1.87 万 Star 的 Concat:一个用 Rust 写的本地优先剪辑软件,还内置 MCP 让 AI 替你剪片
视频剪辑软件长期是付费订阅的天下:Premiere、Final Cut、剪映专业版各有壁垒,而近几年打着"AI 剪辑"旗号的在线工具又普遍要求注册、上传素材、成品带水印。最近有个叫 Concat 的开源项目反着来——完全免费、本地运行、素材从不上传,还把一个 MCP 服务器内置进了编辑器,让 AI Agent 能直接操作时间线。
它 2026 年 8 月底才建仓,三个月就涨到 1.87 万 Star。我把仓库克隆下来逐 crate 读了一遍,这篇回答三个问题:一个本地优先的剪辑器如何用 Rust 搭起来、它的本地 AI 和 MCP 自动化到底怎么实现、以及 beta 阶段和 AGPL 协议下你该注意什么。
一、先看家底:18.9 万行 Rust,一个 workspace 管 18 个 crate
Concat 不是套壳 FFmpeg 的小工具,而是一个工程化程度很高的完整编辑器。我统计了 src/ 下的代码:276 个 Rust 源文件、约 18.9 万行,组织成 18 个 crate 的单一 Cargo workspace,版本 0.2.12,要求 Rust 1.93。

从 crate 命名能清楚看出分层:concat 是 4.4 万行的主程序,用 Slint 做声明式 UI、Skia 做 GPU 渲染;concat-core 放核心数据模型,concat-media(1.67 万行)负责基于 FFmpeg 7 的解码,concat-render 是可选的 GPU 合成器,concat-effects 实现约百种特效滤镜转场;能力层有 concat-vision(视觉)、concat-speech(语音)、concat-text(字幕标题)、concat-project(2 万行的工程管理);自动化层则是 concat-mcp、concat-api、concat-server、concat-cli 和负责 4K 导出的 concat-export。
这种分层最实际的好处是引擎与界面解耦:GPU 合成器被做成可选 feature,纯引擎任务不必承担这块编译重量,而且整个编辑器能在没有窗口的 headless 模式下跑渲染。仓库里有 187 个带测试的文件,CI 还会跑 cargo fmt --check 和 cargo clippy -D warnings,发布的每个文件都由 GitHub Actions 从打 tag 的提交构建、测试通过后才上传,不接受任何个人机器上的构建产物。
二、22 个本地 AI 模型:能力在本机,素材不上云
现在的剪辑器都在加 AI,Concat 的不同在于所有模型都跑在你自己的机器上。我读了 models/manifest.toml,一共管理 22 个模型,分成几类:

- 智能抠像:RobustVideoMatting 做人物分割、ISNet 做通用物体、SAM(slimsam)支持笔刷手绘蒙版,外加 Real-ESRGAN 做超分辨率放大;
- 语音与配音:Chatterbox 本地 TTS、几秒录音即可声音克隆,桌面端还有 Kokoro 语音库;
- 字幕与音频:Whisper 本地自动转写生成字幕、Spleeter 做人声/伴奏分离,以及一键降噪、人声增强、响度均衡。
这里有个很专业的供应链设计值得单独说。模型体积比编辑器本身大很多倍,所以安装包不捆绑任何权重,而是在你第一次使用某个功能时按需下载。清单里每个模型都带 sha256 摘要,下载完必须校验通过,没有摘要的模型直接拒绝运行;Hugging Face 上游被锁定到具体 commit 而非 main,同时所有模型还镜像到项目自己的 models-v1 release,第三方图床挂了也不受影响。网络请求只在你主动检查版本或下载模型时发生,真正的剪辑和推理完全离线——这就是它敢承诺"footage never leaves your disk"的底气。
三、内置 MCP:让 AI Agent 像剪辑师一样操作时间线
这是 Concat 最有差异化、也最契合当下 Agent 浪潮的部分。它在 App 里内置了一个 MCP(Model Context Protocol)服务器,Claude Code、Claude Desktop 或任何 MCP 客户端,只要把启动命令指向 concat --mcp,就能调用和图形界面完全相同的编辑能力,无需额外安装。

