MCP Yandex Voice — голосовые ответы в Cursor

MCP-сервер для Cursor: по сообщению из чата получает ответ от Yandex GPT (AI Studio) и озвучивает его через Yandex SpeechKit TTS. В чате можно вызывать инструмент и получать ответ текстом и аудио.

Что нужно

• Доступ к Yandex Cloud AI Studio (Yandex GPT).

• Включённый SpeechKit (TTS) в том же каталоге (folder).

• API-ключ сервисного аккаунта с ролями в каталоге:

  • ai.languageModels.user (Yandex GPT)

  • ai.speechkit-tts.user (SpeechKit TTS)

Related MCP server: Yandex AI Studio MCP Server

Настройка доступа к Yandex Cloud

Подробная инструкция: docs/YANDEX-CLOUD-SETUP.md

Включает:

• Регистрацию и создание каталога

• Включение AI Studio и SpeechKit

• Создание сервисного аккаунта и добавление ролей в каталоге (ai.languageModels.user, ai.speechkit-tts.user)

• Создание API-ключа (через консоль или YC CLI)

• Проверку доступа через curl

• Разбор частых ошибок

Установка

cd mcp-yandex-voice
npm install
npm run build

Переменные окружения

Скопируйте .env.example в .env и заполните:

Подключение в Cursor

В корне репозитория уже есть конфиг .cursor/mcp.json. Подставьте в нём свои YANDEX_API_KEY и YANDEX_FOLDER_ID в блоке env для сервера yandex-voice, затем перезапустите Cursor.

Либо настройте вручную:

1. Откройте Cursor Settings → MCP (или конфиг MCP вручную).

2. Добавьте сервер, например в ~/.cursor/mcp.json или в настройках проекта:

{
  "mcpServers": {
    "yandex-voice": {
      "command": "node",
      "args": ["/ABSOLUTE/PATH/TO/leetcode/mcp-yandex-voice/dist/index.js"],
      "env": {
        "YANDEX_API_KEY": "ваш_api_ключ",
        "YANDEX_FOLDER_ID": "ваш_folder_id"
      }
    }
  }
}

Замените ABSOLUTE/PATH/TO/leetcode на полный путь к репозиторию. После npm run build исполняемый файл — dist/index.js.

Вариант с tsx (без сборки):

{
  "mcpServers": {
    "yandex-voice": {
      "command": "npx",
      "args": ["tsx", "/ABSOLUTE/PATH/TO/leetcode/mcp-yandex-voice/src/index.ts"],
      "env": {
        "YANDEX_API_KEY": "ваш_api_ключ",
        "YANDEX_FOLDER_ID": "ваш_folder_id"
      }
    }
  }
}

3. Перезапустите Cursor или перезагрузите MCP.

Инструмент speak_response

• Название: Голосовой ответ (speak_response)

• Вход:

  • message — вопрос пользователя; Yandex GPT генерирует ответ и озвучивает.

  • textToSummarize — текст ответа ассистента; Yandex GPT кратко пересказывает (2–3 предложения) и озвучивает. Используй для озвучивания своих ответов.

  • systemPrompt (опционально) — системный промпт (роль, стиль). При textToSummarize не используется.

• Выход: текст и аудио (base64). Cursor может отобразить текст и воспроизвести аудио.

Нужен один из message или textToSummarize. Режим textToSummarize — для краткого озвучивания длинных ответов Cursor.

Инструмент playback_control

• Название: Остановка / пауза воспроизведения (playback_control)

• Вход: action — "stop" или "pause" (остановить текущее воспроизведение).

• Выход: сообщение об успехе или подсказка.

Работает только на macOS. Останавливает воспроизведение, запущенное через afplay (ответы Yandex Voice в формате WAV). Если воспроизведение идёт через приложение по умолчанию (OGG), остановите его вручную. В чате можно написать: «Останови воспроизведение» или «Вызови playback_control с action stop».

Кнопки управления воспроизведением (пауза/стоп)

Пока MCP-сервер запущен (Cursor с подключённым yandex-voice), на macOS поднимается локальная панель с кнопками:

• Открой в браузере: http://127.0.0.1:3846

• Кнопки Стоп и Пауза останавливают текущее воспроизведение ответа Yandex Voice (работает только для afplay/WAV).

Держи вкладку открытой или добавь в закладки — во время озвучки ответа можно нажать «Стоп» прямо из браузера, без запроса в чате.

Локальная проверка

Запуск через stdio (для отладки или MCP Inspector):

export YANDEX_API_KEY=... YANDEX_FOLDER_ID=...
npm run dev
# или после сборки:
npm start

Сервер общается по stdin/stdout; для теста можно использовать MCP Inspector:
npx @modelcontextprotocol/inspector node dist/index.js

Ускорение ответов

Чтобы диктор отвечал быстрее:

1. YANDEX_TTS_SPEED=1.3 — ускорить речь (1.2–1.5 — комфортно, до 3.0 — максимально быстро).

2. YANDEX_GPT_MAX_TOKENS=250 — короче ответы GPT → меньше времени на генерацию и синтез.

Чанки TTS обрабатываются параллельно, что ускоряет длинные ответы.

Ограничения

• SpeechKit TTS: размер одного запроса ограничен (в коде текст разбивается на чанки по 500 символов).

• Для длинных ответов генерация и синтез могут занять несколько секунд.

Лицензия

MIT.