Runway Dev — Models
Companion : Utilisez
+runway-devpour la configuration partagée si disponible. Sinon, connectez Dev MCP, sélectionnez un projet aveclist_projects, lisezllms.txt, et conservezRUNWAYML_API_SECRETcôté serveur.
Goal
Aider l'utilisateur à choisir et intégrer un endpoint de modèle (/v1/text_to_video, /v1/text_to_image, etc.) dans toute son application, y compris l'appel backend et l'UI existante. Vérifiez les modifications avec un appel SDK fonctionnel quand c'est sûr.
MCP tools
list_models— découvrir les modèles que le projet sélectionné peut appeler et lire lesinputConstraintsde chaque modèle.get_credit_balance— vérifier le budget avant une vérification facturable.get_task— inspecter ou déboguer une tâche existante, ne pas remplacer les helpers d'attente SDK dans le code applicatif.
Workflow
- Inspectez l'application existante. Confirmez l'expérience utilisateur, la modalité cible, et où appartiennent les entrées et sorties de génération.
- Appelez
list_modelsavec{ projectId, endpoint }. Choisissez un modèle retourné ; si le contexte épingle un id de modèle, préférez-le quand il est accessible. - Suivez la documentation de l'endpoint liée par
llms.txt; ne déduisez pas les champs de requête d'un autre modèle. - Gardez
RUNWAYML_API_SECRETderrière la frontière serveur de l'application. - Implémentez ou mettez à jour l'appel SDK en chaînant
.waitForTaskOutput()en Node ou.wait_for_task_output()en Python directement depuis l'appel create. - Si l'application a une UI, connectez ses contrôles au backend et rendez les états de chargement, erreur, et sortie générée.
- Quand la vérification est appropriée, soumettez une génération de test. Présentez le résultat et proposez de persister la sortie avant l'expiration de son URL signée.
Do not
- Devinez les ids de modèles, les ratios, ou les durées de mémoire ou d'autres modèles.
- Mettez les clés API dans les bundles frontend.
- Ajoutez un polling manuel quand le helper d'attente SDK convient, ou resoumettez sur des erreurs de lecture transitoires.