mcp_voice_salute 0.1.0

MCP сервер для работы с голосовыми API SaluteSpeech от Сбера

MCP SaluteSpeech

MCP SaluteSpeech - это реализация MCP (Model Context Protocol) сервера, предоставляющего инструменты для работы с голосовыми API SaluteSpeech от Сбера. Позволяет AI ассистентам записывать речь пользователя с микрофона, распознавать её с помощью и синтезировать речь из текста.

Сервер предоставляет доступ агентам на основе LLM к голосовому интерфейсу, значительно расширяя возможности взаимодействия с пользователем.

Из чего состоит MCP SaluteSpeech?

MCP SaluteSpeech предоставляет два основных инструмента:

1. sber_stt_record_and_recognize - записывает аудио с микрофона до появления 3-секундной паузы, отправляет запись на API распознавания речи SaluteSpeech и возвращает распознанный текст.

2. synthesize_speech - синтезирует речь из текста с помощью API SaluteSpeech и воспроизводит её через аудиоустройство компьютера.

Эти инструменты особенно полезны для:

• Создания голосовых интерфейсов для AI ассистентов
• Разработки приложений с поддержкой голосового управления
• Интеграции голосовых возможностей в агентные системы на базе LLM

Возможности

• Реализация голосовых инструментов для MCP (Model Context Protocol)
• Полная интеграция с API SaluteSpeech от Сбера
• Готовность к работе с такими ассистетами как Cursor, Windsurf и другими
• Поддержка распознавания и синтеза русской речи

Настройка MCP сервера

Добавьте этот MCP сервер к вашему агенту.

"mcpServers": {
    "mcp-salutespeech": {
        "command": "uvx",
        "args": ["mcp-salutespeech"],
        "enabled": true,
        "env": {
            "SALUTE_SPEECH": "ВАШ_ТОКЕН_SALUTESPEECH"
        }
    }
}

Описание инструментов

sber_stt_record_and_recognize

Записывает аудио с микрофона до появления 3-секундной паузы, затем отправляет запись на API распознавания речи SaluteSpeech и возвращает распознанный текст.

Вход: Не требует параметров Поведение: Выполняет запись с микрофона, распознавание и возвращает текст Выход: Строка с распознанным текстом

synthesize_speech

Синтезирует речь из текста с помощью API SaluteSpeech и воспроизводит её через аудиоустройство компьютера.

Вход:

• text (string) — Текст для преобразования в речь
• format (string, опционально) — Формат аудио (по умолчанию "wav16")
• voice (string, опционально) — Голос для синтеза (по умолчанию "Bys_24000")

Поведение: Преобразует текст в речь и воспроизводит через динамики Выход: Подтверждение успешного воспроизведения

Пример использования с Claude

# Пример вызова инструмента распознавания речи:
text = await mcp_mcp_salutespeech_sber_stt_record_and_recognize(random_string="")
print(f"Распознанный текст: {text}")

# Пример вызова инструмента синтеза речи:
await mcp_mcp_salutespeech_synthesize_speech(text="Привет! Как дела?", voice="Bys_24000")

Как добавить этот MCP сервер в Cursor

Есть два способа добавить MCP сервер в Cursor:

1. Глобально - добавить сервер в файл ~/.cursor/mcp.json
2. Для проекта - добавить сервер в файл .cursor/mcp.json в вашем проекте

Добавление MCP сервера глобально

Перейдите в Cursor Settings > MCP и нажмите "Add new global MCP server". Затем добавьте следующую конфигурацию:

{
    "mcpServers": {
        "mcp-salutespeech": {
            "command": "uvx",
            "args": ["mcp-salutespeech"],
            "enabled": true,
            "env": {
                "SALUTE_SPEECH": "ВАШ_ТОКЕН_SALUTESPEECH"
            }
        }
    }
}

Требования к окружению

Для работы с API требуется установить переменную окружения:

SALUTE_SPEECH - токен Basic авторизации для доступа к API SaluteSpeech

Лицензия

MIT License