AGENTIC AI — OpenDesign MCP Pipeline

OpenDesign MCP Pipeline to kompletny, lokalny system do generowania treści audio-wideo z wykorzystaniem sztucznej inteligencji — od tekstu, przez narrację lektorską (TTS), aż po gotowy film z animacjami i proceduralną muzyką.

Działa w całości lokalnie, bez wysyłania danych do zewnętrznych chmur. Wszystkie obliczenia odbywają się na własnym sprzęcie. Pipeline łączy najnowsze osiągnięcia w dziedzinie syntezy mowy, generowania wideo, animacji komputerowych i proceduralnej produkcji muzyki.

● Własna infrastruktura — pełna kontrola nad danymi i procesami
● Modularna architektura — każdy komponent można rozwijać niezależnie
● Otwarte standardy — komunikacja przez MCP (Model Context Protocol)

OpenDesign MCP Pipeline is a complete, fully local system for generating audio-video content using artificial intelligence — from text, through voiceover narration (TTS), to a finished film with animations and procedural music.

Everything runs entirely locally, without sending data to external clouds. All computations happen on your own hardware. The pipeline combines the latest advances in speech synthesis, video generation, computer animation, and procedural music production.

● Own infrastructure — full control over data and processes
● Modular architecture — each component can be developed independently
● Open standards — communication via MCP (Model Context Protocol)

Można wygenerować

What you can generate

Narracja lektorska (TTS)	Głosy w wielu językach: angielski (brytyjski, premium), polski
Filmy z voiceoverem	Prezentacje produktów, dema, klipy promocyjne
Animowane kompozycje	Napisy, sceny, przejścia, efekty wizualne
Muzyka proceduralna	Podkłady muzyczne generowane w locie (Web Audio API)
Filmy z AI video	Klipy generowane przez modele Wan2.2 (text-to-video)
Efekty dźwiękowe	SFX, ambient, tła dźwiękowe

Typowy scenariusz

Typical workflow

Tekst → synteza mowy (TTS) → kompozycja wizualna z animacjami i muzyką → render do formatu MP4 → gotowy materiał wideo w projekcie Text → TTS synthesis → visual composition with animations and music → MP4 render → ready video material in the project

Stack technologiczny

Tech stack

MCP Bridge edge-tts Wan2.2 HyperFrames GSAP WebGL / Canvas Web Audio API Chromium render

OpenDesign MCP Pipeline to kompletny, lokalny pipeline do generowania treści audio-wideo z wykorzystaniem sztucznej inteligencji — od tekstu, przez narrację, aż po gotowy film z animacjami i proceduralną muzyką.

Działa w całości lokalnie, bez wysyłania danych do zewnętrznych chmur. Wszystkie obliczenia odbywają się na własnym sprzęcie — GPU Radeon 7900 XTX, CPU AMD, Ubuntu. Brak kosztów API, brak limitu zapytań, brak ryzyka wycieku danych.

Pipeline to nie pojedynczy program — to zbiór modułów, każdy o osobnej odpowiedzialności, komunikujących się przez otwarty protokół MCP (Model Context Protocol). Oznacza to, że każdy komponent można rozwijać, wymieniać lub skalować niezależnie od reszty systemu.

OpenDesign MCP Pipeline is a complete, fully local system for generating audio-video content using artificial intelligence — from text, through narration, to a finished film with animations and procedural music.

It runs entirely locally, without sending data to external clouds. All computations happen on your own hardware — Radeon 7900 XTX GPUs, AMD CPU, Ubuntu. No API costs, no request limits, no risk of data leaks.

The pipeline is not a single program — it's a collection of modules, each with its own responsibility, communicating via the open MCP (Model Context Protocol) standard. This means each component can be developed, replaced, or scaled independently from the rest of the system.

Trzy filary projektu

Three pillars

Własna infrastruktura

Own Infrastructure

Pełna kontrola nad danymi i procesami — zero zależności od zewnętrznych dostawców AI.

Full control over data and processes — zero dependency on external AI providers.

Modułowa architektura

Modular Architecture

Każdy komponent działa niezależnie. Nowe moduły można dodawać bez zmiany istniejących.

Each component runs independently. New modules can be added without modifying existing ones.

Otwarte standardy

Open Standards

Komunikacja przez MCP — moduły mogą być napisane w różnych językach (Python, TypeScript, bash).

Communication via MCP — modules can be written in different languages (Python, TypeScript, bash).

Pipeline składa się z sześciu głównych modułów — każdy odpowiedzialny za inny etap przetwarzania, od tekstu wejściowego po gotowy plik wideo.

The pipeline consists of six main modules — each responsible for a different processing stage, from input text to the final video file.

