AI 接入 Photoshop

想让 AI 做哪两类活

• 批量处理：一次处理一批图，统一改尺寸、转格式、压缩、加水印、批量导出。
• 对话式精修：对单张图调色、动图层、加文字、做排版，边聊边改。

这两类活有一个共同前提——AI 得真的能操作软件，而不是输出一份「你先点这里再点那里」的说明书。网上大部分所谓「AI 做设计」，做到的都是后一件事。

动手前撞上的四道关卡

问题本质

这是一个双重门槛：版本门槛（旧版软件不支持新协议）叠上协议门槛（没有标准接口暴露软件能力）。只解决其中一层都不成立——升了版本没接口照样接不上，有接口但版本不够也只能退回老路。

三条路线的取舍

最终架构

┌─────────────┐   MCP 协议    ┌──────────────────┐   COM 调用   ┌────────────────┐
│   AI 客户端 │ ────────────→ │ photoshop-mcp-   │ ───────────→ │ Photoshop 2023 │
│ (对话/Agent)│    (stdio)    │ server 0.1.11    │  (pywin32)   │  v24.0.0.59    │
└─────────────┘               └──────────────────┘              └────────────────┘
                                       │
                                       └─ 复杂图形、批量逻辑走 ExtendScript 兜底

这个设计只有一个判断：协议层与执行层分离。MCP 负责「让 AI 能调用」，COM 负责「让调用真正生效」。将来换 AI 客户端、换对话界面，底层执行逻辑一行都不用重写。

关键技术选型

一个必须说清楚的区别

这里的 MCP 不等于 UXP 插件桥接。真正的 UXP 桥接要求更新版本的 Photoshop，本机的 2023 仍然不够。本项目用的是「MCP 协议外壳 + COM 执行内核」，这也正好解释了它为什么能同时做到协议标准化和旧版本兼容。

这条区别不是咬文嚼字。市面上有项目把 COM 封装包装成「UXP 后端」对外宣传，照着它的架构图做方案会直接踩空。

整个过程分六个阶段，每个阶段都有明确的验证结果，前一个不通过就不进下一个。

阶段一　环境探测

先确认本机实际条件，避免基于假设做设计。

阶段二　COM 通道验证

这是整条链路的地基，必须先证明「能不能驱动」，再谈别的。

连接版本：24.0.0
文档创建：COM-Test (200×200)  → 成功
文档关闭：成功
进程退出：成功

结论：这套安装包没有阉割 COM 接口，建文档、关文档、退出全部可用。地基成立。

阶段三　装 MCP Server

pip install photoshop-mcp-server        # 官方源成功，国内镜像没有这个包

→ photoshop-mcp-server 0.1.11
→ 附带 mcp 1.30.0、photoshop-python-api 0.24.2

启动后注册成功 8 个工具，覆盖文档、图层、会话三大类。

阶段四　客户端配置

在客户端配置里注册一个 stdio 类型的服务条目：

{
  "mcpServers": {
    "photoshop": {
      "command": "<python环境路径>\\Scripts\\photoshop-mcp-server.exe",
      "args": []
    }
  }
}

两个配置要点：args 留空，因为这个服务启动即进入协议，没有子命令；不需要环境变量，底层会自动连当前注册的 Photoshop 实例。

阶段五　冒烟测试

验证协议层真的通了，而不是仅仅「进程起来了」。

阶段六　端到端实战

拿一张 A4 苹果风格产品海报做真实业务验证：竖版 2480×3508（300 DPI），深色极简，要有背景、主视觉图形、标题文字和辅助信息。

成品做了像素级抽样，不是「看起来像那么回事」：

结论：全链路打通。AI 可以独立完成从建画布到导出成品的完整流程，中间不需要人回到 Photoshop 界面里补操作。

目前没有录屏。这条链路的效果是「一句话之后，Photoshop 里自己多出几个图层」，录屏反而比截图更难说明发生了什么。

能拿出来的证据是那张 A4 海报本身：尺寸、配色、文字层级都是上面阶段六的实测数据产出的。等我把成品图和过程截图整理出来，会补在这一节。

还欠的演示：

• 批量处理：一次改一批图的尺寸和格式，这一块能力已经跑通，但没有做成可公开的样例。
• 对话式精修：边聊边改单张图，过程记录比结果更值得看。
• 一段完整录屏：从一句需求到导出文件，不加剪辑。

下面这些是实际踩到的坑，按发现的顺序排。绝大多数不是「技术不会」，是环境和文档在骗人。

四条值得记下来的认知

1. 协议层与执行层必须解耦。MCP 解决「能否被统一调用」，COM 解决「调用能否落地」。把两者绑死，升级时会付出高昂代价。
2. 不要轻信项目文档的架构描述。有项目宣称支持 UXP 后端，发行版实际是 COM 封装。判断依据应该是读源码，不是读 README。
3. 版本升级要看「解锁了什么」。从 2021 升到 2023，价值不只是性能，而是跨过了一条版本线——它决定了将来能不能切到功能更完整的官方桥接。
4. 工具的能力边界要提前摸清。8 个工具能建文档、加图层、写文字，但画圆、渐变、批量修图都没有对应工具。必须提前规划兜底路径，否则会在任务中途卡死。

最终成果