ali-bailian-mcp

调用阿里云百炼（DashScope）的 MCP server，结果直接存到本地。

0.5.0 去掉 query_video：视频进度统一用 get_job 查询，完成时自动下载；生成类工具和 chat、text_to_speech、speech_to_text 新增 parameters。这是不兼容变更。

生图模型（model 写别名或完整 ID）：

也可以直接写 qwen-image-2.0-pro、qwen-image-max、qwen-image-edit-max、wan2.7-image 等其他 ID。

语言模型别名：max → qwen3.8-max（默认，能看图）、plus → qwen3.7-plus、flash → qwen3.8-flash；其他模型直接写 ID，如 deepseek-v4-pro、kimi-k3、glm-5.3。chat 统一走流式接口，支持多轮历史、看图、深度思考开关、JSON 输出和联网搜索。

视频是异步任务：generate_video 默认 wait=0，提交后返回 task_id、job_id；之后 get_job(job_id=...) 查进度，默认单次查询，需要短轮询可指定 wait，最多 90 秒。视频的参考素材和本地文件会自动上传到百炼临时存储（48 小时有效）。

模型不支持的明显参数组合在本地直接报错，其余交给服务端校验。

parameters 放工具没单独列出的官方字段，深度合并：原生接口（生图、视频、TTS）合并进官方请求的 parameters 对象，OpenAI 兼容接口（chat、speech_to_text）合并进请求体顶层。

环境变量

参数说明见工具描述（src/ali_bailian_mcp/server.py），接口细节以百炼的文生图、OpenAI 兼容接口、千问 TTS、千问 ASR 和万相 3.0 视频文档为准。

0.3 新增接入（待云端验证）

音色创建与使用

clone_voice 默认目标模型 qwen3-tts-vc-2026-01-22；design_voice 默认 qwen3-tts-vd-2026-01-26。

创建返回 voice 和 target_model，后续必须调用 text_to_speech(text=..., voice=返回音色, model=返回目标模型)。 默认flash系统音色模型不能用于这些定制音色。当前创建工具支持Qwen非实时VC/VD，音色列表也可查询CosyVoice/Qwen-Audio；后两者的合成接口不在此轮范围内。

Qwen没有独立的详情接口，get_voice 会从列表分页查找；达到 max_pages 只表示查找未完成，不表示音色不存在。

视频编辑和数字人

新增视频工具默认 wait=0，只提交并立刻留档；之后用 get_job(job_id=...) 查进度，下载失败用 recover_job(job_id=...)。

HappyHorse编辑输入视频3–60秒，输出最多15秒。数字人音频须小于20秒、小于15MB，分辨率480P/720P，北京地域。 本地视频素材会上传百炼临时存储；参考图片在编辑接口中使用data URL。模型和地域权限需后续真实调用确认。

向量与重排序

• 文本：embed(texts=[...], model="text-embedding-v4")。
• 多模态：embed(contents=[{"text":"猫"},{"image":"/absolute/cat.png"}], model="qwen3-vl-embedding")。
• 向量不自动创建索引、数据库或知识库。
• rerank 默认 qwen3.7-text-rerank，走原生接口；qwen3-rerank 走 /compatible-api/v1/reranks。完整请求与响应保留接口差异。

任务恢复

BAILIAN_JOB_DIR 默认 ~/.local/share/ali-bailian-mcp/jobs。任务记录使用独立UUID，生成请求前写入；默认产物目录也增加随机后缀，避免同秒调用碰撞。

• 图片：保存完整响应和逐项URL，再有限并发交付；恢复只补下载。
• 视频：保存云端 task_id，重启后查询原任务，刷新结果URL；不重新提交生成。
• TTS：逐段保存文本、生成URL和文件；恢复跳过已合成段，只继续尚未提交的段，再拼接WAV。状态未知的段禁止自动重复合成。明确被拒绝的段可由显式恢复调用再次提交。
• 音色设计：先留档音色ID再交付试听；恢复只补试听交付，不再次创建音色。
• 工具调用超时且没有拿到ID，可通过 list_jobs 按时间、模型和摘要查找记录。

新增返回 job_id、job_state、artifacts、request_id。job_state 区分 unknown / running / generated / partial / download_failed / failed / delivered。 ok 表示本次调用成功；已提交或运行中返回 ok=true, completed=false，全部交付返回 completed=true。组图部分失败使用 MCP isError=true，并保留成功产物。get_job.ok 仅表示记录读取成功。 artifacts 含文件、来源URL、逐项错误、字节数与SHA-256；合成WAV另含实际时长和采样率。

下载先写临时文件，检查非空和HTTP长度后原子替换；恢复用SHA-256跳过完整文件。校验下载完整性不等于检查视觉/听觉质量。 临时URL过期、没有拿到完整同步响应、存储故障造成的响应丢失，都可能无法恢复。 任务记录保留签名URL、生成响应及TTS文本；不保存API Key。url模式也写任务记录，音色试听若只有内联数据会保存本地文件。 分段文件和响应缓存是恢复所需资产，不自动清理。恢复锁使用POSIX flock，面向macOS/Linux。

已通过离线故障测试与真实 stdio 检查；未发起云端付费生成，新增产品仍待云端验证。历史接入范围见 接入记录，本轮验证见 稳定性记录。

产物的 media_info 读取PNG头中的实际宽高；若系统已有 ffprobe，可读取其他媒体的实际尺寸、时长和音轨信息。不可读取时显式返回 available=false，不把请求参数当作实际输出规格。无需新增Python依赖。

运行时与稳定性

共享连接池、总超时、工具分组、错误语义和迁移说明见 MCP 构建与稳定性。完整工具说明可调用 get_tool_help(tool="工具名")。

官方契约与最新文档

2026-10-10 完成全部工具和默认模型的官方对照；详见 百炼审计。list_models 现在查询原生 /api/v1/models 全模态分页目录，返回 complete 与官方元数据；目录存在不等于账号授权。北京建议将 DASHSCOPE_BASE_URL 设置为真实 workspace 根域名。Wan3 支持 link 网页参考，不能与 file 同用，也不能与首尾帧混用。ASR 工具仅接入 Qwen3-ASR-Flash HTTP 系列，Fun-ASR、filetrans 和 realtime 需要独立协议。