Moduł 1 — Bramka MCP (Model Context Protocol)

Module 1 — MCP Bridge (Model Context Protocol)

Centralny punkt integracji wszystkich usług AI. Udostępnia jednolity interfejs do komunikacji między komponentami pipeline'u.

● Synchroniczne zapytania (szybkie odpowiedzi, np. generowanie mowy)
● Kolejka zadań asynchronicznych z priorytetami (dla dłuższych operacji)
● Zarządzanie zasobami GPU (alokacja VRAM, kolejkowanie)

Central integration point for all AI services. Provides a unified interface for communication between pipeline components.

● Synchronous queries (fast responses, e.g. speech generation)
● Asynchronous task queue with priorities (for longer operations)
● GPU resource management (VRAM allocation, queuing)

Moduł 2 — Synteza mowy (TTS)

Module 2 — Text-to-Speech (TTS)

Generowanie naturalnie brzmiącej mowy z tekstu: silnik edge-tts wykorzystujący Microsoft Azure. Dostępne głosy: brytyjski angielski (premium), brytyjski angielski (szybki), polski.

Czas generowania: ~1-2 sekundy · Brak obciążenia GPU

Generating natural-sounding speech from text: edge-tts engine using Microsoft Azure. Available voices: British English (premium), British English (fast), Polish.

Generation time: ~1-2 seconds · No GPU load

Moduł 3 — Generator wideo (Wan2.2)

Module 3 — Video Generator (Wan2.2)

Generowanie filmów z opisu tekstowego: model Wan2.2 TI2V 5B (Diffusers) — text-to-video + image-to-video. Dedykowany backend FastAPI z zarządzaniem pamięcią VRAM.

Generating video from text descriptions: Wan2.2 TI2V 5B model (Diffusers) — text-to-video + image-to-video. Dedicated FastAPI backend with VRAM management.

Moduł 4 — Silnik kompozycji HyperFrames

Module 4 — HyperFrames Composition Engine

Tworzenie zaawansowanych kompozycji wideo w HTML:

● Sceny z płynnymi przejściami
● Animacje GSAP (fade, slide, stagger, rotacja, skalowanie)
● Nakładanie wielu ścieżek audio (narracja + muzyka)
● Canvas WebGL z cząsteczkami i efektami
● Proceduralna muzyka przez Web Audio API
● Deterministiczny render (powtarzalność klatek)

Creating advanced video compositions in HTML:

● Scenes with smooth transitions
● GSAP animations (fade, slide, stagger, rotation, scaling)
● Multi-track audio overlay (narration + music)
● WebGL Canvas with particles and effects
● Procedural music via Web Audio API
● Deterministic rendering (frame reproducibility)

Moduł 5 — Silnik renderowania

Module 5 — Render Engine

Przetwarzanie kompozycji na gotowy plik wideo. Wykorzystuje przeglądarkę Chromium do renderowania, obsługuje renderowanie równoległe z wieloma workerami.

Wiele formatów wyjściowych: MP4, WebM, MOV, GIF

Processing compositions into finished video files. Uses Chromium browser for rendering with parallel processing (multiple workers).

Multiple output formats: MP4, WebM, MOV, GIF

Moduł 6 — Zarządzanie GPU

Module 6 — GPU Management

Inteligentne zarządzanie zasobami obliczeniowymi:

● Automatyczne wykrywanie dostępnej pamięci VRAM
● Kolejkowanie zadań oczekujących na GPU
● Dynamiczne przełączanie między modelami
● Priorytetyzacja zadań (5 poziomów)

Intelligent compute resource management:

● Automatic available VRAM detection
● Queuing of tasks waiting for GPU
● Dynamic switching between models
● Task prioritization (5 levels)

Wszystkie moduły pipeline'u są ze sobą połączone za pomocą protokołu MCP (Model Context Protocol) — otwartego standardu umożliwiającego komunikację między serwisami AI.

All pipeline modules are interconnected via the MCP (Model Context Protocol) — an open standard enabling communication between AI services.

MCP — BRAMKA CENTRALNA

TTSSynteza mowySpeech Synthesis

Wan2.2Generator wideoVideo Generator

HyperFramesSilnik kompozycjiComposition Engine

ChromiumSilnik renderowaniaRender Engine

VRAMZarządzanie GPUGPU Management

AsyncKolejka zadańTask Queue

① Klient (web / CLI) wysyła zlecenie przez MCP

│

② Bramka MCP przyjmuje zlecenie i dodaje do kolejki

│

③ Kolejka priorytetowa przydziela zadanie do odpowiedniego modułu

│

④ Moduł wykonuje zadanie (np. TTS → synteza mowy)

│

⑤ Wynik wraca przez bramkę MCP do klienta

│

⑥ Kolejne zadanie (kompozycja + render) uruchamiane automatycznie

Architektura oparta na MCP (Model Context Protocol) dostarcza kluczowych korzyści, które czynią ten pipeline wydajnym, skalowalnym i przyszłościowym.

