manim-mcp-server
manim-mcp-server 是一个专为数学动画生成打造的桥梁工具,它基于模型上下文协议(MCP),让 AI 助手(如 Claude)能够直接执行 Manim 代码并返回渲染好的视频。以往用户若想通过对话让 AI 制作复杂的数学演示动画,往往需要手动复制代码、在本地环境运行并处理文件路径,流程繁琐且容易出错。manim-mcp-server 完美解决了这一痛点,它将动画脚本的执行、视频文件的保存以及临时文件的清理自动化,实现了从“文本指令”到“动态视频”的无缝流转。
这款工具特别适合开发者、教育内容创作者以及研究人员使用。如果你习惯利用 AI 辅助编程,或者希望快速将抽象的数学公式转化为直观的视觉动画,manim-mcp-server 能极大提升你的工作流效率。其独特的技术亮点在于高度的可配置性与便携性,支持通过环境变量灵活指定 Python 解释器和 Manim 执行路径,轻松适配 Windows、Linux 及 macOS 等不同操作系统环境。作为 Awesome MCP Servers 列表中动画类别的推荐项目,它以开源免费的姿态,降低了高质量数学动画的制作门槛,让创意表达更加流畅自然。
使用场景
一位数学教育博主正在准备关于“傅里叶变换”的视频课程,需要快速生成大量动态几何演示来直观解释抽象概念。
没有 manim-mcp-server 时
- 工作流割裂:必须在代码编辑器写脚本、切换终端渲染、再手动查找视频文件,反复跳转打断创作思路。
- 调试效率低下:调整一个参数(如颜色或速度)需重新运行完整命令并等待渲染,无法即时预览效果。
- 文件管理混乱:临时生成的视频和缓存文件散落在各处,清理过期素材耗时且容易误删重要内容。
- 协作门槛高:非技术背景的编剧或设计师难以直接参与动画逻辑的调整,必须依赖开发者中转。
使用 manim-mcp-server 后
- 对话即创作:直接在 Claude 对话框中描述需求(如“画一个正弦波分解为圆的过程”),manim-mcp-server 自动执行代码并返回视频。
- 实时迭代优化:发现动画节奏不对,只需回复“把速度放慢两倍”,manim-mcp-server 立即重新渲染并输出新结果。
- 自动化运维:manim-mcp-server 内置清理机制,执行完毕后可一键清除临时文件,保持工作环境整洁。
- 自然语言交互:团队成员无需懂 Python 语法,用日常语言即可指挥 manim-mcp-server 修改动画细节,大幅降低协作成本。
manim-mcp-server 将繁琐的代码渲染流程转化为流畅的自然语言交互,让创作者专注于内容逻辑而非工程实现。
运行环境要求
- Windows
- Linux
- macOS
未说明
未说明

快速开始
Manim MCP 服务器

概述
这是一个 MCP(模型上下文协议)服务器,用于执行 Manim 动画代码并返回生成的视频。它允许用户发送 Manim 脚本,并接收渲染后的动画。
特性
- 执行 Manim Python 脚本。
- 将动画输出保存到可见的媒体文件夹中。
- 允许用户在执行后清理临时文件。
- 可移植且可通过环境变量进行配置。
安装
前置条件
请确保已安装以下内容:
- Python 3.8+
- Manim(社区版)
- MCP
安装 Manim
pip install manim
安装 MCP
pip install mcp
克隆仓库
git clone https://github.com/abhiemj/manim-mcp-server.git
cd manim-mcp-server
与 Claude 集成
要将 Manim MCP 服务器与 Claude 集成,请在 claude_desktop_config.json 文件中添加以下内容:
{
"mcpServers": {
"manim-server": {
"command": "/绝对路径/to/python",
"args": [
"/绝对路径/to/manim-mcp-server/src/manim_server.py"
],
"env": {
"MANIM_EXECUTABLE": "/Users/[你的用户名]/anaconda3/envs/manim2/Scripts/manim.exe"
}
}
}
}
查找 Python 路径
要查找 Python 可执行文件的路径,请使用以下命令:
Windows(PowerShell):
(Get-Command python).Source
Windows(命令提示符/终端):
where python
Linux/macOS(终端):
which python
这将确保 Claude 能够与 Manim MCP 服务器通信,以动态生成动画。
贡献
- 分支仓库。
- 创建新分支:
git checkout -b add-feature - 进行更改并提交:
git commit -m "添加了新功能" - 推送到您的分支:
git push origin add-feature - 打开拉取请求。
许可证
此 MCP 服务器采用 MIT 许可证授权。这意味着您可以自由地使用、修改和分发该软件,但需遵守 MIT 许可证的条款和条件。有关详细信息,请参阅项目仓库中的 LICENSE 文件。
作者
由 abhiemj 创建。欢迎贡献!🚀
收录于 Awesome MCP 服务器
本仓库已被收录于 Awesome MCP 服务器 仓库的 动画与视频 类别中。请查看它以及其他优秀的 MCP 服务器实现!
致谢
- 感谢 Manim 社区 提供的优秀动画库。
- 灵感来源于开源的 MCP 生态系统。
在这里找到我
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。