# API、MCP 与 Agent 调用

API 与 UI 共用同一任务实现，不能通过 API 绕开配置、上传、资源或 GPU 时限。启动后点击 Gradio 底部「Use via API」查看当前服务器生成的权威接口说明。任务 ID 是访问凭据，返回的文件 URL 也不应公开。

## 端点约定

使用 `gradio_client.Client.predict(..., api_name="/端点名")` 调用。服务端函数返回 JSON 并不代表业务成功，必须同时检查 `status`、`error`、`remaining_frames`；导出还应检查 `export_complete` / `export_error`。

| API 名称 | 输入顺序 | 返回 |
| --- | --- | --- |
| `/environment_info` | 无 | 环境版本、ZeroGPU 标志、FFmpeg 可用性；不申请 GPU |
| `/config_schema` | 无 | 允许字段、默认值与校验限制的 JSON Schema |
| `/gpu_self_test` | 无 | `(report, files, image)`；真实小场景渲染，GPU 模式必须检查 `gpu_verified` |
| `/prepare_job` | `files`, `config_json`, `config_file` | `(job_id, status)`；`config_file` 可为 null，非空时优先 |
| `/inspect_job` | `job_id` | 状态与 `inspection`，包括场景/相机/`missing_assets` |
| `/render_chunk` | `job_id` | 新状态；最多处理配置中的 `batch_size` 帧 |
| `/job_status` | `job_id` | 当前状态与完成帧列表；不等待 Blender 队列 |
| `/cancel_job` | `job_id` | 请求停止并保留完成帧；不等待 Blender 队列 |
| `/resume_job` | `job_id` | 清除取消标记、验证已完成帧；不会启动渲染 |
| `/finalize_job` | `job_id` | `(summary, files, image, video)`；部分结果也可导出，视频需完整帧 |

`render_chunk` 使用队列并等待当前批次结束；客户端不应把多个批次并行提交。`job_status` 适合进度查看，轮询本身不会推进渲染。`prepare_job` 冻结配置，恢复沿用原配置；需要修改时创建新任务。

## 完整命令行客户端

```bash
python -m pip install "gradio_client>=2.0,<3"
python examples/client_render.py --space YOUR_NAME/YOUR_SPACE --project project.zip --config examples/video.json --output outputs --self-test
```

脚本会上传本地文件、保存 ID、检查资源、串行渲染、检查每批 `error`，再调用导出并把文件复制到 `outputs`。所有进度为 JSON 行，便于 agent 解析。新建任务若发现已有任务文件会停止，避免不小心重复上传渲染。

| 参数 | 含义 |
| --- | --- |
| `--space` | 必需；`用户名/Space名` 或 Gradio 根 URL |
| `--project` | 新任务必需；一个 ZIP 或多个本机文件路径 |
| `--config` | 新任务必需；本机 JSON 配置路径 |
| `--output` | 下载目录，默认 `outputs` |
| `--job-file` | 任务凭据保存位置，默认 `OUTPUT/render-job.json` |
| `--resume-job [ID]` | 有 ID 时恢复它；省略 ID 时从任务文件恢复 |
| `--inspect` / `--inspect-only` | 上传/恢复后只检查，不开始渲染 |
| `--max-batches N` | 本次最多处理 N 批并导出；0 为直到完成 |
| `--self-test` | 先运行真实小场景自检 |

```bash
# 只检查，保留 ID；确认相机/资源后再续渲。
python examples/client_render.py --space YOUR_NAME/YOUR_SPACE --project project.zip --config examples/image.json --output image-result --inspect

# 每次处理最多 5 批，下载阶段性结果。
python examples/client_render.py --space YOUR_NAME/YOUR_SPACE --resume-job --output image-result --max-batches 5

# 多个上传文件：复杂目录结构请优先使用 ZIP。
python examples/client_render.py --space YOUR_NAME/YOUR_SPACE --project scene.blend texture.png --config examples/image.json --output another-result
```

脚本默认把缺失/被阻止的资源视为错误；若 JSON 明确设置 `strict_assets=false`，会输出警告信息并继续，渲染效果可能因此变化。退出码：0 为完成或主动达到批数上限/仅检查；1 为错误；130 为键盘中断。遇到配额和超时不会循环重试。

## 身份验证

私有 Space 以及需要账号身份的调用，先在运行客户端的环境设置 `HF_TOKEN`。令牌须有访问该 Space 的权限。不要将令牌写到场景、JSON、MCP 示例文件或 git 仓库里。脚本从环境读取令牌并兼容新版 `token=` 与旧版 `hf_token=` 构造参数，不打印令牌。

