24 अगस्त 2026
Claude या Cursor से AI इमेज और वीडियो बनाना: MCP की पूरी गाइड
आपका AI असिस्टेंट लिखना, कोड करना और प्लान करना जानता है। कुछ समय से वह MCP प्रोटोकॉल की बदौलत बातचीत छोड़े बिना इमेज और वीडियो भी बना सकता है। यहाँ है उसे दो मिनट में एक असली जनरेशन इंजन से जोड़ने का तरीक़ा, इसकी पाई-पाई की लागत, और वे आदतें जो एक कारगर एजेंट को क्रेडिट उड़ाने वाले एजेंट से अलग करती हैं।
अब आपका असिस्टेंट इमेज बना सकता है, सिर्फ़ उनकी बात नहीं कर सकता
MCP प्रोटोकॉल की बदौलत Claude या Cursor जैसा असिस्टेंट बातचीत के बीच में ही असली इमेज और वीडियो जनरेटर को बुला सकता है, और आपको विवरण नहीं, तैयार फ़ाइल का URL देता है।
Claude से ब्लॉग लेख लिखने को कहिए, वह लिख देता है। उसी लेख के लिए इमेज बनाने को कहिए, और कुछ समय पहले तक वह विनम्रता से कहता था कि वह इमेज नहीं बनाता, और कहीं और कॉपी-पेस्ट करने के लिए एक प्रॉम्प्ट सुझा देता था। आगे की कहानी आप जानते हैं: दूसरा टूल खोलिए, प्रॉम्प्ट चिपकाइए, इमेज डाउनलोड कीजिए, वापस आइए। जिस असिस्टेंट को आपका समय बचाना था, उसने अभी-अभी आपके दिन में तीन चक्कर और जोड़ दिए।
यह दीवार गिर रही है। आधुनिक AI असिस्टेंट बाहरी टूल इस्तेमाल करना जानते हैं: वेब पर खोजना, फ़ाइलें पढ़ना, सेवाओं को कॉल करना। और जबसे इन टूल को जोड़ने के लिए एक साझा मानक मौजूद है, कोई भी संगत असिस्टेंट असली इमेज और वीडियो जनरेशन इंजन चला सकता है। आप कहते हैं “इस सेक्शन के लिए धुंध भरे जंगल में एक लोमड़ी की फ़ोटो बनाओ”, और तीस सेकंड बाद इमेज का URL बातचीत में होता है।
यह गाइड दिखाती है कि Claude, Cursor या किसी भी संगत क्लाइंट को Imaginode से कैसे जोड़ें, वह AI क्रिएशन कैनवास जो पारदर्शी क्रेडिट मीटर के साथ 48 मॉडल (Flux 2, Nano Banana 2, Seedream 5, Kling V3, Seedance 2.5, Veo 3.1…) तक पहुँच देता है। दो मिनट का सेटअप, कोई इंस्टॉलेशन नहीं, और आपका असिस्टेंट एक क्रिएशन स्टूडियो बन जाता है।
MCP, AI असिस्टेंट का USB पोर्ट
Model Context Protocol एक खुला मानक है जो बताता है कि असिस्टेंट बाहरी टूल कैसे खोजे और बुलाए: एक MCP सर्वर फ़ंक्शन उपलब्ध कराता है, क्लाइंट उन्हें इस्तेमाल करता है, चाहे किसने भी क्या लिखा हो।
MCP का मतलब है Model Context Protocol। यह एक खुला मानक है, 2024 के अंत में शुरू हुआ और तब से पूरे इकोसिस्टम ने इसे अपना लिया: Claude, Cursor और दर्जनों दूसरे क्लाइंट इसे मूल रूप से समझते हैं। विचार आसान है: हर असिस्टेंट हर सेवा से जुड़ने का अपना तरीक़ा गढ़ने के बजाय, एक MCP सर्वर अपने टूल एक साझा फ़ॉर्मैट में बताता है, और कोई भी संगत क्लाइंट उन्हें खोजकर बुला सकता है। इसकी तुलना अक्सर USB पोर्ट से की जाती है: एक ही सॉकेट, हज़ारों डिवाइस।
