Summarize MCP

mcp概述

🤖 与合著 克劳德代码 -自2025年以来，让人工智能总结变得可闻！ 🔊

模型上下文协议（MCP）服务器，使用OpenAI的TTS API将文本摘要转换为语音，并在所有主要平台（macOS、Windows、Linux）的后台播放。

🌟 概述

summary-mcp使LLM能够使用OpenAI最先进的文本到语音模型将任何文本摘要转换为听起来自然的语音。非常适合创建文档、文章或任何受益于听觉演示的内容的音频摘要。

🚀 主要特点

• 🎯 简单而专注：一个工具在一件事上做得特别好
• 🎤 多种声音：从10种不同的OpenAI声音中选择（合金、灰烬、民谣、珊瑚、回声、寓言、新星、玛瑙、圣人、微光）
• 🎨 客户指令：控制文本的发音方式
• 🔧 背景回播：音频在后台播放而不会被遮挡
• 🌍 交叉平台的：适用于macOS、Windows和Linux
• 💾 持久首选项：保存您最喜欢的语音和音调设置
• 🎯 多种工具：设置语音、设置音调和播放摘要
• 🧹 自动清理：临时文件会自动清理
• 🛡️ 类型安全：带有Pydantic验证的完整Python类型提示
• 📊 综合录井：故障排除的调试模式
• ⚡ 性能优化：高效的文件处理和清理

📋 先决条件

• python 3.8或更高
• OpenAI API密钥 可以访问TTS模型
• 音频播放器 （自动检测）：

- macOS：内置 afplay （无需安装） - 视窗：内置Windows Media Player（无需安装） - Linux：其中之一： mpg123, sox (play), ffmpeg (ffplay), vlc (cvlc)，或 alsa-utils (aplay)

📦 安装

git clone https://github.com/FiveOhhWon/summarize-mcp.git
cd summarize-mcp
pip install -e .

🏃 配置

克劳德桌面

将此配置添加到您的Claude Desktop配置文件中：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json\ 视窗: %APPDATA%\Claude\claude_desktop_config.json\ Linux: ~/.config/Claude/claude_desktop_config.json

配置：

{
  "mcpServers": {
    "summarize": {
      "command": "python",
      "args": ["/absolute/path/to/summarize-mcp/src/summarize_mcp/server.py"],
      "env": {
        "OPENAI_API_KEY": "your-openai-api-key"
      }
    }
  }
}

环境变量

• OPENAI_API_KEY （必需）：您的OpenAI API密钥
• DEBUG （可选）：设置为 "true" 用于详细日志记录

🛠️ 可用工具

play_summary

将文本转换为语音并在后台播放。除非被覆盖，否则使用保存的语音和音调首选项。

参数：

• summary （必填）：要转换为语音的文本
• voice （可选）：要使用的语音- alloy, ash, ballad, coral, echo, fable, nova, onyx, sage，或 shimmer （如果未指定，则使用已保存的首选项）
• instructions （可选）：文本发音说明（如果未指定，则使用保存的音调）

例子：

{
  "summary": "The quick brown fox jumps over the lazy dog. This pangram contains all letters of the alphabet.",
  "voice": "nova",
  "instructions": "Speak slowly and clearly, emphasizing each word."
}

set_voice

为所有未来的文本到语音转换设置默认语音。

参数：

• voice （必填）：要使用的声音- alloy, ash, ballad, coral, echo, fable, nova, onyx, sage，或 shimmer

例子：

{
  "voice": "nova"
}

set_tone

为未来所有TTS请求中的文本发音设置默认音调/说明。

参数：

• tone （必填）：使用的语气/说明（例如，“缓慢而冷静地说话”，“热情而充满活力”）

例子：

{
  "tone": "Speak in a warm, friendly manner with moderate pacing"
}

📖 使用示例

基本概述

"Please summarize this article and play it as audio"

法学硕士将：

1. 生成内容摘要
2. 使用 play_summary 将其转换为语音的工具
3. 音频将在后台播放，并保存首选项

设置默认语音

"Set the default voice to nova"

这将保存“nova”作为您未来所有摘要的首选声音。

设置默认音调

"Set the tone to be warm and conversational with a slower pace"

这将保存您对所有未来摘要的音调偏好。

自定义语音（一次）

"Summarize this document and play it using the 'sage' voice"

这将仅在此摘要中使用“sage”，而不会更改您的默认值。

使用自定义说明（一次性）

"Create an audio summary of this text. Make it sound enthusiastic and energetic."

