MCP 与 Agent

让 Agent 听懂你的录音和视频

注册一次 MCP,Claude Code 这类 Agent 就能调用 EdgeSpeak 在本机转录、对齐、生成语音。

直接答案

EdgeSpeak 提供 13 个 MCP 工具,覆盖转录、说话人识别、强制对齐、分句、播报、声音管理和本机语言模型。用 `claude mcp add edgespeak -- edgespeak-cli mcp` 注册后,Agent 就能用自然语言调用它们,语音处理在你的电脑上完成。

一行命令接入

先安装并激活 edgespeak-cli,再在 Claude Code 里注册。其他支持 stdio 的 MCP 客户端用同一条命令。走 stdio 时,MCP 复用桌面 App 已加载的模型。不开 App 时,运行 edgespeak-cli serve 并连接它的 HTTP /mcp,由它自行拉起随附的本地引擎。

claude mcp add edgespeak -- edgespeak-cli mcp

13 个工具能做什么

按用途分组:

  • 转录与说话人:edgespeak_transcribe_file、edgespeak_transcribe、edgespeak_diarize_file
  • 对齐与分句:edgespeak_align、edgespeak_segment_sentences
  • 播报与声音:edgespeak_create_speech、edgespeak_list_voices、edgespeak_add_voice、edgespeak_delete_voice、edgespeak_speech_examples
  • 模型与用量:edgespeak_list_models、edgespeak_create_response、edgespeak_usage_summary

完整示例:和 Claude Code 一起剪视频

Claude Code 本身会调用 FFmpeg,EdgeSpeak 告诉它每个词的起止时间。比如让它「把这段访谈里超过两秒的停顿剪掉,再配上逐词字幕」:Agent 先转录拿到词级时间戳,按时间生成 FFmpeg 剪辑命令,再用 EdgeSpeak Agent Skill 导出字幕并烧进画面。

数据留在哪里

转录、对齐和播报都在你的电脑上用本机模型完成。工具返回的文字会交给 Agent,由 Agent 使用的模型继续处理;如果 Agent 用的是云端模型,这部分文字会发送到该服务。

MCP、CLI 与 Agent Skill 怎么选

MCP 让 Agent 直接调用单个工具;Agent Skill 教 Agent 用 CLI 走完整流程:转录、分句、对齐、导出字幕;脚本和自动化可以直接用 CLI 或本地 API。三者可以一起用。

常见问题

支持哪些 MCP 客户端?

支持 stdio 的 MCP 客户端都能接入,例如 Claude Code。也可以通过桌面 App 或 Headless 服务的 HTTP /mcp 通道调用。

需要开着桌面 App 吗?

走 stdio 需要:stdio 服务只连接正在运行的 App,App 关闭时返回 could not reach gateway。不开 App 时,运行 edgespeak-cli serve 并使用它的 HTTP /mcp,或直接调用 transcribe、align 等一次性 edgespeak-cli 命令。

哪些工具会改动文件?

只有添加声音、删除声音和生成语音三个工具会写入受管理的本机文件,其余 10 个只读。

证据链接