Um servidor MCP de texto para fala: deixe seu agente de IA falar

Instalação

Você precisa de Python 3.10 ou mais novo. Instale o SDK de MCP para Python e o motor:

pip install mcp superclonica-cpu

Na primeira execução o motor baixa o modelo Supertonic 3, cerca de 400 MB, e depois roda offline num processador comum. No Linux o servidor toca o som com aplay do alsa-utils; Windows e macOS não precisam de mais nada.

O servidor

Salve como tts_mcp.py. Ele registra uma ferramenta, speak, que gera a voz, toca nos seus alto-falantes e avisa o agente que terminou:

import os, subprocess, sys, tempfile
from mcp.server.mcpserver import MCPServer
from superclonica import Superclonica

VOICE = os.environ.get("TTS_VOICE", "F1")  # M1..M5, F1..F5 or a voice file from the catalog
server = MCPServer("speak")
tts = None

def play(path):
    if sys.platform == "win32":
        import winsound
        winsound.PlaySound(path, winsound.SND_FILENAME)
    elif sys.platform == "darwin":
        subprocess.run(["afplay", path], check=True)
    else:
        subprocess.run(["aplay", "-q", path], check=True)

@server.tool()
def speak(text: str, language: str = "en") -> str:
    """Say a short message out loud to the user, for example when a long task is done."""
    global tts
    tts = tts or Superclonica()
    audio, _ = tts.synthesize(text[:500], voice=VOICE, lang=language)
    path = os.path.join(tempfile.gettempdir(), "mcp-speak.wav")
    tts.save(path, audio)
    play(path)
    return "spoken"

if __name__ == "__main__":
    server.run()

O modelo carrega na primeira chamada, então o agente inicia rápido e só a primeira frase demora alguns segundos a mais. O código é para a versão 2 do pacote mcp, em que FastMCP passou a se chamar MCPServer; na versão 1, importe FastMCP de mcp.server.fastmcp. O agente decide quando chamar a ferramenta pela docstring, então descreva ali o uso que você quer.

Conecte ao Claude Code, Claude Desktop ou Cursor

No Claude Code, adicione o servidor com um comando:

claude mcp add speak -- python /full/path/to/tts_mcp.py

No Claude Desktop, adicione em claude_desktop_config.json; o Cursor lê o mesmo bloco mcpServers do seu mcp.json. Use o caminho completo do Python que tem os pacotes instalados:

{
  "mcpServers": {
    "speak": {
      "command": "/full/path/to/python",
      "args": ["/full/path/to/tts_mcp.py"],
      "env": {"TTS_VOICE": "F1"}
    }
  }
}

Depois diga ao agente quando falar, por exemplo nas instruções do projeto: «Quando terminar uma tarefa ou precisar da minha resposta, chame speak com uma frase curta».

A mesma ferramenta pela API

Num notebook onde você prefere não guardar um modelo de 400 MB, gere a voz pela API da SuperClonica: em speak, troque as duas linhas de síntese por uma chamada a esta função e defina SUPERCLONICA_KEY e VOICE_ID.

import os, requests

API = "https://superclonica.com/api/v1/speech"
VOICE_ID = os.environ["VOICE_ID"]  # the ID on the page of a catalog voice

def voice_to_file(text, language, path):
    answer = requests.post(API, timeout=120,
                           headers={"Authorization": "Bearer " + os.environ["SUPERCLONICA_KEY"]},
                           json={"text": text, "voice": VOICE_ID, "language": language, "format": "wav"})
    answer.raise_for_status()
    with open(path, "wb") as file:
        file.write(answer.content)

Toda voz do catálogo funciona pelo ID da página dela, em qualquer plano. A chave gratuita dá um minuto de áudio por dia, de sobra para mensagens de status de uma frase.

Escolha a voz

TTS_VOICE aceita uma das dez vozes padrão, M1 a M5 e F1 a F5, ou o caminho de um arquivo de voz do catálogo da SuperClonica: um narrador calmo, o computador de uma nave ou um personagem de jogo. As vozes gratuitas do catálogo são baixadas sem conta. Ouça uma voz e gere uma frase de teste na página dela antes.