MCP连接机制与安全沙箱对比

本教程演示了如何通过MCP（Model Context Protocol）将Hex-Rays MCP服务器接入OpenClaw、Perplexity及Inferencer等推理应用，从而直接生成图像和视频。博主指出，不同应用的集成方式略有差异：在Claw中需复制自定义链接至连接器；而在Perplexity和OpenClaw中则使用标准的复制粘贴链接。博主强调，Inferencer作为macOS内核级沙箱应用具有显著安全优势，它仅能访问用户明确授权的资源，无法在任意文件夹执行代码。相比之下，OpenClaw等工具拥有对用户账户下几乎所有资源的广泛访问权限，存在潜在的安全风险。因此，博主建议优先在Inferencer内部通过“添加工具”功能手动连接MCP服务器，以利用其隔离环境。

"The good thing about using it inside Inferencer sandbox is that it is a macOS sandbox application, which means that it only has access to resources that you give it access to."

模型性能瓶颈与工具调用逻辑

博主在测试中加载了Qwen 3.6的35B1模型，观察到其生成速度约为每秒50个token。然而，博主指出一个关键问题：35亿参数的模型可能缺乏足够的智能来独立处理复杂的MCP连接逻辑。在OpenClaw中，由于模型能力限制，它可能无法正确建立底层MCP连接。为了解决这个问题，博主采用了手动在Inferencer中配置工具的方法。当用户在OpenClaw中询问可用工具时，系统会返回一个混合列表：既包含通过MCP连接的外部服务器工具（如Hex-Rays），也包含OpenClaw在FreeLancer环境中可运行的本地工具。这种混合机制确保了即使底层模型较弱，也能通过外部接口调用高级功能。

"I am running the 35 billion parameter model, and so it's probably not sophisticated enough to do that whole MCP connection at the base."

授权流程与敏感数据风险提示

在Inferencer中连接MCP服务器时，系统会生成一个授权链接。博主提醒用户注意OAuth令牌的安全风险。虽然应用程序本身可能不锁定敏感信息，但其他应用可能会通过该链接获取用户的电子邮件地址和身份标识。因此，在点击“允许”连接前需保持警惕。一旦授权成功，Inferencer界面会显示所有可用工具列表，包括模型探索、视频生成、作业管理、媒体上传以及一个引人注目的“病毒式传播预测器”（Virality Predictor）。该工具能够预测视频的潜在参与度、注意力值等指标。博主随后在Inferencer和Claw中分别启用了这些工具，确保两个环境都能访问相同的MCP资源池。

"Be careful cuz you can find out your email address and your identity... other applications could know this information so just be wary of that."

图像生成全流程演示：从提示词到T恤设计

博主首先在Inferencer中直接询问可用的图像模型，MCP API返回了Nano Banana、Flash、Clin、Sea Dream和Flux等模型的完整参数列表。随后，博主要求生成一张关于OpenClaw的图像，并指定使用Nano Banana模型进行创意发挥。系统调用MCP生成工具后，提示词被优化为“一个从数字故障效果中出现的风格化机械爪的粗犷T恤设计”。博主通过对话查询作业状态，系统反馈图像正在生成中。几秒后，预览URL返回，展示了生成的T恤图案。这一过程证明了MCP能够无缝桥接大语言模型与专用图像生成API，无需用户手动操作复杂的图形界面。

"The prompt is a bold edgy t-shirt design featuring stylized mechanical claw emerging from digital glitch effects."

视频生成与多模态内容管理

在获得图像后，博主进一步要求基于该T恤设计生成视频。系统自动选择Sea Dance 2.0模型，构建了一个“机械爪从T恤设计中浮现”的戏剧性场景。作业提交后，博主询问最新生成内容列表。Inferencer返回了包含图像和视频的大段文本数据（约8000个token），模型快速解析后展示了最新的机械爪视频。博主点击链接预览了视频效果，确认其质量符合预期。同时，博主在OpenClaw中执行相同查询，发现虽然列表不可直接点击预览，但系统提供了可点击的Web链接。此外，博主还利用MCP连接了病毒式传播预测器，对最新视频进行了热度评估。这一系列操作展示了MCP在多模态内容生成与管理中的统一接口能力。

"It's using Sea Dance 2.0, a dramatic scene where a mechanical claw emerges from a t-shirt design and boom, the job has been submitted."

移动端同步与自动化工作流展望

博主指出，Inferencer提供iOS应用支持，使得用户可以在移动设备上执行大型语言模型任务、研究或设置定时作业。特别是OpenClaw具备强大的Cron构建功能，允许用户设定自动化任务，例如“每天早上阅读新闻并基于此生成视频”。这种跨设备、自动化的MCP工作流极大提升了创作效率。博主总结道，尽管OpenClaw在透明度上略逊于Inferencer（后者能清晰展示后台请求），但通过MCP连接Hex-Rays等外部服务，两者均实现了强大的创意引擎功能。最终，博主邀请观众分享对MCP接入OpenClaw、Hex-Rays和Inferencer的看法，强调了本地AI与外部工具链结合的巨大潜力。

"You can say every morning read the news and generate a video based on that news or all the kind of cool stuff."

结论

本视频完整演示了如何利用MCP协议将Hex-Rays等外部创意工具集成到OpenClaw、Inferencer和Perplexity中，实现了从图像生成到视频制作的全流程自动化。核心结论是：MCP作为标准接口，有效解决了不同推理应用与专用生成模型之间的兼容性问题，使用户无需手动操作复杂界面即可调用Nano Banana、Sea Dance等高级模型。尽管35B参数的小模型在独立处理复杂连接逻辑时存在局限，但通过手动配置或混合工具列表机制可以克服这一瓶颈。此外，Inferencer的macOS沙箱特性提供了比OpenClaw更高的安全性，而移动应用支持和Cron自动化功能则进一步拓展了本地AI的应用场景。最终，这种架构允许用户构建个性化的、跨设备的创意工作流，显著降低了多模态内容生成的门槛。