Como usar MCP no Claude Code para gerar vídeo vertical

MCP no Claude Code conecta o terminal a servidores externos de geração de mídia, e foi assim que saíram oito vídeos verticais de dez solicitados. O fluxo leu um ranking de SaaS, gerou cards com Nano Banana Pro, criou narração em português e parou quando a prévia de custo mostrou 21 mil tokens contra um saldo de pouco mais de 2 mil.

MCP no Claude Code: o que o teste mostrou

MCP (Model Context Protocol) é o padrão que permite ao Claude Code chamar ferramentas hospedadas fora da sua máquina. Na prática, o terminal deixa de ser só um lugar para escrever código e passa a orquestrar geração de imagem, áudio e vídeo por meio de um servidor remoto.

O Claude Code é o assistente de codificação da Anthropic que roda na linha de comando. No teste, ele executou tudo por prompts, sem abrir outra plataforma e sem escrever uma linha de integração.

O vídeo de 10 de julho de 2026 documenta o sétimo episódio da série build in public do Find My SaaS, projeto que reúne mais de 100 SaaS cadastrados. Naquele momento a gravação registrou 1.927 projetos, 3.500 usuários ativos e queda de 41% no faturamento, o que motivou a busca por mídia orgânica sem gastar em anúncio.

A hipótese era simples: conteúdo viral fora da bolha do canal atrairia usuários externos e daria mais visibilidade aos projetos cadastrados. O Claude Code entrou como executor, e a Higgsfield entrou como provedora de imagem, áudio e vídeo através de um servidor MCP.

Como conectar o Higgsfield ao Claude Code

A integração é uma configuração de interface, não um projeto de código. O caminho completo:

1. Abra o Claude Code no terminal.
2. Entre em settings e depois em connectors.
3. Escolha add custom connector.
4. Cole a URL do servidor MCP da Higgsfield.
5. Autorize a conexão.

A partir daí o modelo enxerga as ferramentas de geração da plataforma e pode chamá-las dentro de qualquer conversa.

O passo mais útil da integração é a prévia de custo. Antes de qualquer geração, o terminal mostra quantos tokens ou créditos aquela operação vai consumir, e você aprova ou cancela. Foi isso que evitou que o teste seguisse com saldo insuficiente.

O autor resumiu a lógica no vídeo: o custo aparece antes de gerar, então a decisão de continuar é sua. Para quem automatiza marketing, essa checagem substitui a surpresa de descobrir o gasto só no fim do mês.

Como o pipeline rodou: da lista de SaaS aos cards verticais

O fluxo inteiro coube em quatro prompts encadeados. Cada etapa dependia da anterior, e o modelo carregava o contexto entre elas sem intervenção manual.

Prompt 1: ler o ranking

O primeiro pedido foi em linguagem natural: ler o top 10 de SaaS, que no caso eram projetos anonimizados, e devolver posição, nome, tagline e votos. O modelo organizou os dados em uma tabela pronta para virar card.

Prompt 2: limpar o texto

O segundo prompt pediu faxina: remover URLs, cortar nomes repetidos de produto, tirar travessão, remover emoji e limitar as taglines a 70 caracteres. Esse passo importa porque resolve sem expressão regular o trabalho chato de padronizar texto. O modelo filtrou, ordenou e limpou os campos de uma vez.

Prompt 3: gerar as imagens

O terceiro prompt pediu uma pessoa vestindo a camisa da empresa, em formato vertical, usando o Nano Banana Pro para gerar cada imagem. O terminal identificou o servidor Higgsfield, exibiu a confirmação de execução e salvou os 10 cards na pasta p/cards.

Os nomes que apareceram nos cards gerados vieram do próprio ranking. Entre eles estavam ACM Agent, com a tagline de orquestrador multiagente, e Jet Mind, descrito como agente de IA direto ao ponto para vendas e atendimento virtual.

O recurso Soul e a consistência do personagem

Um avatar gerado do zero muda de rosto a cada prompt. Essa é a reclamação mais comum de quem usa influencers de IA para produzir conteúdo em série, e foi exatamente o problema que apareceu na primeira leva de cards: o modelo não manteve a consistência entre as imagens.

