杰西卡项目（ElevenLabs TTS MCP）

该项目通过模型上下文协议 (MCP) 将 ElevenLabs 的文本转语音功能与 Cursor 集成。它由一个 FastAPI 后端服务和一个 React 前端应用程序组成。

特征

• 使用 ElevenLabs API 进行文本到语音的转换

• 语音选择和管理

• Cursor 的 MCP 集成

• 现代 React 前端界面

• WebSocket实时通信

• 代码质量的预提交钩子

• 自动代码格式化和 linting

Related MCP server: Cursor DB MCP Server

项目结构

要求

• Python 3.11+

• Poetry（用于后端依赖管理）

• Node.js 18+（用于前端）

• 光标（用于 MCP 集成）

本地开发设置

后端设置

前端设置

开发服务器

启动后端

后端提供：

• REST API： http://localhost:9020

• WebSocket：ws://localhost:9020/ws

• MCP 服务器： http://localhost:9020/sse （与主 API 服务器集成）

启动前端

前端开发服务器：

• http://localhost:5173

环境配置

后端（.env）

前端（.env）

代码质量工具

后端

前端

生产部署

AWS ECR 和 GitHub Actions 设置

要启用自动构建并将 Docker 镜像推送到 Amazon ECR：

1. 应用 Terraform 配置来创建所需的 AWS 资源：

   cd terraform terraform init terraform apply

2. GitHub Actions 工作流程将自动：

   • 从 S3 中的 Terraform 状态读取必要的配置

   • 在推送到main或develop分支时构建 Docker 镜像

   • 将镜像推送到 ECR，并标记latest和特定提交 SHA

3. 无需额外的存储库变量！工作流从 Terraform 状态中获取所有必需的配置。

工作原理

GitHub Actions 工作流程配置为：

1. 首先假设一个具有 S3 读取权限的预定义 IAM 角色

2. 从 S3 中的 Terraform 状态文件中获取并提取配置值

3. 使用状态文件中的实际部署角色重新进行身份验证

4. 构建 Docker 镜像并将其推送到状态中定义的 ECR 存储库

这种方法无需手动配置 GitHub 存储库变量，并确保 CI/CD 流程始终使用当前基础设施配置。

快速概览

• 前端：通过 jessica.georgi.io 上的 CloudFront 由 S3 提供服务

• 后端 API：api.georgi.io/jessica

• WebSocket：连接到 api.georgi.io/jessica/ws

• Docker 镜像：存储在 AWS ECR 中，可以部署到 ECS/EKS

• 基础设施：通过此存储库中的 Terraform 进行管理

MCP 与 Cursor 集成

1. 启动后端服务器

2. 在 Cursor 设置中，添加新的 MCP 服务器：

   • 姓名：Jessica TTS

   • 类型：SSE

   • 网址： http://localhost:9020/sse

故障排除

常见问题

1. API 密钥问题

   • 错误：“无效的 API 密钥”

   • 解决方案：检查.env文件

2. 连接问题

   • 错误：“无法连接到 MCP 服务器”

   • 解决方案：验证后端是否正在运行并且端口是否正确

3. 端口冲突

   • 错误：“地址已被使用”

   • 解决方案：更改.env中的端口

4. WebSocket 连接失败

   • 错误：“WebSocket 连接失败”

   • 解决方案：确保后端正在运行并且 WebSocket URL 正确

如需更多帮助，请在 GitHub 上提出问题。

执照

麻省理工学院