# MCP SaluteSpeech

[![GitHub](https://img.shields.io/badge/github-%23121011.svg?style=for-the-badge&logo=github&logoColor=white)](https://github.com/trashchenkov/mcp_voice_salute)

MCP SaluteSpeech - это реализация MCP (Model Context Protocol) сервера, предоставляющего инструменты для работы с голосовыми [API SaluteSpeech](https://developers.sber.ru/docs/ru/salutespeech/overview) от Сбера. Позволяет AI ассистентам записывать речь пользователя с микрофона, распознавать её с помощью и синтезировать речь из текста.

Сервер предоставляет доступ агентам на основе LLM к голосовому интерфейсу, значительно расширяя возможности взаимодействия с пользователем.

## Из чего состоит MCP SaluteSpeech?

MCP SaluteSpeech предоставляет два основных инструмента:

1. **sber_stt_record_and_recognize** - записывает аудио с микрофона до появления 3-секундной паузы, отправляет запись на API распознавания речи SaluteSpeech и возвращает распознанный текст.

2. **synthesize_speech** - синтезирует речь из текста с помощью API SaluteSpeech и воспроизводит её через аудиоустройство компьютера.

Эти инструменты особенно полезны для:
- Создания голосовых интерфейсов для AI ассистентов
- Разработки приложений с поддержкой голосового управления
- Интеграции голосовых возможностей в агентные системы на базе LLM

## Возможности

- Реализация голосовых инструментов для MCP (Model Context Protocol)
- Полная интеграция с API SaluteSpeech от Сбера
- Готовность к работе с такими ассистетами как Cursor, Windsurf и другими
- Поддержка распознавания и синтеза русской речи

## Возможные проблемы с аудиоустройствами и дополнительные зависимости

Если запись или воспроизведение аудио не работает "из коробки", возможно, потребуется установить дополнительные зависимости для вашей операционной системы:

- **Linux**: убедитесь, что установлен пакет `portaudio` и соответствующие dev-заголовки. Например, для Ubuntu/Debian:
  ```sh
  sudo apt-get install portaudio19-dev
  ```
  Также может понадобиться установить `alsa-utils`:
  ```sh
  sudo apt-get install alsa-utils
  ```
- **macOS**: обычно всё работает из коробки, но убедитесь, что приложению даны разрешения на доступ к микрофону и динамикам (Системные настройки → Конфиденциальность → Микрофон/Звук).
- **Windows**: убедитесь, что установлены последние драйверы для вашей звуковой карты. Для работы некоторых библиотек может понадобиться [Microsoft Visual C++ Redistributable](https://learn.microsoft.com/en-us/cpp/windows/latest-supported-vc-redist?view=msvc-170).

Если после установки зависимостей проблема не решена, проверьте сообщения об ошибках в консоли — они могут подсказать, какой компонент отсутствует или требует настройки.

## Настройка MCP сервера

Добавьте этот MCP сервер к вашему агенту.

```json
"mcpServers": {
    "mcp-salutespeech": {
        "command": "uvx",
        "args": [
        "--from", "mcp_voice_salute", "mcp-salutespeech"
        ],
        "enabled": true,
        "env": {
            "SALUTE_SPEECH": "ВАШ_ТОКЕН_SALUTESPEECH"
        }
    }
}
```

## Описание инструментов

### sber_stt_record_and_recognize

Записывает аудио с микрофона до появления 3-секундной паузы, затем отправляет запись на API распознавания речи SaluteSpeech и возвращает распознанный текст.

**Вход**: Не требует параметров
**Поведение**: Выполняет запись с микрофона, распознавание и возвращает текст
**Выход**: Строка с распознанным текстом

### synthesize_speech

Синтезирует речь из текста с помощью API SaluteSpeech и воспроизводит её через аудиоустройство компьютера.

**Вход**:
- `text` (string) — Текст для преобразования в речь
- `format` (string, опционально) — Формат аудио (по умолчанию "wav16")
- `voice` (string, опционально) — Голос для синтеза (по умолчанию "Bys_24000")

**Поведение**: Преобразует текст в речь и воспроизводит через динамики
**Выход**: Подтверждение успешного воспроизведения


## Как добавить этот MCP сервер в Cursor

Есть два способа добавить MCP сервер в Cursor:

1. **Глобально** - добавить сервер в файл `~/.cursor/mcp.json`
2. **Для проекта** - добавить сервер в файл `.cursor/mcp.json` в вашем проекте



### Требования к окружению

Для работы с API требуется установить переменную окружения:

```
SALUTE_SPEECH - токен Basic авторизации для доступа к API SaluteSpeech
```

## Лицензия

MIT License