व्यवहार में, MCP सर्वर नाम वाले टूल देता है, उनके पैरामीटर और विवरण के साथ। Imaginode का सर्वर चार टूल देता है: उपलब्ध मॉडल और उनकी क़ीमतें सूचीबद्ध करना, इमेज बनाना, वीडियो शुरू करना, और किसी जनरेशन को नतीजे तक ट्रैक करना। जब आप असिस्टेंट से इमेज माँगते हैं, वह ख़ुद टूल चुनता है, प्रॉम्प्ट भरता है, कॉल करता है और आपको URL लौटा देता है। यह सारी प्लंबिंग आपको दिखती नहीं, और मक़सद यही है।
एक अहम बात: Imaginode का सर्वर होस्टेड है, पते https://imaginode.ai/api/mcp पर। आपकी मशीन पर कुछ इंस्टॉल नहीं करना, कोई रिपॉज़िटरी क्लोन नहीं करनी, न Node सेट करना न Python। रिमोट MCP सर्वर और इंस्टॉलेशन माँगने वाले लोकल सर्वर में यही फ़र्क़ है: यहाँ आपको सिर्फ़ एक API की चाहिए।
Imaginode को Claude से दो मिनट में जोड़िए, घड़ी हाथ में
अपनी Imaginode प्रोफ़ाइल में API की बनाइए (ईमेल वेरिफ़ाई होना ज़रूरी, सीक्रेट सिर्फ़ एक बार दिखता है), फिर उसे अपने MCP क्लाइंट को दीजिए: Claude Code में एक कमांड, Claude.ai में कस्टम कनेक्टर, Cursor में एक JSON ब्लॉक।
पहला क़दम: की। अगर पहले से नहीं है तो Imaginode पर अकाउंट बनाइए (साइन-अप पर ट्रायल क्रेडिट मिलते हैं, ईमेल वेरिफ़ाई करना ज़रूरी है), फिर अपनी प्रोफ़ाइल में “API कीज़” सेक्शन खोलिए। की को नाम दीजिए, जैसे “Claude Code”, और उसे बना दीजिए। imk_ से शुरू होने वाला सीक्रेट सिर्फ़ एक बार दिखेगा: उसे तुरंत कॉपी कर लीजिए। खो जाए तो की रद्द करके नई बना लीजिए, दस सेकंड लगते हैं।
दूसरा क़दम: कनेक्शन। Claude Code में टर्मिनल की एक ही लाइन काफ़ी है: claude mcp add --transport http imaginode https://imaginode.ai/api/mcp --header "Authorization: Bearer your-key"। Claude.ai या डेस्कटॉप ऐप में सर्वर के URL और उसी हेडर के साथ एक कस्टम कनेक्टर जोड़िए। Cursor में सर्वर को mcp.json फ़ाइल में URL और Authorization हेडर के साथ घोषित कीजिए। MCP के साथ संगत बाक़ी सभी क्लाइंट भी इसी तर्क पर चलते हैं: एक URL, एक हेडर।
तीसरा क़दम: कोई तीसरा क़दम है ही नहीं। एक बातचीत खोलिए और कहिए: “तूफ़ान के नीचे एक ब्रेटन लाइटहाउस की इमेज बनाओ, एनालॉग फ़ोटो स्टाइल में”। असिस्टेंट टूल बुलाता है, इमेज बनती है, URL धागे में आ जाता है। क्रेडिट में सटीक लागत और आपका बचा हुआ बैलेंस हर कॉल पर बताया जाता है, नतीजा आने से भी पहले।
जुड़ जाने के बाद आपका असिस्टेंट क्या कर सकता है
जो कंटेंट वह लिख रहा है उसे इमेज देना, विज़ुअल की पूरी सीरीज़ बनाना, वीडियो क्लिप शुरू करके उसे फ़ाइनल फ़ाइल तक ट्रैक करना: असिस्टेंट आपके बाक़ी काम के उसी धागे में एक के बाद एक जनरेशन चलाता है।
