Higgsfield MCPの接続にAPIキーは必要ですか？

公式のホスト型MCP（mcp.higgsfield.ai）はブラウザOAuth認証のため、APIキーの手動設定は不要です。初回接続時にブラウザが開き、Higgsfieldアカウントでサインインするだけで完了します（2026年7月時点）。

MCPとCLI（skill）はどちらを使うべきですか？

公式ページはClaude CodeユーザーにはCLI（skill）を推奨しています。手順の自動化や複数モデルの呼び分けを細かく制御したい場合はCLI、まず最小構成で試したい場合はMCPが向きます。

character drift（顔や服が変わる問題）はどう防ぎますか？

生成前にマスターとなる1枚を作り、それを全ショットの始端参照に入れる「keyframe injection」と、前ショット終端を次の始端に渡す連結が有効です。人物の同一性はSoul ID（学習型）で根本的に固定できます。

無料の範囲でどこまで試せますか？

2026年7月時点で無料枠は月150クレジットが目安です。モデルと解像度でクレジット消費が変わるため、静止画で構図を固めてから動画化するとクレジットを節約できます。

生成が返ってこない・接続が切れるときは？

動画ジョブは完了まで時間がかかるため、ステータス確認を数秒間隔でポーリングします。接続がpendingのままなら再起動、OAuthの期限切れなら/mcpパネルから再認証します。

Higgsfield MCPをClaude Codeに繋ぐ手順と実運用のコツ

Higgsfield MCPをClaude Codeに繋ぐと、ターミナルから直接「画像を作って」「この画像を動かして」と指示するだけで、Kling 3.0やSeedance 2.0などの動画・画像モデルを呼び出せます。接続は公式コマンド1行とブラウザ認証で数分。この記事では、まず接続手順に答えたうえで、実際に動画素材を作って分かった生成ワークフロー、モデルの使い分け、そして一番つまずく「顔や服が勝手に変わる問題」の回避策までを、実録でまとめます。

この記事で分かること:

Claude CodeへのHiggsfield MCP／CLIの導入手順（コマンドつき）
素材を破綻させずに作る6ステップのワークフロー
タスク別のモデル使い分け早見表
character drift（同一性の崩れ）の具体的な回避策
クレジット消費と運用の現実

実行環境: Windows 10 / Claude Code（2026年7月時点の最新版を想定）/ 検証日 2026年7月。生成AIの分野は更新が速いため、コマンドや仕様は必ず公式（higgsfield.ai/mcp）で最新を確認してください。仕様が変わりやすい箇所は「2026年7月時点」と明記しています。

Higgsfield MCPはどうやってClaude Codeに繋ぐ？

結論から言うと、ターミナルで公式コマンドを1行実行し、ブラウザでHiggsfieldアカウントにサインインするだけです。APIキーの手動設定は不要です（2026年7月時点）。

Higgsfieldは2026年4月30日にホスト型のMCPサーバーを公開しました。Claude Codeに追加するコマンドは次のとおりです。

claude mcp add --transport http --scope user higgsfield https://mcp.higgsfield.ai/mcp

実行すると、Claude Codeがブラウザを開いてOAuth認証を始めます。Higgsfieldアカウントでサインインしてターミナルに戻れば接続完了です。私の場合は一度で通り、認証まで1分ほどでした。ターミナルの操作に慣れていないと、もう少し時間を見ておいたほうがよいかもしれません。詰まったときは、エラーや画面のスクリーンショットをそのままClaude Codeに貼ると対処を案内してくれるので、それで一気に進みました。

接続できたかは、次のいずれかで確認します。

claude mcp list

higgsfield http ✔ connected のように表示されれば成功です。Claude Code内なら /mcp スラッシュコマンドでも接続状態のパネルを確認できます。

--scope user は全プロジェクトで使える設定、--scope project はそのリポジトリだけで使える設定です。複数の制作プロジェクトで使うなら user が扱いやすいです。

MCPとCLI（skill）はどちらで繋ぐべき？

公式ページはClaude CodeユーザーにはCLI（skill）を推奨しています。細かく制御したいならCLI、最小構成で試すならMCP、という使い分けが実際的です。

まずMCPで最小構成を試したい場合は、前述のコマンドで十分です。一方、手順を自動化したり、複数モデルを役割ごとに呼び分けたりする運用に踏み込むなら、CLIとskillのほうが取り回しがよくなります。

CLIの導入は次のとおりです。

npm install -g @higgsfield/cli
higgsfield auth login

higgsfield auth login もブラウザが開いてサインインするだけで、公式表記では5秒ほどとされています。Claude Codeにskillとして入れる場合は、公式が案内するskillハブ経由でGenerate／Product Photoshoot／Soul IDなどを追加できます。

使い分けの目安としては、MCPは「対話しながら1枚ずつ作る」用途に向き、CLIは「決まった手順を繰り返し回す」自動化に向きます。素材を量産する段階では、CLI側のほうが取り回しやすくなります。

繋いだ後、素材はどんな手順で作る？

素材づくりは「生成前に絵を固定してから動かす」のが要点です。AI動画は1ショットが1回のガチャで、何もしないとショットごとに顔・服・場所が変わります。そこで、次の6ステップで進めると破綻が激減します。

