接引：gemini-omni-1.1-flash 的 720p 输出按每秒 5,792 token 计，每百万 token 17.50 美元，折合约每秒 0.10 美元12。Veo 的单价这一版页面上没列，不写。

项	价格	说明
软件	0 美元	MIT，商用可10
Mac 应用	0 美元	免费档不用账号；dmg 710 MB9
Hub	12.42 美元每月（年付），或 14.99 月付	模板、趋势、脚本、日历8
Studio	40 美元每月三席（年付），或 49.99；加席位 9.99	评审链接与团队8
视频生成	厂商直付，约 0.10 美元每秒（720p）	gemini-omni-1.1-flash12
机器时间	你的 CPU	5.76 秒素材转写 28.2 秒；合成一帧 1.9 秒（本机实测）
Agent 订阅	Pro 每月 20 美元，年付折算 17	Claude Code 含在付费档13

一句话的账：软件不花钱，模型按量花，免费的代价是项目会被后台上传。

还有一笔不写在价格页上的成本：追版本。建仓半年 190 个 release，PyPI 上最新是 5.35.2，而主分支的 pyproject 已经写到 5.37.0，中间差着两个小版本。把版本钉死这件事，得自己在本机做。

和之前几期放在一起看

方案	你给它什么	它给你什么	它在这一层	许可与公开体量
Montaj	素材、一句人话、一次审稿	project.json、mp4、静帧	交接层，三态工程	MIT，27 star2
ffmpeg-skill（第 44 期）	素材、一句人话	成片、计划、合规表	原子操作层，42 件契约工具	MIT，3,921 star14
FilmCraft（第 43 期）	素材、`.fcproj`、命令	mp4、XML、OTIO	剪辑器，自研编解码	MIT 或 Apache-2.0，16,856 star15
Concat（第 35 期）	素材、MCP 调用	本地时间线、导出	剪辑器，Rust 加 MCP	AGPL-3.0，12,642 star16
OpenMontage（第 22 期）	产线描述、编码 Agent	成片	编排层，12 条产线	AGPL-3.0，73,010 star17
Hypit（第 15 期）	SVML 工作流	成片、技能包	工作流描述语言	改过的 Apache-2.0，26,487 star18
Remotion（第 23 期）	React 组件	mp4	渲染底座，浏览器	自订两层许可，68,882 star19
video-shotcraft（第 42 期）	124 张镜头卡	1080p 宣传片	技能包，镜头库	Apache-2.0，14,681 star20

表里这一行回答的问题和前七行都不一样：不是画面怎么来、时间线怎么改，而是「机器剪到一半，人从哪儿接」。

接的手法各不相同。Concat 与 FilmCraft 让人和 Agent 抢同一个时间线，Hypit 与 video-shotcraft 把判断写进技能文件，Montaj 把交接写进一个带状态的 JSON。

今天该不该动手

今天动手的条件：你要把剪辑接进 Agent 流水线，又必须留一道人工审稿；机器是 macOS 或 Linux；团队里没人想学 ffmpeg。

先收藏的条件：你的主力在 Windows（它只发 macOS 的 dmg，Windows 那条 CI 任务还在跑）；你只需要一次性出片；或者你已经在用 FilmCraft、Concat 这类带时间线的剪辑器，多一层只会多一套命令。

直接跳过的条件：你要的是「从零生成画面」，回 Remotion 或 HyperFrames；你要的是「每个动作都能干跑核验」，ffmpeg-skill 那层更直接。

