Servidor MCP de llamadas de voz

Un servidor de Protocolo de Contexto de Modelo (MCP) que permite a Claude y otros asistentes de IA iniciar y gestionar llamadas de voz utilizando Twilio y OpenAI (modelo en tiempo real GPT-4o).

Utilice esto como base para iniciar sus exploraciones de llamadas de voz impulsadas por IA, ahorrar tiempo y desarrollar funciones adicionales sobre la base.

Diagrama de secuencia

Características

Realiza llamadas telefónicas salientes a través de Twilio 📞
Procesa el audio de llamadas en tiempo real con el modelo en tiempo real GPT-4o 🎙️
Cambio de idioma en tiempo real durante las llamadas 🌐
Indicaciones prediseñadas para situaciones de llamadas comunes (como reservas en restaurantes) 🍽️
Túnel automático de URL públicas con ngrok 🔄
Manejo seguro de credenciales 🔒

¿Por qué MCP?

El Protocolo de Contexto de Modelo (MCP) conecta a los asistentes de IA con las acciones del mundo real. Al implementar MCP, este servidor permite a los modelos de IA como Claude:

Iniciar llamadas telefónicas reales en nombre de los usuarios
Procesar y responder a conversaciones de audio en tiempo real
Ejecutar tareas complejas que requieren comunicación de voz

Esta implementación de código abierto proporciona transparencia y personalización, lo que permite a los desarrolladores ampliar la funcionalidad mientras mantienen el control sobre sus datos y privacidad.

Requisitos

Node.js >= 22
- Si necesita actualizar Node.js, le recomendamos utilizar nvm (Node Version Manager):
  nvm install 22 nvm use 22
Cuenta de Twilio con credenciales de API
Clave API de OpenAI
Token de autorización de Ngrok

Instalación

Instalación manual

Clonar el repositorio
git clone https://github.com/lukaskai/voice-call-mcp-server.git cd voice-call-mcp-server
Instalar dependencias y compilar
npm install npm run build

Configuración

El servidor requiere varias variables de entorno:

TWILIO_ACCOUNT_SID : El SID de su cuenta Twilio
TWILIO_AUTH_TOKEN : Su token de autenticación de Twilio
TWILIO_NUMBER : Su número de Twilio
OPENAI_API_KEY : Su clave API de OpenAI
NGROK_AUTHTOKEN : Su token de autorización de ngrok
RECORD_CALLS : Establézcalo en "verdadero" para grabar llamadas (opcional)

Configuración del escritorio de Claude

Para utilizar este servidor con Claude Desktop, agregue lo siguiente a su archivo de configuración:

macOS : ~/Library/Application Support/Claude/claude_desktop_config.json

Ventanas : %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "voice-call": {
      "command": "node",
      "args": ["/path/to/your/mcp-new/dist/start-all.cjs"],
      "env": {
        "TWILIO_ACCOUNT_SID": "your_account_sid",
        "TWILIO_AUTH_TOKEN": "your_auth_token",
        "TWILIO_NUMBER": "your_e.164_format_number",
        "OPENAI_API_KEY": "your_openai_api_key",
        "NGROK_AUTHTOKEN": "your_ngrok_authtoken"
      }
    }
  }
}

Después, reinicia Claude Desktop para volver a cargar la configuración. Si está conectado, verás la opción Llamada de voz en el menú 🔨.

Ejemplos de interacciones con Claude

Aquí hay algunas formas naturales de interactuar con el servidor a través de Claude:

Llamada simple:

Can you call +1-123-456-7890 and let them know I'll be 15 minutes late for our meeting?

Reserva de restaurante:

Please call Delicious Restaurant at +1-123-456-7890 and make a reservation for 4 people tonight at 7:30 PM. Please speak in German.

Programación de citas:

Please call Expert Dental NYC (+1-123-456-7899) and reschedule my Monday appointment to next Friday between 4–6pm.

Notas importantes

Formato de número de teléfono : Todos los números de teléfono deben estar en formato E.164 (por ejemplo, +11234567890)
Límites de velocidad : tenga en cuenta los límites de velocidad y los precios de su cuenta de Twilio y OpenAI
Conversaciones de voz : La IA manejará conversaciones naturales en tiempo real
Duración de la llamada : tenga en cuenta la duración de las llamadas, ya que afecta los costos de OpenAI API y Twilio.
Exposición pública : tenga en cuenta que el túnel ngrok expone su servidor públicamente para que Twilio pueda acceder a él (aunque con una URL aleatoria y protegido por un secreto aleatorio)

Solución de problemas

Mensajes de error comunes y soluciones:

"El número de teléfono debe estar en formato E.164"
- Asegúrese de que el número de teléfono comience con "+" y el código del país.
"Credenciales no válidas"
- Revisa tu TWILIO_ACCOUNT_SID y TWILIO_AUTH_TOKEN. Puedes copiarlos desde la consola de Twilio.
"Error de API de OpenAI"
- Verifique que su OPENAI_API_KEY sea correcta y tenga suficientes créditos
El túnel de Ngrok no se pudo iniciar
- Asegúrese de que su NGROK_AUTHTOKEN sea válido y no esté vencido
"OpenAI Realtime no detecta el final de la entrada de voz o presenta retrasos".
- A veces, puede haber problemas de codificación de voz entre Twilio y el operador de red del receptor. Prueba con otro receptor.

Contribuyendo

¡Agradecemos sus contribuciones! Estas son algunas áreas que buscamos mejorar:

Implementar soporte para múltiples modelos de IA más allá de la implementación actual
Agregue la integración de la base de datos para almacenar el historial de conversaciones localmente y hacerlo accesible para el contexto de IA
Mejore la latencia y los tiempos de respuesta para mejorar las experiencias de llamadas
Mejorar los mecanismos de gestión y recuperación de errores
Agregue más plantillas de conversación prediseñadas para escenarios comunes
Implementar un mejor monitoreo y análisis de llamadas

Si deseas contribuir, abre un problema para discutir tus ideas antes de enviar una solicitud de extracción.

Licencia

Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.

Seguridad

No incluya información confidencial (como números de teléfono o credenciales de API) en las incidencias o solicitudes de extracción de GitHub. Este servidor gestiona comunicaciones confidenciales; impleméntelo con responsabilidad y asegúrese de que todas las credenciales se mantengan seguras.

¿Es hora de una nueva misión?

Estamos contratando ingenieros para desarrollar la vanguardia de la IA de voz e integrarla en una empresa de telecomunicaciones de última generación.

¿Tienes curiosidad? ¡Visita careers.popcorn.space 🍿!

Voice Call MCP Server

Integrations