सबसे तात्कालिक इस्तेमाल है लिखते-लिखते इमेज बनाना। आपका असिस्टेंट सेल्स पेज, लेख या न्यूज़लेटर लिख रहा है: अब वह उसी धागे में, संदर्भ बनाए रखते हुए, साथ के विज़ुअल भी बना सकता है। इमेज प्रॉम्प्ट को वह सब मिल जाता है जो बातचीत में पहले से मौजूद है, आपका ब्रांड, आपका लहजा, सेक्शन का सटीक विषय। यह दूसरे टैब में खुले उस जनरेटर से बहुत अलग है जिसे आपके प्रोजेक्ट के बारे में कुछ भी पता नहीं।
दूसरा परिवार: सीरीज़। “वही बोतल सफ़ेद स्टूडियो बैकग्राउंड पर बनाओ, फिर हल्की लकड़ी पर, फिर रात के माहौल में”: असिस्टेंट एक के बाद एक कॉल करता है, फ़ाइलों के नाम रखता है, URL की सूची देता है। बड़ी संख्या में प्रोडक्ट फ़ोटो बनाने या वैरिएंट में टेस्ट करने लायक़ YouTube थंबनेल के लिए काम का पूरा चक्र एक वाक्य में सिमट जाता है। और चूँकि हर कॉल अपनी लागत लौटाता है, आपको ठीक-ठीक पता होता है कि सीरीज़ पर कितना ख़र्च हुआ।
वीडियो भी इसी सिद्धांत पर चलता है, एक फ़र्क़ के साथ: एक वीडियो जनरेशन में एक से पाँच मिनट लगते हैं, बड़े फ़ॉर्मैट में कभी-कभी उससे भी ज़्यादा। इसलिए टूल तुरंत एक ट्रैकिंग आईडी और लागत लौटाता है, फिर असिस्टेंट नियमित रूप से स्टेटस पूछता है और तैयार होते ही आपको URL दे देता है। इस बीच वह किसी और चीज़ पर काम करता रह सकता है: वह एक एजेंट है, रेत घड़ी नहीं।
लागत कितनी है, और एजेंट बेक़ाबू क्यों नहीं हो सकता
हर कॉल कैनवास वाली ही दर पर क्रेडिट से कटता है (इमेज 1 से 7 क्रेडिट, वीडियो लगभग 30 से 170), नाकाम जनरेशन के क्रेडिट अपने आप लौट आते हैं, और हर की पर प्रति मिनट 10 जनरेशन की सीमा किसी भी बेक़ाबू दौड़ को रोक देती है।
पहले वही सवाल जो चुभता है: एजेंट को पैसे ख़र्च करने देना क्या समझदारी है? Imaginode पर सुरक्षा वादों में नहीं, इन्फ़्रास्ट्रक्चर में है। हर जनरेशन चलने से पहले ही एक जानी हुई क़ीमत पर काट ली जाती है: इमेज के लिए 1 से 7 क्रेडिट, वीडियो के लिए मॉडल, अवधि और रेज़ोल्यूशन के हिसाब से लगभग 30 से 170, और एक क्रेडिट एक यूरो सेंट के बराबर है। मॉडल दर मॉडल ब्योरा सार्वजनिक है, और list_models टूल क़ीमतें ख़ुद असिस्टेंट को बता देता है।
अगर प्रोवाइडर के यहाँ कोई जनरेशन नाकाम होती है, तो क्रेडिट अपने आप वापस आ जाते हैं, न कोई टिकट न शिकायत: आप सिर्फ़ उसी का भुगतान करते हैं जो पूरा होता है। और सबसे ज़रूरी बात, कोई एजेंट कभी आपके बैलेंस से ज़्यादा ख़र्च नहीं कर सकता: न ओवरड्राफ़्ट, न महीने के अंत में चौंकाने वाला बिल। सबसे बुरी सूरत यही है कि बैलेंस शून्य हो जाए और एक मैसेज आपसे रीचार्ज करने को कहे।