Montaj 值得装的理由只有一个，但足够硬：它把「谁在这一步写了什么」变成了文件里的一个字段，于是 Agent 的活可以被停下来、被读懂、被改回去。

这也是它眼下的短板：接进 MCP 的只有一个渲，真正干活的 59 个步骤留在命令行里。

References

1
README
github.com
2
theSamPadilla/montaj
github.com
3
PyPI: montaj
pypi.org
4
docs/schemas/project.md
github.com
5
docs/CONNECTORS.md
github.com
6
skills/_contract/SKILL.md
github.com
7
cli/mcp_schema.py
github.com
8
montaj.ag/pricing
montaj.ag
9
montaj.ag/download
montaj.ag
10
LICENSE
github.com
11
NOTICE
github.com
12
Gemini API pricing
ai.google.dev
13
Claude 价格页
claude.com
14
kajisho5/ffmpeg-skill
github.com
15
storytold/filmcraft
github.com
16
jub0t/Concat
github.com
17
calesthio/OpenMontage
github.com
18
hypit-ai/hypit
github.com
19
remotion-dev/remotion
github.com
20
Vincentwei1021/video-shotcraft
github.com

Agent 剪片，缺的常常不是模型，是把「剪到第几秒」写成一份人也能改的文件的中间那一层。

Montaj 就冲这一步。它叫自己 CLIP，CLI Program for agents；README 里有一句话：根本的依赖是一个 Agent，它自己不剪1。

它同时是那个免费 Mac 剪辑器背后的引擎：代码 MIT，包在 PyPI，界面另发 dmg。

体量记一下。2026 年 4 月 3 日建仓，到 10 月 30 日 2,170 次提交、248 个 tag、190 个 release，最新 5.35.2 发表在 10 月 17 日2 3。

star 只有 27，fork 13。提交记录几乎全在一个账号名下：theSamPadilla 2,167 次，另一个账号 3 次。这不是社区长起来的项目。

我在这台 4 核 Linux 机器上装了一份，能跑的都跑了：59 个步骤、4 个工作流、三态项目文件、MCP 握手、66 条本地路由、转写、静音检测、合成一帧。

先给最反直觉的那一条：MCP 握手之后，工具清单里只有一个工具，render。

这台机器的视频编码由平台接管，成片导出没能在这里跑成。下文每个数字都标了出处，是我实测的写实测，来自项目自己的页面就附上链接。

它在链条上站在哪一层

这个栏目已经写过四层。渲染底座回答画面怎么来，剪辑器回答时间线怎么改，原子操作层回答每个动作能不能干跑回读，技能包回答镜头怎么选。

Montaj 在第五层：交接层。它回答的是「Agent 剪到一半，人怎么接手」。

判定方法一行就够：看它中间有没有一份文件，让 Agent 和人轮流改写，而且每一格谁写的都写在这份文件里。

project.json 就是那份文件。文档把状态写成四格：pending 由命令行或本地服务写，draft 由 Agent 写，final 由人在界面里写4。

多镜头生成那类项目还多一格 storyboard_ready：人先把分镜点过一次，机器才开始生成场景。

这也把它和技能包区分开了。技能包给一套判断，它给一份能停下、能复盘、能被人接手的工程。

它在这一层怎么做事

六件东西，各自管一段。

步骤：命令行实测 59 件，从 probe、waveform_trim 到 kling_generate、veo_generate，每件一个 Python 程序加一份 JSON schema。README 写「27+」，实际数是 59。

工作流：4 份，overlays、ai_video、carousel、blank。它写的是一张依赖图：切完才选，选完才上字幕，字幕完了才打点。具体怎么跑，交给读它的 Agent。

技能合约：17 个技能各一份 SKILL.md，onboarding、edit-session、select-takes 都在里面，另有一份 _contract 管路由。Agent 读哪一份，看手上是哪种活。

连接器：6 家，kling、fal、gemini、kinovi、elevenlabs、tripo。文档写得很硬：工作流只引用步骤，不引用连接器5。

渲染引擎：React 加 Puppeteer 加 ffmpeg。Puppeteer 逐帧拍字幕与叠加层，ffmpeg 跟原片合成。我用它渲了一帧 1920×1080，1.9 秒。