我把 docs/MCP.md 读完了,它的设计有几个讲究。一是双运行模式:窗口模式(window)下,Agent 走你正在运行的编辑器,但不能打开并覆盖你屏幕上的工程,导出还会和你的操作排队,更安全;无头模式(headless)下,MCP 服务器自己拉起引擎,什么窗口都不用开。每个进程用 concat.lock 锁住自己打开的工程,窗口和 Agent 同时编辑同一个工程会被直接拒绝,从根上杜绝双写冲突。二是文件沙箱:Agent 写出的工程、导出、帧文件默认只能放在你的家目录,要让 headless 模式访问其他目录得显式配置 CONCAT_MCP_ROOTS 白名单。
在能力上,它暴露了 40 多个工具:工程的创建/打开/保存、timeline_read 读时间线、素材探测导入、分割/修剪/移动/变速/冻结帧、captions_add 加字幕、keyframe_set 打关键帧、特效层管理,一直到带进度的 export_start/status/wait 导出闭环。通用编辑还能用 edit_apply 把一批命令合并成一个撤销步骤。关键是这些工具的参数 schema 由 API 的 Rust 类型自动生成,Agent 拿到的约束和引擎内部完全一致,不会出现文档和实现漂移。除了 MCP,它还提供 JSON-RPC,从源码编译则额外解锁 gRPC 和命令行工具,方便把剪辑接进自己的服务和流水线。
四、完整的剪辑能力与五平台覆盖
抛开 AI 和 MCP,作为一个编辑器它的基本功也覆盖了大多数场景:多轨多时间线、画中画与叠加层、混合模式、关键帧曲线编辑器、磁吸时间线、约 100 种特效滤镜转场、标题样式预设、一键语音清理;导出支持 H.264、HEVC、AV1,最高 4K 60 帧、10-bit 色深,并内置代理素材让 4K 剪辑能流畅拖动。平台覆盖 macOS(Intel/Apple Silicon)、Windows、Linux(deb/rpm/AppImage/Arch/Flatpak)、Android 手机平板,iOS 走侧载,26 种语言、同一套工程文件互通。官方给的适用场景是 TikTok/Reels/Shorts、YouTube、教程录屏、播客切片和梗图。
五、祛魅:beta 阶段和 AGPL 协议的真实约束

喜欢归喜欢,几条边界必须讲清楚。
第一,它仍是 beta。 当前版本 v0.2.x,README 自己都写"it works, and it still has edges",issue 区有 300 多个开放问题,最近的 release notes 也在修剪切处黑帧、预览异常这类基础问题,重度生产使用前建议先在非关键项目里充分测试。
第二,安装和硬件门槛。 Windows 构建还没有代码签名证书,SmartScreen 会弹未知应用警告,开了 Smart App Control 的系统甚至直接拒绝运行;ARM 版 Windows 暂停、iOS 需侧载。本地 AI 模型吃算力,低配机器跑抠像、转写会比较吃力。
第三,也是最容易被忽略的——AGPL-3.0 协议。 它不是 MIT/Apache 那种宽松许可。AGPL 有强 copyleft:你基于它做闭源产品分发需要开源衍生代码,哪怕你把它做成在线剪辑服务通过网络提供给用户,同样触发开源义务。作者明确提供商业授权(见 LICENSING.md)供闭源集成,所以个人使用、学习、内部剪辑完全自由,但想拿它做商业 SaaS 或闭源分发,必须先理清授权。
我的判断
Concat 真正的价值,是把"本地优先、隐私可信"和"AI 原生、Agent 可编排"这两件事在一个专业编辑器里同时做到了可用水准。18.9 万行结构清晰的 Rust、严格的模型供应链校验、带工程锁和沙箱的 MCP 设计,都说明这不是蹭热点的玩具,而是朝着替代订阅制剪辑软件去的正经工程。
对隐私敏感的创作者、需要脚本化批量剪片的开发者、以及想给工作流接 MCP 自动化的人,它非常值得现在就上手试;但请接受它 beta 的不成熟,并在商用前认真对待 AGPL。工具把能力和源码都摊开给你了,要不要押注、怎么合规使用,决定权在你手里。