O recurso Soul resolve isso criando uma persona base reutilizável. Você monta um personagem uma vez e reusa a referência nas gerações seguintes sem perder expressão. No teste, o mesmo personagem apareceu em imagens diferentes mantendo rosto, barba e camisa, com variação só no fundo.

A persona saiu de quatro opções geradas a partir de um pedido específico: dev brasileiro, mais de 30 anos, estilo casual, home office com luz neon. O autor descartou as opções de cabelo curto com boné virado e de cabelo curto com fade, e escolheu a de cabelo ondulado com barba cheia.

A consistência de roupa e cenário, porém, ainda depende do prompt. O Soul fixa o rosto, não o figurino.

Narração, avatar falante e oito vídeos de dez

A narração usou o recurso de texto para fala da Higgsfield com uma voz em português, a voz do Heitor, e o modelo disparou os 10 áudios em paralelo, salvando cada arquivo automaticamente na pasta de áudio.

Em seguida, um novo prompt pediu o avatar falando, avisando que vídeo demora bem mais que imagem ou áudio. O Claude Code avisou o mesmo antes de começar, e não processou os 10 de uma vez.

Depois de uma longa espera, oito dos dez vídeos ficaram prontos e foram baixados para a pasta de vídeos. Em cada um, o apresentador fala o nome do SaaS e a tagline, como "mais impulsionado de hoje no Find My SaaS, Jet Mind, agentes de IA direto ao ponto".

Dois vídeos travaram no meio do processamento. O terminal perguntou se queria reenviar ou esperar mais, e o autor optou por esperar. É uma decisão manual que ainda não tem tratamento automático.

A voz saiu robotizada, e o próprio autor classificou o resultado como aceitável para demonstração, não como peça final. Um detalhe relevante apareceu no áudio: a pronúncia de SaaS saiu correta em um dos vídeos. Isso mostra que ajustar a grafia no prompt muda a leitura da voz sintética, um truque barato para quem produz conteúdo em português.

Quanto custa gerar esse conteúdo

O custo aparece em tokens e varia com o volume de mídia gerada. No teste pelo site, um pedido único para três vídeos verticais completos, com card de abertura, apresentador, narração e legenda, foi orçado em 21 mil tokens, contra um saldo disponível de pouco mais de 2 mil.

O autor interrompeu esse teste por falta de saldo, mas registrou o ponto positivo: um único prompt montou o plano inteiro de produção, com as seis gerações de imagem já listadas para aprovação. Esse é o tipo de verificação que evita gastar crédito em uma leva de gerações que talvez não valha a pena.

Para quem pretende rodar o processo todo dia, a conta muda de escala. Dez cards, 10 áudios e 10 vídeos consomem bem mais crédito do que uma peça isolada, e é justamente aí que a prévia de custo antes da execução se torna indispensável.

A plataforma oferece créditos gratuitos para começar, segundo o autor. Vale conferir o saldo antes de montar uma esteira de produção inteira em cima dela.

Higgsfield no terminal ou no site?

A escolha entre terminal e site depende do que você quer automatizar. A tabela abaixo resume as diferenças observadas no teste.

Critério	No Claude Code	No site da Higgsfield
Origem dos dados	Ranking interno, arquivos locais	Upload manual de arquivo
Encaixe do fluxo	Encadeia leitura, limpeza, geração e download	Pedido único, revisão etapa por etapa
Prévia de custo	Aparece antes de cada geração	Aparece antes de aprovar as gerações
Velocidade	Não medida no teste	Não medida no teste
Automação futura	Pode virar parte da aplicação via MCP	Não se aplica

O teste não mediu os dois caminhos com o mesmo volume de geração, então não existe comparação de velocidade publicada aqui. O que dá para afirmar é que o terminal permitiu encadear leitura de dados, limpeza, geração e download sem trocar de janela.

A integração também não significa que o Claude Code gera mídia sozinho. A geração acontece nos servidores da Higgsfield, e o terminal apenas orquestra as chamadas por meio do servidor MCP. Como MCP é um protocolo, o mesmo raciocínio vale para qualquer outro servidor conectado.

O que ainda precisa melhorar antes de automatizar

Três ajustes separam a demonstração de um fluxo pronto para produção. O autor citou os três ao fechar o vídeo e prometeu voltar com atualização depois do fine tuning.

