Skip to content

用于 ADK 的 Cartesia MCP 工具

Supported in ADKPythonTypeScript

Cartesia MCP 服务器 将你的 ADK 智能体连接到 Cartesia AI 音频平台。此集成使你的智能体能够生成语音、将声音本地化为不同语言，并使用自然语言创建音频内容。

使用场景

  • 文本转语音 (TTS)：使用 Cartesia 丰富的语音库将文本转换为自然流畅的语音，你可以精确控制语音选择和输出格式。

  • 语音本地化：将现有声音转换为不同语言，同时保留原说话者的特征，非常适合多语言内容创作。

  • 音频填充 (Audio Infill)：填充音频段之间的空白以实现平滑过渡，适用于播客编辑或有声读物制作。

  • 语音转换：将音频剪辑转换为 Cartesia 库中其他不同的声音。

先决条件

在智能体中使用

from google.adk.agents import Agent
from google.adk.tools.mcp_tool import McpToolset
from google.adk.tools.mcp_tool.mcp_session_manager import StdioConnectionParams
from mcp import StdioServerParameters

CARTESIA_API_KEY = "YOUR_CARTESIA_API_KEY"

root_agent = Agent(
    model="gemini-flash-latest",
    name="cartesia_agent",
    instruction="帮助用户生成语音并处理音频内容",
    tools=[
        McpToolset(
            connection_params=StdioConnectionParams(
                server_params=StdioServerParameters(
                    command="uvx",
                    args=["cartesia-mcp"],
                    env={
                        "CARTESIA_API_KEY": CARTESIA_API_KEY,
                        # "OUTPUT_DIRECTORY": "/path/to/output",  # 可选
                    }
                ),
                timeout=30,
            ),
        )
    ],
)

import { LlmAgent, MCPToolset } from "@google/adk";

const CARTESIA_API_KEY = "YOUR_CARTESIA_API_KEY";

const rootAgent = new LlmAgent({
    model: "gemini-flash-latest",
    name: "cartesia_agent",
    instruction: "帮助用户生成语音并处理音频内容",
    tools: [
        new MCPToolset({
            type: "StdioConnectionParams",
            serverParams: {
                command: "uvx",
                args: ["cartesia-mcp"],
                env: {
                    CARTESIA_API_KEY: CARTESIA_API_KEY,
                    // OUTPUT_DIRECTORY: "/path/to/output",  // 可选
                },
            },
        }),
    ],
});

export { rootAgent };

可用工具

工具 描述
text_to_speech 使用指定的语音将文本转换为音频
list_voices 列出所有可用的 Cartesia 声音
get_voice 获取特定声音的详细信息
clone_voice 从音频样本中克隆声音
update_voice 更新现有声音
delete_voice 从库中删除声音
localize_voice 将语音转换为另一种语言
voice_change 转换音频文件以使用不同的声音
infill 填充音频段之间的空白

配置

Cartesia MCP 服务器可以使用环境变量进行配置：

变量 描述 是否必填
CARTESIA_API_KEY 你的 Cartesia API 密钥 是
OUTPUT_DIRECTORY 存储生成的音频文件的目录 否

其他资源