ビート設計: 全体を3〜5個の見せどころ（ビート）に分ける
ストーリーボード: 各ビートを1〜3ショットに割り、構図・動き・尺（4〜8秒）・カメラ・トーン・つなぎを決める
キーフレーム設計: 各ショットの始端フレームと終端フレームを「画として」確定する
キーフレーム生成: 主役の決定版となるマスター画像を最高解像度で1枚作る
整合と量産: マスターを参照に各ショットの両端画像を作る
ショット生成と仕上げ: 各ショットを画像から動画化し、連結・カラーグレード・書き出しで整える

ポイントは、いきなり文章から動画を作る（text-to-video）のではなく、まず静止画で「見た目の錨」を固めてから動かす（image-to-video）ことです。image-to-videoのほうが制御が効きます。長い動きを1ショットに詰め込まず、2ショットに割るのも崩れを防ぐコツでした。

モデルはどう使い分ける？

タスクごとに向いたモデルが違うので、役割で引けるようにしておくと迷いません。以下は2026年7月時点で私が使っている対応の目安です。

やりたいこと	使うモデル・機能
主役の顔を全ショットで固定したい	Soul ID（顔を学習させる）
キーフレーム（静止画）を作る	Nano Banana Pro（複数キャラの配置に強い）
静止画を高忠実に微修正したい	GPT Image 2に参照画像を渡して部分編集
顔を保ったまま場所やポーズを変えたい	Flux Kontext（指示ベースの画像編集）
始端と終端をつないでループさせたい	Kling 3.0（始終端フレーム指定）
参照を盛って一気に動画化したい	Seedance 2.0（多数の参照をまとめて反映）
風景や大気感のある映像がほしい	Veo 3.1

静止画は、ゼロから雰囲気を作るよりも「既存の画像を編集する」ような作業では、GPT Image 2が強いと感じました。特に文字の扱いがよく、日本語でもレイアウトを崩さずに入れてくれます。まるで文字の意味を分かっているかのようです。解像度は、2026年7月時点でFlux系が2Kまでなのに対し、GPT Image 2はそれ以上の解像度にも対応するため、大きく使いたい素材はGPT側で作ると扱いやすいです。用途で分けると、雰囲気づくりはFlux系、文字入りや編集寄りの仕上げはGPT系、と考えると迷いません。なお、モデル名はバージョン込みで指定する必要があり、表記ゆれで弾かれることがあるので注意してください。

一番つまずく「顔や服が変わる問題」はどう回避する？

character drift（ショットごとに同一性が崩れる現象）は、参照の入れ方で大きく減らせます。私が効果を実感した手順は次のとおりです。

keyframe injection: マスター画像を各ショットの始端参照に毎回入れて、初手で「この人だ」と固定する
始端終端チェイン: 前ショットの最終フレームを書き出し、次ショットの始端参照に渡す。場所や連続性が物理的につながる
プロンプト核の固定: 外見や場所の記述は全ショットで一字一句同じにし、変えるのは動きとカメラだけにする
seedの固定: 関連するショットは同じseedを使う
Soul IDで根治: 人物の同一性が繰り返し崩れるなら、顔を学習させるSoul IDで根本的に固定する

それでも崩れるときは、〔参照を追加する→seedを元に戻す→構図を単純化する〕の順で対処すると立て直しやすいです。背景をシンプルにし、被写体を1〜2体に絞るだけでも顔崩れが目に見えて減りました。

実際、クレジットと運用はどうなる？

生成はクレジット制で、モデルと解像度によって消費が変わります。無料枠は2026年7月時点で月150クレジットが目安です。動画は静止画より重いので、使い方次第で消費に差が出ます。

私の運用で効いた節約策は「静止画で構図を固め切ってから動画化する」ことです。動画で試行錯誤するとクレジットが一気に減るため、キーフレームの段階で納得いくまで詰めてから動画に進むと無駄が減りました。

運用面での注意点も挙げておきます。

動画ジョブは完了まで時間がかかる（数十秒〜90秒以上かかることもある）。ステータス確認は数秒間隔でポーリングする
接続がpendingのままなら、MCPサーバーを再起動する
OAuthの有効期限が切れたら、/mcp パネルから再認証する

生成そのものはClaude Code内で完結しますが、素材ができた後の連結・色調整・書き出しは別途手を動かす工程が残ります。「素材生成を任せて、仕上げは自分で握る」という分担にすると、破綻の少ない映像に仕上がりました。

まとめ

Higgsfield MCPは、claude mcp add の1行とブラウザ認証だけでClaude Codeに繋がり、APIキー管理も不要です（2026年7月時点）。細かく回す運用にはCLI（skill）が向きます。

素材づくりの肝は、text-to-videoで一発を狙うのではなく、静止画で見た目を固めてからimage-to-videoで動かすこと。character driftはkeyframe injectionと始端終端チェイン、そしてSoul IDで抑えられます。クレジットは静止画で詰め切ってから動画化することで節約できます。

まずは無料枠で静止画を1枚作り、それを動かすところから試すのがおすすめです。仕様は変わりやすいので、コマンドや無料枠は公式（higgsfield.ai/mcp）で最新を確認してください。