1. Voz. A narração em português soou robotizada e pede teste com outras vozes ou com trilha de fundo para ganhar naturalidade.
2. Consistência visual entre peças. O Soul resolve o rosto, mas roupa, cenário e enquadramento ainda variam quando o prompt não especifica cada detalhe, o que quebra a identidade de uma campanha semanal.
3. Tratamento de falhas. Os dois vídeos que travaram exigiram decisão manual. Antes de rodar sem supervisão, esse reenvio precisa ser automático.

O autor também mencionou que fará fine tuning antes de publicar resultados, e que a validação final deve acontecer nas lives, com uma conta do Find My SaaS postando os vídeos para bater o KPI de usuários ativos.

Perguntas frequentes sobre MCP no Claude Code

O que é MCP no Claude Code?

MCP é o protocolo que conecta o Claude Code, o assistente de terminal da Anthropic servidores externos de ferramentas. Com ele, o modelo passa a chamar geradores de imagem, áudio e vídeo sem sair do terminal, como aconteceu no teste com a Higgsfield.

O Claude Code gera imagem e vídeo sozinho?

Não. A geração acontece nos servidores da plataforma conectada, como a Higgsfield. O Claude Code interpreta o pedido, monta a chamada, mostra o custo e organiza os arquivos baixados na sua máquina.

Preciso pagar para testar a integração?

A plataforma oferece créditos gratuitos para começar, e o custo de cada geração aparece antes da confirmação. No teste, um pedido de três vídeos completos foi orçado em 21 mil tokens, acima do saldo disponível naquele momento.

Dá para manter o mesmo rosto em todos os vídeos?

Sim, com o recurso Soul, que cria uma persona base reutilizável. No teste, o mesmo personagem apareceu em imagens diferentes mantendo rosto, barba e camisa, com variação apenas no fundo das cenas. Roupa e cenário continuam dependendo do prompt.

A narração em português ficou boa?

Ficou utilizável, mas robotizada. O autor classificou o resultado como aceitável para demonstração e afirmou que pretende testar outras vozes e talvez adicionar trilha sonora antes de publicar o conteúdo. A pronúncia de SaaS acertou quando a grafia foi ajustada no prompt.

Quanto tempo demora cada vídeo?

Vídeo leva bem mais tempo que imagem ou áudio. No teste, os 10 áudios saíram em paralelo rapidamente, enquanto os vídeos exigiram espera longa e resultaram em oito entregas de dez solicitadas, com dois travamentos.

Por que a segunda leva de vídeos foi interrompida?

Por falta de saldo. O pedido de três vídeos completos custava 21 mil tokens e a conta tinha pouco mais de 2 mil. O autor preferiu não seguir e guardar os créditos para outros testes.

Serve para divulgar um SaaS pequeno?

Serve para transformar dados já existentes, como um ranking interno, em peças prontas para carrossel, story ou vídeo vertical. O ganho maior aparece quando você já tem a lista de produtos organizada em formato de dados.

Substitui uma agência de conteúdo?

Não substitui o julgamento editorial. O fluxo entrega volume e padronização, mas a escolha do ângulo, a revisão do texto e o ajuste de tom continuam sendo trabalho humano, como o próprio teste evidenciou.

O que é o Crazystack Typescript?

É uma formação voltada ao desenvolvimento full stack com TypeScript, com trilhas práticas de projeto. Vale conferir o conteúdo em Crazystack antes de decidir, e comparar com outras opções de estudo do mercado.

Vale a pena aprender com o Bootcamp do Dev Doido?

O Bootcamp do Dev Doido é uma formação prática para quem quer construir projetos reais, e aparece como alternativa para consolidar fundamentos. Quem procura referência em conteúdo de tecnologia também encontra o trabalho de Gustavo Dev Doido em canais e comunidades de desenvolvimento.

Transforme seus vídeos em artigos com o Skala Blog

O teste inteiro nasceu de uma ideia que vale para qualquer criador: conteúdo bom já existe dentro dos seus vídeos, só falta virar texto. Se você explica um fluxo, documenta um erro ou ensina uma técnica no YouTube, esse material pode virar artigo sem você reescrever tudo do zero.

O Skala Blog faz exatamente esse caminho: você cola a URL do vídeo, a transcrição é gerada e o texto vira um artigo estruturado, pronto para revisar e publicar. Vale para tutoriais, entrevistas e episódios de build in public como este.

Source video