本地服务：montaj serve 起 HTTP 加 SSE，界面每次改动都推给浏览器；openapi 里 66 条路由。

这些字段不进画面，只为让人看懂这次改了什么。

三套入口的数字不一样，这是这一期最该记住的一件事。

命令行：59 个步骤。本地服务：同一份扫描器，59 个步骤，66 条路由。MCP：1 个工具。

剩下的命令里，能过这张表的只有 render。

代价也在这里：只有 MCP 客户端的 Agent，调不动 probe、transcribe、cut，只能渲一份已经写好的 project.json。

所以「接进 Claude Code 就有 59 个工具」这个想象不成立：MCP 那条路给 Agent 的是渲，不是剪。

工作流那一层还有一处对不上。默认的 overlays 写了六步，前两步用的是 montaj/cut，第五步是 montaj/push_in。

我试了：montaj step cut 与 montaj step push_in 都回 Unknown step。

你要给什么，它交回什么

你要给四样。

一台机器：Python 3.10 以上、Node 18 以上、ffmpeg、whisper-cli。
一个转写模型：默认 large-v3-turbo-q5_0，574 MB。
素材或一句人话：montaj run ./clips --prompt "tight cuts, remove filler, 9:16" 就够；只有链接也行，montaj fetch 用 yt-dlp 拉下来。
一次人工审稿：final 那一格是人写的，不是 Agent 写的。

它交回五类东西。

project.json：version 0.2，里面是 tracks、settings、captions、audio。素材路径必须是本地路径，不接 URL。
成片：render 读 final，出 mp4。
静帧：sample frame 出一张合成图，sample overlay 出叠加层单帧。
转写与字幕：transcribe 出 srt 加逐词 JSON，caption 把它变成字幕轨。
计划：waveform_trim 给 keeps 数组，cut 给一份人可改的剪切计划。

它明确不做的事也清楚：不替你选镜头，不判断哪一版更好，没有 Agent 的时候自己不动。

最短上手路径

第一步，装：pip install montaj，8.7 秒。生成类步骤要另加 pip install "montaj[connectors]"。

第二步，体检：montaj doctor。ffmpeg 7.1.5 与 zscale、tonemap、overlay、scale、amix、adelay、lut3d 都过；node 那栏写 unknown；ui 那栏打叉，退出码 1。

第三步，补界面：montaj install ui，npm 装五个包再 vite 构建，36.8 秒。

第四步，建项目：montaj run ./clips --prompt "..."，1.1 秒。它把项目写到 ~/Montaj/2026-10-30-071055/，不在当前目录。

第五步，起界面：montaj serve，3000 端口。

第五步会先撞墙。serve 的启动检查把 whisper-cli 当必需项，缺了直接退，提示 Run: montaj install。

而 Linux 上没有预编译的 whisper-cli，安装器只告诉你自己编。

我的编法：pip install cmake，clone whisper.cpp，cmake 配置后 --build --target whisper-cli，49.6 秒出二进制；拷进 PATH 再跑 montaj install whisper，下 574 MB 模型。

过了这关，montaj serve 才起得来，/api/steps 返回 59 条。

会卡住的地方

1. MCP 里只有一个工具

症状：客户端 tools/list 只看到 render，其余五十八件都没有定义。触发条件：按 README 的「CLI、MCP、HTTP 三个入口」去接。

2. serve 要 whisper，doctor 却说它可选

症状：montaj serve 报 missing dependencies: whisper.cpp binary not found 直接退出。触发条件：只装引擎，没装 whisper。

现状：同一次 doctor 把 whisper 标成「optional — run montaj install whisper」（2026-10-30 实测）。你能怎么办：按必需项对待，先装再起服务。

3. Linux 上没有预编译的 whisper-cli

症状：montaj install whisper 只打印一段编译说明，什么都没下。触发条件：Linux。

现状：安装器原文是「pre-built whisper-cpp binaries are no longer published for Linux」（2026-10-30 实测）。你能怎么办：自己编，见上一节那 49.6 秒。