बचा वह एजेंट जो लूप में फँस जाए, जो किसी बिगड़े स्क्रिप्ट की वजह से एक ही जनरेशन बार-बार चलाता रहे। हर API की पर प्रति मिनट 10 जनरेशन की सीमा है: किसी भी असली इस्तेमाल के लिए काफ़ी, आपकी ग़ैरहाज़िरी में बैलेंस ख़ाली करने के लिए बहुत कम। और अगर कोई की लीक हो जाए या आपको उस पर शक हो, तो प्रोफ़ाइल में एक क्लिक उसे तुरंत रद्द कर देता है। ज़्यादा से ज़्यादा पाँच सक्रिय की, हर इस्तेमाल के लिए एक, यही अच्छी आदत है।
वे आदतें जो अच्छे एजेंट को ख़र्चीले एजेंट से अलग करती हैं
प्रीमियम पर पैसे लगाने से पहले 1 क्रेडिट वाले मॉडल पर दोहराना, प्रॉम्प्ट अंग्रेज़ी में लिखना, वीडियो का स्टेटस हर 30 सेकंड पर पूछना पर उसे दोबारा कभी न चलाना, और आउटपुट URL को अगले इनपुट की तरह इस्तेमाल करना: चार आदतें जो बिल बदल देती हैं।
पहली आदत, सबसे फ़ायदेमंद: सस्ते मॉडल पर परखिए, प्रीमियम पर फ़ाइनल कीजिए। Flux Schnell 1 क्रेडिट लेता है और फ़्रेमिंग, माहौल या कंपोज़िशन जाँचने के लिए भरपूर है। प्रॉम्प्ट सध जाने पर वही विचार Nano Banana 2 या Flux 2 Pro पर फ़ाइनल रेंडर के लिए चलाइए। ठीक से ब्रीफ़ किया गया असिस्टेंट यह नियम ख़ुद लागू करता है: बस कह दीजिए “सस्ते मॉडल पर दोहराते रहो, क्वालिटी पर कब जाना है मैं बताऊँगा”। यह वही तर्क है जो कैनवास पर अपना मॉडल चुनने का है।
दूसरी आदत: प्रॉम्प्ट अंग्रेज़ी में। जनरेशन मॉडल सभी भाषाएँ समझते हैं, लेकिन उनकी ट्रेनिंग भारी मात्रा में अंग्रेज़ी में हुई है और नतीजे वहाँ ज़्यादा सटीक निकलते हैं। अच्छी ख़बर: आपका असिस्टेंट बेहतरीन अनुवादक है। उससे हिंदी में बात कीजिए, प्रॉम्प्ट अंग्रेज़ी में बनाने दीजिए, और फिर उससे पूछिए कि उसने भेजा क्या: काम करने वाले प्रॉम्प्ट लिखना सीखने का यही सबसे अच्छा तरीक़ा है।
तीसरी और चौथी आदत, वीडियो और चेन के लिए: किसी वीडियो को कभी सिर्फ़ इसलिए दोबारा मत चलाइए कि “वह धीमी लग रही है”, स्टेटस ट्रैकिंग इसी के लिए है और दोबारा चलाने पर पूरी जनरेशन का दाम लगता है। और आउटपुट URL को इनपुट की तरह दोबारा इस्तेमाल कीजिए: पिछले चरण में बनी इमेज अगले वीडियो का पहला फ़्रेम बन सकती है, ठीक वैसे ही जैसे कैनवास पर दो नोड जोड़े जाते हैं। तब आपका असिस्टेंट बातचीत में ही असली वर्कफ़्लो बनाता है।
डेवलपर के लिए: वही सब कुछ तीन REST एंडपॉइंट में
कैटलॉग के लिए GET /api/models, जनरेशन शुरू करने के लिए POST /api/generate (मॉडल, प्रॉम्प्ट, ऑप्शन, Bearer में की), और ट्रैक करने के लिए GET /api/generate/status: MCP सर्वर एक सार्वजनिक REST API के ऊपर बना मुखौटा भर है।