这将仅使用此摘要的自定义说明。

🎯 语音选项

🧪 发展

# Install dependencies
pip install -r requirements.txt

# Install in development mode
pip install -e .

# Run the server
python -m summarize_mcp

# Run tests
python test.py

# Run with debug logging
DEBUG=true python -m summarize_mcp

🏗️ 建筑

summarize-mcp/
├── src/
│   └── summarize_mcp/
│       ├── __init__.py      # Package initialization
│       ├── __main__.py      # Entry point for python -m
│       └── server.py        # Main MCP server implementation
├── pyproject.toml           # Python project metadata
├── requirements.txt         # Python dependencies
├── test.py                  # Test script
└── README.md               # This file

🔧 技术细节

• 音频格式：MP3（OpenAI TTS输出格式）
• 临时文件：存储在系统临时目录中
• 文件清理：10秒后自动清理（可配置）
• 旧文件清除：启动时会清理超过1小时的文件
• 平台支持:

- macOS：使用内置 afplay - 视窗：在Windows Media Player中使用PowerShell - Linux：自动检测可用播放器（mpg123、sox、ffmpeg、vlc、alsa） - 后备方案：使用系统默认音频应用程序打开

• 状态管理:

- 首选项已保存到 ~/.summarize-mcp-state.json - 在会话之间保持语音和音调设置 - 启动时自动加载

• 错误处理：针对特定错误类型的全面错误处理
• 验证：使用Pydantic模型进行输入验证

🚨 故障排除

“未设置OPENAI_API_KEY环境变量”

在Claude Desktop配置中设置您的OpenAI API密钥。

“没有可用的音频播放器”

Linux用户：安装支持的音频播放器之一：

# Ubuntu/Debian
sudo apt-get install mpg123
# or
sudo apt-get install sox
# or
sudo apt-get install ffmpeg
# or
sudo apt-get install vlc

# Fedora/RHEL
sudo dnf install mpg123
# or similar for other players

# Arch
sudo pacman -S mpg123
# or similar for other players

Windows/macOS：音频播放应该开箱即用。

音频无法播放

1. 检查系统音量
2. 确保您的系统上没有其他音频问题
3. 使用启用调试日志记录 DEBUG=true
4. 检查日志是否有任何错误

📝 更新日志

v2.0.0（Python重写）

• 🐍 用Python完全重写以获得更好的跨平台支持
• 🔧 使用Python的asyncio改进异步处理
• 📦 使用pip简化安装
• 🛡️ Pydantic增强了类型安全性
• 🚀 更好的性能和可靠性

v1.2.0（持久首选项）

• 💾 为语音和音调偏好添加了持久状态管理
• 🎯 添加 set_voice 设置默认语音的工具
• 🎯 添加 set_tone 设置默认口语指令的工具
• 🎆 新增了对OpenAI新声音的支持：ash、民谣和sage
• 🔄 play_summary 现在使用保存的首选项，除非被覆盖
• 📝 状态保存到 ~/.summarize-mcp-state.json

v1.1.0（跨平台支持）

• 🌍 使用PowerShell/Windows Media Player添加了Windows支持
• 🐧 添加了Linux支持，可自动检测音频播放器
• 🔄 添加了系统默认音频播放器的回退功能
• 📝 多平台使用的更新文档

v1.0.0（初始版本）

• 🎉 初始版本
• ✨ 核心TTS功能与OpenAI集成
• ✨ 支持7种不同的声音
• ✨ 自定义语音指令
• ✨ macOS上的背景音频播放
• ✨ 自动文件清理
• ✨ TypeScript实现
• ✨ 全面的错误处理

💰 估计成本

该工具使用OpenAI gpt-4o-mini-tts 文本到语音转换模型。以下是定价明细：

成本示例：

• 100字摘要 （约30秒）：约0.0075美元
• 500字摘要 （约2.5分钟）：约0.0375美元
• 1000字摘要 （约5分钟）：约0.075美元

实际成本取决于：

• 总结的长度
• 说话速度（指令可能会影响这一点）
• 您使用该工具的频率

有关当前定价的详细信息，请参阅 OpenAI的定价页面.

🔮 路线图

• \[x\] 跨平台音频播放（Windows、Linux）
• \[x\] Python实现更好的跨平台支持
• \[\]其他TTS提供商（ElevenLabs、Amazon Polly）
• \[\]音频格式选项（WAV、OGG）
• \[\]播放控制（暂停、恢复、停止）
• \[\]多个摘要的队列管理
• \[\]音频文件缓存
• \[\]速度和俯仰控制
• \[\]支持高级语音控制的SSML

🤝 贡献

欢迎投稿！请随时提交拉取请求。对于重大更改，请先打开一个问题来讨论您想要更改的内容。

1. 分叉存储库
2. 创建功能分支(git checkout -b feature/amazing-feature)
3. 提交您的更改(git commit -m 'Add some amazing feature')
4. 推到分支(git push origin feature/amazing-feature)
5. 打开拉取请求

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🙏 致谢

• 建立在 模型上下文协议 Anthropic的规格
• 由...驱动 OpenAI的TTS API
• 特别感谢MCP社区的启发和支持