An architecture based on the MCP (Model Context Protocol) delivers key benefits that make this pipeline efficient, scalable, and future-proof.

Jednolity interfejs

Unified Interface

Każdy moduł komunikuje się przez ten sam protokół — brak potrzebnego adapterowania.

Each module communicates via the same protocol — no need for ad-hoc adapters.

Rozdzielenie odpowiedzialności

Separation of Concerns

Każdy moduł działa niezależnie — awaria jednego nie blokuje całego systemu.

Each module runs independently — failure of one doesn't block the entire system.

Skalowalność

Scalability

Można dodawać nowe moduły bez zmiany istniejących — architektura rośnie razem z potrzebami.

New modules can be added without changing existing ones — the architecture grows with your needs.

Asynchroniczność

Asynchronicity

Długotrwałe zadania nie blokują innych operacji — kolejka priorytetowa zarządza kolejkowaniem.

Long-running tasks don't block other operations — the priority queue manages queuing.

Niezależność językowa

Language Independence

Moduły mogą być napisane w różnych językach (Python, TypeScript, bash) i komunikować się przez MCP.

Modules can be written in different languages (Python, TypeScript, bash) and communicate via MCP.

Determinizm

Determinism

Render jest deterministyczny — gwarantuje identyczne wyniki przy powtarzalnych danych wejściowych.

Rendering is deterministic — it guarantees identical results with reproducible input data.

Pełny cykl życia zadania — od momentu zlecenia przez klienta do wygenerowania gotowego filmu MP4.

The full lifecycle of a task — from the moment a client submits a request to the generation of a finished MP4 video.

01

Wstęp: Klient (aplikacja web / CLI) wysyła zlecenie z tekstem wejściowym przez MCP.

│

02

Bramka MCP: Przyjmuje zlecenie, przypisuje priorytet i dodaje do kolejki zadań asynchronicznych.

│

03

TTS: Moduł syntezy mowy generuje plik audio z tekstu narracji. Głos, język, tempo — konfiguracja przez MCP.

│

04

Kompozycja: Silnik HyperFrames tworzy animowaną kompozycję HTML z GSAP — sceny, przejścia, napisy, efekty wizualne.

│

05

Muzyka: Proceduralny podkład generowany przez Web Audio API, dołączany do ścieżki audio.

│

06

Render: Chromium renderuje kompozycję do MP4 z wieloma workerami. Wynik trafia do katalogu projektu.

│

07

Gotowe: Gotowy plik wideo widoczny w Open Design — gotowy do udostępnienia lub dalszej obróbki.

OpenDesign MCP Pipeline to w pełni lokalne środowisko do produkcji treści audio-wideo z wykorzystaniem AI. Kluczowe cechy:

● Własna infrastruktura — pełna kontrola nad danymi i procesami
● Modularna architektura — każdy komponent można rozwijać niezależnie
● Otwarte standardy — komunikacja przez MCP (Model Context Protocol)
● Wszechstronność — od prostego TTS po złożone produkcje wideo z muzyką
● Powtarzalność — deterministyczny render gwarantujący identyczne wyniki

OpenDesign MCP Pipeline is a fully local environment for AI-powered audio-video content production. Key features:

● Own infrastructure — full control over data and processes
● Modular architecture — each component can be developed independently
● Open standards — communication via MCP (Model Context Protocol)
● Versatility — from simple TTS to complex video productions with music
● Reproducibility — deterministic rendering guaranteeing identical results

Roadmapa

Roadmap

Q2 2026 w toku

Q2 2026 ongoing

Podstawowy pipeline: TTS → HyperFrames kompozycja → render MP4 — funkcjonujący, z dokumentacją.

Basic pipeline: TTS → HyperFrames composition → MP4 render — operational with documentation.

Q3 2026 zaplanowane

Q3 2026 planned

Integracja Wan2.2 text-to-video — generowanie klipów z opisu tekstowego w ramach pipeline'u.

Wan2.2 text-to-video integration — generating clips from text descriptions within the pipeline.

Q4 2026 wizja

Q4 2026 vision

Automatyzacja: uruchamianie zadań na podstawie list, baz danych lub Google Sheets. Autopublikowanie w mediach społecznościowych i innych destynacjach.

Automation: task execution driven by lists, databases, or Google Sheets. Auto-publishing to designated social media platforms and other destinations.

Pipeline łączy w sobie najnowsze osiągnięcia w dziedzinie syntezy mowy, generowania wideo, animacji komputerowych i proceduralnej produkcji muzyki — wszystko w ramach jednego, spójnego systemu. The pipeline combines the latest advances in speech synthesis, video generation, computer animation, and procedural music production — all within one cohesive system.