4. 574 MB 模型是藏在第二步的门槛

症状：第一次转写前要下 large-v3-turbo-q5_0，574 MB。触发条件：没跑过 install whisper。

现状：模型落在 ~/.local/share/montaj/models/whisper/（实测）。你能怎么办：先下完再排计划，或者用 --model base.en 换小的。

5. NODE_ENV=production 的机器上，界面构建失败，MCP 一起挂

现状：2026-10-30 实测两段连着断。你能怎么办：NODE_ENV=development npm_config_omit= montaj install ui，我这台机器这样跑通。

6. 刚装完，体检一定不通过

症状：montaj doctor 退出码 1。触发条件：只装了引擎，没建界面。

现状：唯一打叉的是 ui/dist/index.html missing（实测）。你能怎么办：当提示看，别当失败看。

7. node 版本读不出来

症状：体检里 node: unknown。触发条件：这台机器 Node 22.13.1 装在 /opt/node。

现状：同一份报告里 ffmpeg 的版本读得出来，node 读不出来（实测）。你能怎么办：自己 node --version 确认一次。

8. 工作流里的步骤名，命令行调不到

症状：照 overlays 逐步敲，montaj step cut 回 Unknown step: cut。触发条件：把工作流当成命令行脚本。

9. validate 只保证格式

症状：工作流校验通过，真跑时找不到步骤。触发条件：把 validate 当跑通。

现状：montaj validate workflow overlays.json 回 {"valid": true}（实测）。你能怎么办：校验之后跑一条最简单的，再排整条。

10. 步骤子命令不认全局开关

症状：montaj step probe --input x.mp4 --json 报 unrecognized arguments: --json。触发条件：把 README 里「--json 回结构化结果」用到步骤上。

现状：步骤有自己的 argparse，只认自己的参数（实测）。你能怎么办：--json 留给顶层命令，步骤本来就吐 JSON。

11. 项目不落在当前目录

症状：montaj init 或 run 之后，当前目录什么都没有。触发条件：用默认路径。

现状：项目写到 ~/Montaj/<日期>-<时分秒>/（实测）。你能怎么办：用 --project-path 指定。

12. 多项目时，status 报的不是当前那个

症状：我 cd 进 2026-10-30-071055，montaj status 打出来的是另一个叫 demo 的项目。触发条件：~/Montaj 下有两个项目。

现状：2026-10-30 实测。你能怎么办：显式把 project.json 传给命令。

13. 没有素材时，帧率默认 60

14. 官方文档的链接现在全是跳转

15. issue 区没有人工入口

16. 依赖树带着已知漏洞

17. 免费档会把项目传上去

18. 页面之间的口径不一致

许可与真实成本

代码是 MIT，署名 Sam Padilla10。仓库里另有一份 Apache-2.0 文本，NOTICE 说明哪些是从 Apache-2.0 源码移植、哪些模型会在首次使用时下载11。

钱分三条线走，值得分开看。

第一条是应用：剪片在免费档，Hub 与 Studio 卖的是模板、趋势、团队评审，不是剪辑本身。

第二条是模型：不在这三档里，用你自己的 key，厂商直接计费。默认模型是 Kling v3-omni、Seedance 2.5（走 fal）、gemini-omni-1.1-flash（走 Gemini key）。

第三条是机器时间：转写、预览、渲染都在你机器上，按 CPU 时间算。

项	价格	说明
软件	0 美元	MIT，商用可10
Mac 应用	0 美元	免费档不用账号；dmg 710 MB9
Hub	12.42 美元每月（年付），或 14.99 月付	模板、趋势、脚本、日历8
Studio	40 美元每月三席（年付），或 49.99；加席位 9.99	评审链接与团队8
视频生成	厂商直付，约 0.10 美元每秒（720p）	gemini-omni-1.1-flash12
机器时间	你的 CPU	5.76 秒素材转写 28.2 秒；合成一帧 1.9 秒（本机实测）
Agent 订阅	Pro 每月 20 美元，年付折算 17	Claude Code 含在付费档13