本机 PowerShell 可交互读取并设置令牌：

```powershell
$env:HF_TOKEN = Read-Host "HF Token" -MaskInput
python examples/client_render.py --space YOUR_NAME/YOUR_SPACE --project project.zip --config examples/video.json --output outputs
```

`-MaskInput` 需要 PowerShell 7；其他环境可使用系统环境变量/密码管理器。平台的账号配额、访问和计费规则仍适用。

## Python 最小闭环

以下代码可直接保存执行；将 Space ID 与本机路径改为实际值。部署目录自带客户端提供更完整的恢复、下载与错误处理。

```python
import inspect
import json
import os
from pathlib import Path

from gradio_client import Client, handle_file

space = "YOUR_NAME/YOUR_SPACE"
output = Path("outputs").resolve()
output.mkdir(parents=True, exist_ok=True)
auth_name = "token" if "token" in inspect.signature(Client).parameters else "hf_token"
client = Client(space, download_files=str(output), httpx_kwargs={"timeout": 120},
                **{auth_name: os.getenv("HF_TOKEN")})

config = Path("examples/image.json").read_text(encoding="utf-8-sig")
job_id, status = client.predict(
    [handle_file("project.zip")], config, None, api_name="/prepare_job"
)
# ID 要立即保存；不要因网络中断直接重复 prepare_job。
(output / "job-id.txt").write_text(job_id, encoding="utf-8")

status = client.predict(job_id, api_name="/inspect_job")
if status.get("error"):
    raise RuntimeError(status["error"])
missing = (status.get("inspection") or {}).get("missing_assets") or []
if missing and status.get("config", {}).get("strict_assets", True):
    raise RuntimeError(json.dumps(missing, ensure_ascii=False))

while status.get("remaining_frames"):
    before = status["completed_count"]
    status = client.predict(job_id, api_name="/render_chunk")
    print(status["completed_count"], "/", status["total_frames"])
    if status.get("error"):
        # 先导出完成帧与日志，再终止；不要在配额不足时无限重试。
        client.predict(job_id, api_name="/finalize_job")
        raise RuntimeError(status["error"])
    if status["completed_count"] <= before:
        raise RuntimeError("没有完成新帧，停止自动重试。")

summary, files, image, video = client.predict(job_id, api_name="/finalize_job")
if not summary.get("export_complete"):
    raise RuntimeError(summary.get("export_error") or "输出未完整生成")
print(json.dumps({"job_id": job_id, "files": files}, ensure_ascii=False))
```

客户端使用 `handle_file` 自动上传；不能直接把本机路径文本当作远端服务器文件。若想上传独立 JSON 文件：

```python
job_id, status = client.predict(
    [handle_file("project.zip")],
    "{}",
    handle_file("examples/video.json"),
    api_name="/prepare_job",
)
```

## 常用 JSON 配置字段

以下是本应用字段，与任意 Blender Python 属性不是一一透传关系。未列出的完整字段请查询 `/config_schema`。

| 字段 | 示例 / 范围 | 说明 |
| --- | --- | --- |
| `schema_version` | `1` | 配置协议版本 |
| `blend_file` | `project/scene.blend` 或 null | 主工程的解压根目录相对路径 |
| `mode` | `image` / `frames` / `video` | 单图、帧序列或视频 |
| `scene` / `camera` / `view_layer` | 名称或 null | 指定 Blender 数据块；默认沿用场景设置 |
| `width` / `height` | 16–8192 | 基础分辨率，受像素总量上限限制 |
| `resolution_percentage` | 1–100 | 实际输出缩放比例 |
| `engine` | `EEVEE` / `CYCLES` | 默认 Eevee |
| `samples` | 1–4096 | Eevee 渲染采样数或 Cycles 最大采样数 |
| `denoise` | true / false | 降噪 |
| `adaptive_threshold` | 0.0–1.0 | 自适应采样阈值 |
| `frame` | 正整数 | 单图帧号 |
| `frame_start` / `frame_end` / `frame_step` | 正整数 | 动画帧范围与步长 |
| `fps` | 1–120 | 时间基准；跳帧输出的播放帧率为 `fps/frame_step` |
| `format` | `PNG` / `OPEN_EXR` | 视频模式只接受 PNG |
| `color_depth` | 8 / 16 / 32 | PNG：8/16；EXR：16/32 |
| `transparent` | true / false | 透明背景；MP4 不支持 |
| `device` | `AUTO` / `CUDA` / `OPTIX` / `CPU` | 默认 AUTO；无需管理员切换。AUTO 请求 GPU，CUDA/OPTIX 仅适用 Cycles |
| `batch_size` | 1–64 | 每次请求最多渲染帧数 |
| `gpu_seconds` | 10–600 | ZeroGPU 请求预算；平台可能另有限制，不是时长保证 |
| `cpu_timeout` | 10–7200 | 普通 GPU/CPU 子进程与编码超时 |
| `strict_assets` | true / false | 默认缺失资源拒绝渲染 |
| `video_crf` | 0–40 | 视频质量；通常 18，越小输出越大 |
| `video_preset` | medium / fast / slow | FFmpeg 编码速度/压缩取舍 |

