assemblyai-mcp

AssemblyAI API 用のMCPサーバー。文字起こし、字幕、話者ターン、単語検索、LeMURを、エージェントが呼び出せるツールとして公開します。

必要だったが、既存のものがなかったため書きました。

インストール

npm install -g assemblyai-mcp

Claude Code:

claude mcp add assemblyai -e ASSEMBLYAI_API_KEY=your-key -- npx -y assemblyai-mcp

stdio で MCP を話すその他のツール:

{
  "mcpServers": {
    "assemblyai": {
      "command": "npx",
      "args": ["-y", "assemblyai-mcp"],
      "env": { "ASSEMBLYAI_API_KEY": "your-key" }
    }
  }
}

キーはダッシュボードから取得します。

ツール

知っておく価値のある3つの設計判断

transcribe は待つ。 ジョブIDと queued ステータスを渡されたエージェントは、ポーリングループを自作しなければならず、しかも大抵は悪いループを自作する。固定間隔で、上限がなく、諦めるときのメッセージもない。呼び出し元が意図していたのは待つことだ。実際にIDが欲しい場合は wait: false を渡す。タイムアウト時、エラーは文字起こしが失われていないことを伝え、それを取得するツールを指名する。

長い出力は上限が設けられ、その旨が明示される。 文字起こしは数百キロバイトに及ぶ。すべてを返すツールは、エージェントがどうせ要約するテキストにコンテキストウィンドウを費やしてしまう。長時間かかる可能性のあるものはすべて、上限を受け取り、黙って切り詰めるのではなく、どれだけ削ったかを報告する。

ミリ秒は秒になる。 APIはミリ秒で応答する。これはAPIとしては正しいが、人が読む回答を書くモデルにとっては正しくない。タイムスタンプは小数点以下1桁の秒で出力される。

開発

npm install
npm run build
npm test

APIクライアント（src/api.ts）はMCPについて何も知らず、注入された fetch を受け取る。そのためテストは、ネットワークもキーもないスクリプト化されたトランスポートに対して実行される。テストは、薄いAPIラッパーで壊れがちなものをカバーしている: キーがURLに届かないこと、IDがエスケープされ、悪意のあるIDがパスを変形できないこと、JSON以外の応答（字幕はテキストとして届く）、エラーボディがステータスコードだけではなくAPIが書いた文章を表面化すること、そしてポーリングループが completed と error の両方で停止すること。

AssemblyAI へのメモ

この中のどれかが役に立つなら、使ってください。MITライセンスです。フォークしても、リネームしても、取り込んでも、捨てても構いません。もしファーストパーティのサーバーとして提供したいのであれば、その実現をお手伝いします。

MIT.