コンテンツにスキップ

ADK 向け Cartesia MCP ツール

Supported in ADKPythonTypeScript

Cartesia MCP Server は ADK エージェントを Cartesia の AI オーディオプラットフォームへ接続します。 この連携により、エージェントは自然言語で音声生成、 言語間の音声ローカライズ、オーディオコンテンツ作成を行えます。

ユースケース

  • テキスト読み上げ (TTS) 生成: Cartesia の多様な音声ライブラリを使って テキストを自然な音声に変換し、音声選択や出力形式を細かく制御します。

  • 音声ローカライズ: 既存の音声を別言語へ変換しつつ、 元話者の特徴を保持します。多言語コンテンツ制作に最適です。

  • オーディオインフィル: オーディオセグメント間の空白を埋めて 滑らかな遷移を作成します。ポッドキャスト編集やオーディオブック制作に有用です。

  • 音声変換: オーディオクリップを Cartesia ライブラリ内の別の声に変換します。

前提条件

エージェントで使う

from google.adk.agents import Agent
from google.adk.tools.mcp_tool import McpToolset
from google.adk.tools.mcp_tool.mcp_session_manager import StdioConnectionParams
from mcp import StdioServerParameters

CARTESIA_API_KEY = "YOUR_CARTESIA_API_KEY"

root_agent = Agent(
    model="gemini-2.5-pro",
    name="cartesia_agent",
    instruction="Help users generate speech and work with audio content",
    tools=[
        McpToolset(
            connection_params=StdioConnectionParams(
                server_params=StdioServerParameters(
                    command="uvx",
                    args=["cartesia-mcp"],
                    env={
                        "CARTESIA_API_KEY": CARTESIA_API_KEY,
                        # "OUTPUT_DIRECTORY": "/path/to/output",  # Optional
                    }
                ),
                timeout=30,
            ),
        )
    ],
)

import { LlmAgent, MCPToolset } from "@google/adk";

const CARTESIA_API_KEY = "YOUR_CARTESIA_API_KEY";

const rootAgent = new LlmAgent({
    model: "gemini-2.5-pro",
    name: "cartesia_agent",
    instruction: "Help users generate speech and work with audio content",
    tools: [
        new MCPToolset({
            type: "StdioConnectionParams",
            serverParams: {
                command: "uvx",
                args: ["cartesia-mcp"],
                env: {
                    CARTESIA_API_KEY: CARTESIA_API_KEY,
                    // OUTPUT_DIRECTORY: "/path/to/output",  // Optional
                },
            },
        }),
    ],
});

export { rootAgent };

利用可能なツール

Tool Description
text_to_speech 指定した音声でテキストを音声へ変換
list_voices 利用可能な Cartesia 音声一覧を取得
get_voice 特定音声の詳細取得
clone_voice 音声サンプルから音声クローン作成
update_voice 既存音声を更新
delete_voice ライブラリから音声を削除
localize_voice 音声を別言語へ変換
voice_change 音声ファイルを別音声へ変換
infill 音声セグメント間の空白を補完

設定

Cartesia MCP サーバーは環境変数で設定できます:

Variable Description Required
CARTESIA_API_KEY Cartesia API キー Yes
OUTPUT_DIRECTORY 生成オーディオを保存するディレクトリ No

追加リソース