一句话的账：软件不花钱，模型按量花，免费的代价是项目会被后台上传。

和之前几期放在一起看

方案	你给它什么	它给你什么	它在这一层	许可与公开体量
Montaj	素材、一句人话、一次审稿	project.json、mp4、静帧	交接层，三态工程	MIT，27 star2
ffmpeg-skill（第 44 期）	素材、一句人话	成片、计划、合规表	原子操作层，42 件契约工具	MIT，3,921 star14
FilmCraft（第 43 期）	素材、`.fcproj`、命令	mp4、XML、OTIO	剪辑器，自研编解码	MIT 或 Apache-2.0，16,856 star15
Concat（第 35 期）	素材、MCP 调用	本地时间线、导出	剪辑器，Rust 加 MCP	AGPL-3.0，12,642 star16
OpenMontage（第 22 期）	产线描述、编码 Agent	成片	编排层，12 条产线	AGPL-3.0，73,010 star17
Hypit（第 15 期）	SVML 工作流	成片、技能包	工作流描述语言	改过的 Apache-2.0，26,487 star18
Remotion（第 23 期）	React 组件	mp4	渲染底座，浏览器	自订两层许可，68,882 star19
video-shotcraft（第 42 期）	124 张镜头卡	1080p 宣传片	技能包，镜头库	Apache-2.0，14,681 star20

表里这一行回答的问题和前七行都不一样：不是画面怎么来、时间线怎么改，而是「机器剪到一半，人从哪儿接」。

接的手法各不相同。Concat 与 FilmCraft 让人和 Agent 抢同一个时间线，Hypit 与 video-shotcraft 把判断写进技能文件，Montaj 把交接写进一个带状态的 JSON。

今天该不该动手

今天动手的条件：你要把剪辑接进 Agent 流水线，又必须留一道人工审稿；机器是 macOS 或 Linux；团队里没人想学 ffmpeg。

直接跳过的条件：你要的是「从零生成画面」，回 Remotion 或 HyperFrames；你要的是「每个动作都能干跑核验」，ffmpeg-skill 那层更直接。

Montaj 值得装的理由只有一个，但足够硬：它把「谁在这一步写了什么」变成了文件里的一个字段，于是 Agent 的活可以被停下来、被读懂、被改回去。

这也是它眼下的短板：接进 MCP 的只有一个渲，真正干活的 59 个步骤留在命令行里。

References

1
README
github.com
2
theSamPadilla/montaj
github.com
3
PyPI: montaj
pypi.org
4
docs/schemas/project.md
github.com
5
docs/CONNECTORS.md
github.com
6
skills/_contract/SKILL.md
github.com
7
cli/mcp_schema.py
github.com
8
montaj.ag/pricing
montaj.ag
9
montaj.ag/download
montaj.ag
10
LICENSE
github.com
11
NOTICE
github.com
12
Gemini API pricing
ai.google.dev
13
Claude 价格页
claude.com
14
kajisho5/ffmpeg-skill
github.com
15
storytold/filmcraft
github.com
16
jub0t/Concat
github.com
17
calesthio/OpenMontage
github.com
18
hypit-ai/hypit
github.com
19
remotion-dev/remotion
github.com
20
Vincentwei1021/video-shotcraft
github.com

Montaj：59 个步骤交给 Agent，MCP 里只剩 1 个工具，人只按下 final，软件 0 美元

它在链条上站在哪一层

它在这一层怎么做事

你要给什么，它交回什么

最短上手路径

会卡住的地方

许可与真实成本

和之前几期放在一起看

今天该不该动手

References

Related content

Montaj：59 个步骤交给 Agent，MCP 里只剩 1 个工具，人只按下 final，软件 0 美元

它在链条上站在哪一层

它在这一层怎么做事

你要给什么，它交回什么

最短上手路径

会卡住的地方

许可与真实成本

和之前几期放在一起看

今天该不该动手

References

Related content