`gpu_seconds` 是当前批次的预算，不是整个动画的预算。应用给子进程预留收尾时间，因此可用于 Blender 的时间略短。普通 GPU/CPU 模式使用 `cpu_timeout`，名称保留用于同一配置协议。

## MCP 接入

本项目通过 `demo.launch(mcp_server=True)` 暴露工具，要求已安装 `gradio[mcp]`。使用 Streamable HTTP：

```json
{
  "mcpServers": {
    "blender-render": {
      "type": "http",
      "url": "https://YOUR-SPACE-DOMAIN.hf.space/gradio_api/mcp/"
    }
  }
}
```

不同 MCP 客户端可能使用 `servers` 代替 `mcpServers`，或自行管理 `Authorization` 头/OAuth；请在客户端的安全凭据设置中添加认证。示例文件不硬编码令牌。工具名以 `tools/list` 实际发现结果为准；某些客户端会自动添加服务名前缀。

MCP 的 JSON 参数不能携带本机文件系统权限。可采用以下方式：

1. Agent 先用 `gradio_client` 或完整示例脚本上传本地文件并执行 `/prepare_job`，取得 job ID；后续全部使用 MCP 的检查、渲染、查询与导出工具。
2. MCP 客户端支持 Gradio 文件上传时，使用其上传功能得到有效文件引用。不能虚构服务器路径或简单传入本机绝对路径。
3. 有可访问的托管文件时，遵循服务器生成的 MCP 文件 schema 和客户端支持的 URL 上传流程。服务器必须可访问该 URL；本应用不提供任意 URL 代理或自定义下载器，也不会替 URL 补上私有存储的认证。

大文件和私有本机文件推荐第一种方式。返回的结果由 Gradio 表达为文件引用/下载地址，MCP 客户端能否自动下载取决于其文件支持能力；Python 客户端已处理鉴权下载。

HF 也提供 Hub MCP 集成；是否能直接添加某个私有 Space、如何传递用户身份，以其客户端及 Hub 当前能力为准。[HF 的 MCP 官方文档](https://huggingface.co/docs/hub/en/spaces-mcp-servers)、[Gradio MCP 指南](https://www.gradio.app/guides/building-mcp-server-with-gradio)

## 推荐 Agent 策略

先读取 `environment_info` 与 `config_schema`；首次部署调用 `gpu_self_test`。准备后立刻保存 ID，检查场景相机和缺失资产，再串行调用 `render_chunk`，每次都判断错误和完成帧增量。全部完成后 `finalize_job` 并核验输出。出现配额、超时或兼容性失败时停止自动重试、取回部分输出和日志，明确报告原因；修复后用相同 ID 恢复，若修改工程或配置则新建任务。

## 1.1.0 默认模式

空配置 `{}` 选择 `engine=EEVEE, device=AUTO`，请求 GPU 图形渲染。CPU 为可选模式，使用 Mesa 软件 OpenGL。`cpu_self_test` 无参数，返回真实 CPU Eevee 自检结果、日志与图片；`gpu_self_test` 明确测试 Cycles GPU。ZeroGPU 不保证提供 Eevee 所需硬件 EGL/OpenGL；Eevee GPU 检测到软件驱动会报错。已有旧任务按 Cycles 续渲，新任务使用新默认。

## 1.1.1 GPU Eevee 检测

`eevee_gpu_self_test(gpu_size="large", graphics_backend="opengl")` 支持 `large` / `xlarge` 与 `opengl` / `vulkan`，返回 `(report, files, image)`；会显式申请一次 GPU，使用 Eevee 实际渲染小场景。`gpu_eevee_usable=true` 表示通过。GPU 计算可用不代表 GPU 图形接口可用，失败保留完整诊断；CPU 渲染不调用此接口；xlarge 消耗两倍配额。

`gpu_size` 默认 `large`，可选 `xlarge`，只影响 ZeroGPU 租约。`graphics_backend` 默认 `opengl`，可选 `vulkan`，只作用于 GPU + Eevee。