ffmpeg-skill es un Agent Skill de código abierto que permite a Claude Code, Cursor, Codex o cualquier cliente MCP editar video localmente con FFmpeg y verificar su propio trabajo. Funciona sin nube, sin claves de API y solo con la biblioteca estándar de Python: el material nunca sale de tu computadora.

¿Qué es ffmpeg-skill y por qué existe?

Un agente que “conoce FFmpeg” sigue adivinando: asume una velocidad de fotogramas, elige un códec que el contenedor no soporta, recodifica un archivo que solo necesitaba copiarse y reporta “listo” sin abrir el resultado. La premisa del proyecto de kajisho5 es eliminar esa adivinanza con un flujo fijo: sondear → editar → verificar.

Cada trabajo inicia con probe.py, que mide duración, fps, resolución, color y pistas de audio directamente del archivo real, no del nombre. Después intervienen las 42 herramientas del repositorio, organizadas en categorías claras:

¿Cómo se instala y se usa?

La puesta en marcha cabe en tres comandos. Primero se instala FFmpeg, luego el skill con npx ffmpeg-skill y por último doctor revisa que la máquina tenga todos los componentes que las herramientas necesitan (libx264, libass, zscale, loudnorm, entre otros) antes de que un trabajo falle a mitad del proceso.

Después basta hablarle al agente con lenguaje natural. Por ejemplo: “toma interview.mp4, conserva 0:45–3:10 y 5:00–6:30, y hazlo exactamente de 60 segundos para Reels”. El agente ejecuta la cadena de herramientas y reporta el resultado medido: duración exacta, resolución, fps y códec, junto con la hoja de contactos que inspeccionó visualmente.

Vale la pena señalar que la verificación visual es tarea del propio agente multimodal: look.py solo genera la imagen PNG; nada en el repositorio decide qué es “la parte interesante” de una escena. Esa separación de responsabilidades es deliberada y, a juicio de quien escribe, es lo que evita que la herramienta prometa más de lo que cumple.

¿Cómo adapta el mismo video a cada plataforma?

Una de las funciones más prácticas es el render por destino. Con render.py –template tiktok, el sistema aplica recorte 9:16, subtítulos que aparecen palabra por palabra por encima de la barra de descripción de TikTok, −14 LUFS y una verificación final contra la especificación de la plataforma.

Las plantillas incluidas cubren TikTok, Reels, Shorts, YouTube, X, LinkedIn, Facebook, podcast y audiogram, y con –template all se generan los siete destinos de video desde la misma edición, junto con una tabla de lo que produjo cada uno. También existe modo –dry-run, que muestra todos los comandos planeados sin ejecutar nada, y –plan, que guarda ese plan con huella digital de los archivos de entrada para ejecutarlo después.

Un contrato legible por máquinas

Lo que distingue a este proyecto de un simple empaquetado de scripts es su disciplina de ingeniería. Cada herramienta describe en contract –json qué recibe, qué escribe, qué componentes de FFmpeg requiere y cómo se verifica su resultado. El servidor MCP deriva su lista de herramientas de ese contrato, y una prueba automatizada mantiene ambos idénticos byte a byte.

El diseño detrás —verificación por operación para agentes de IA— está documentado en un artículo de posición publicado en Zenodo por Kajiyama (2026), titulado What Is Verification-Driven Coding?, donde el propio autor califica a su herramienta como solo parcialmente conforme con la disciplina que propone: un nivel de honestidad poco común en este tipo de proyectos.

¿Quién debería usarlo?

El perfil claro es el creador o equipo de contenido que ya trabaja con agentes de código y prefiere no subir material sin publicar a servicios en la nube. Si tu flujo es más de generación pura con IA, puede interesarte la guía para crear videos con inteligencia artificial desde cero del sitio. Y si lo tuyo es la transcripción automática, la guía de Whisper para transcribir videos complementa bien la función opcional de subtítulos por voz de ffmpeg-skill, que admite motores locales como faster-whisper sin enviar audio a ningún servidor.

Para profundizar en cómo se organizan estos asistentes reutilizables, conviene revisar la guía completa de agentes reutilizables en IA, donde se explica el formato SKILL.md que este proyecto adopta.

Lo cierto es que ffmpeg-skill representa una tendencia que va tomando forma: agentes que no solo generan, sino que miden y comprueban lo que producen. Con 42 herramientas, licencia MIT y compatibilidad probada con FFmpeg 6.1 a 9, es una de las opciones más serias del ecosistema open source para edición de video asistida por IA.