अगर आप सीधे स्क्रिप्ट लिखना पसंद करते हैं, तो MCP सर्वर जो कुछ करता है वह तीन सार्वजनिक एंडपॉइंट से होकर जाता है। GET https://imaginode.ai/api/models बिना किसी ऑथेंटिकेशन के पूरा कैटलॉग लौटाता है, ऑप्शन और क्रेडिट में क़ीमतों समेत। POST https://imaginode.ai/api/generate जनरेशन शुरू करता है: मॉडल, प्रॉम्प्ट और ऑप्शन (अवधि, रेज़ोल्यूशन, फ़ॉर्मैट, ऑडियो, इनपुट इमेज) वाला एक JSON, Authorization हेडर में आपकी की, और जवाब में रिक्वेस्ट की आईडी, काटी गई लागत और आपका नया बैलेंस आता है।
इसके बाद GET https://imaginode.ai/api/generate/status जनरेशन को ट्रैक करता है: जब तक वह चल रही है running, फिर आउटपुट URL के साथ completed, या failed जिसमें रिफ़ंड पहले ही हो चुका होता है। यह वही पाइपलाइन, वही जाँचें और वही बिलिंग है जो कैनवास और MCP की है: एक ही मशीन, तीन दरवाज़े।
इनपुट इमेज आपके Imaginode अकाउंट पर होस्ट होनी चाहिए, या तो आपकी मीडिया लाइब्रेरी में इम्पोर्ट की हुई, या किसी पिछली जनरेशन से आई हुई जिसका URL आप दोबारा इस्तेमाल करते हैं। डॉक्यूमेंटेशन की API और MCP गाइड हर फ़ील्ड, हर सीमा और बेहतर तरीक़े पाँच भाषाओं में बताती है।
चैट, कैनवास, एजेंट: एक ही इंजन तक तीन दरवाज़े
कैनवास वही जगह रहता है जहाँ आप डिज़ाइन करते हैं और अपने वर्कफ़्लो संभालते हैं; MCP और API वे दरवाज़े हैं जिनसे कोई असिस्टेंट या स्क्रिप्ट उसी इंजन को, उसी क्रेडिट बैलेंस के साथ चलाती है।
अगर असिस्टेंट सब कुछ बना सकता है तो क्या कैनवास खोलना अब भी ज़रूरी है? हाँ, और वजह आसान है: बातचीत रेखीय रहती है। विज़ुअल पाइपलाइन डिज़ाइन करने, वैरिएंट अगल-बगल रखकर तुलना करने, अपने किरदारों के रेफ़रेंस संभालने और हफ़्तों बाद अपना काम दोबारा ढूँढने के लिए नोड वाला कैनवास ही असली वर्कशॉप है। एजेंट का हुनर अमल में है: बनाना, वैरिएंट निकालना, जनरेशन को उस बड़े वर्कफ़्लो में जोड़ना जिसमें टेक्स्ट, कोड और फ़ाइलें भी शामिल हैं।
दोनों इसलिए और भी अच्छे से एक-दूसरे के पूरक हैं क्योंकि उनके बीच सब कुछ साझा है: वही अकाउंट, वही क्रेडिट, वही मीडिया लाइब्रेरी। आज सुबह Claude से बनी इमेज आज शाम आपके Imaginode मीडिया में है, किसी वीडियो नोड से जुड़ने को तैयार। कैनवास पर बनाया गया कोई रेफ़रेंस किरदार उन प्रॉम्प्ट को दिशा दे सकता है जो आपका असिस्टेंट कल भेजेगा।
अगर आप इस लेख से Imaginode को पहली बार जान रहे हैं, तो सबसे छोटा रास्ता यही है: अपना अकाउंट बनाइए, मॉडल और लागत समझने के लिए पहली कुछ जनरेशन कैनवास पर कीजिए, फिर अपनी API की बनाकर अपने असिस्टेंट को जोड़िए। उसके बाद आपके पास एक ऐसा क्रिएशन स्टूडियो है जो माउस और बातचीत, दोनों को बराबर जवाब देता है, और जो हमेशा पाई-पाई बताता है कि हर इमेज पर कितना ख़र्च हुआ।