ElevenLabs MCP サーバー

「ElevenLabs」MCP サーバーは何をするもの？

ElevenLabs MCP サーバーは、Model Context Protocol（MCP）サーバーとして、ElevenLabs のテキスト読み上げ API を AI 開発ワークフローに統合します。AI アシスタントやエージェントが標準化された MCP インターフェースを通じて、テキストから高品質な音声を生成し、音声オプションを管理し、音声生成履歴を追跡できるようにする橋渡しの役割を果たします。複数の音声、スクリプトパート管理、SQLite を利用した永続保存に対応しており、本格的な音声合成タスクに適しています。さらに、これらの機能をウェブインターフェースから管理・操作できる SvelteKit ベースの MCP クライアントサンプルも同梱しています。音声生成をツール・リソースとして公開することで、ElevenLabs MCP サーバーは AI 活用アプリケーションにおける自動化、アクセシビリティ、コンテキスト認識を強化します。

プロンプト一覧

リポジトリやドキュメントには明示的なプロンプトテンプレートは記載されていません。

リソース一覧

• 音声履歴: SQLite を用いた生成音声・音声履歴の永続保存により、過去の音声を追跡・再生可能。
• 音声オプション: 利用可能な ElevenLabs 音声モデルや設定へのアクセスを提供し、選択や管理が可能。
• 音声ファイルのダウンロード: 生成された音声ファイルをダウンロードし、オフライン利用や他アプリケーション統合が可能。

ツール一覧

• テキストから音声生成: 入力テキストを ElevenLabs API で音声化し、複数音声モデルやカスタマイズパラメータに対応。
• マルチパートスクリプト管理: 複数パートに分かれたスクリプトの音声生成・管理ができ、長文音声合成の効率化を実現。
• 音声履歴の再生: 保存された履歴から直接過去の音声を再生でき、ユーザー体験と生産性を向上。

この MCP サーバーの活用例

• テキスト読み上げ自動化: ポッドキャスト、オーディオブック、アクセシビリティ機能など向けにテキストを高品質な音声へ迅速変換し、手作業を削減。
• 音声アシスタント開発: AI アシスタントにリアルな音声応答を統合し、自然な対話を実現。
• コンテンツローカライズ: 複数の声やアクセントで音声出力を生成し、多数の声優を雇うことなく製品・サービスをローカライズ。
• スクリプト化対話生成: ゲーム、ストーリーテリング、eラーニングなどでマルチパートスクリプトを効率的に制作・管理。
• 音声生成履歴の管理: 生成済み音声クリップを追跡・再利用し、改訂ワークフローの効率化や一貫性維持を実現。

セットアップ方法

Windsurf

1. Node.js がインストールされていることを確認してください。

2. Windsurf MCP の設定ファイル（例: windsurf_mcp_settings.json）を探します。

3. ElevenLabs MCP サーバーの設定を追加します:

   {
     "mcpServers": {
       "elevenlabs": {
         "command": "uvx",
         "args": ["elevenlabs-mcp-server"],
         "env": {
           "ELEVENLABS_API_KEY": "your-api-key",
           "ELEVENLABS_VOICE_ID": "your-voice-id"
         }
       }
     }
   }
   

4. ファイルを保存し、Windsurf を再起動します。

5. ElevenLabs MCP サーバーがインターフェース上のツールとして表示されることを確認してください。

Claude

1. 前提条件: Node.js をインストールしてください。

2. Claude MCP の設定ファイル（例: cline_mcp_settings.json）を開きます。

3. 以下を使って ElevenLabs MCP サーバーを追加します:

   {
     "mcpServers": {
       "elevenlabs": {
         "command": "uvx",
         "args": ["elevenlabs-mcp-server"],
         "env": {
           "ELEVENLABS_API_KEY": "your-api-key",
           "ELEVENLABS_VOICE_ID": "your-voice-id"
         }
       }
     }
   }
   

4. 保存して Claude Desktop を再起動します。

5. ElevenLabs MCP サーバーがツールとして利用可能であることを確認してください。

Cursor

1. システムに Node.js がインストールされていることを確認します。

2. Cursor の MCP サーバー設定ファイルを開きます。

3. 以下の JSON 設定を挿入します:

   {
     "mcpServers": {
       "elevenlabs": {
         "command": "uvx",
         "args": ["elevenlabs-mcp-server"],
         "env": {
           "ELEVENLABS_API_KEY": "your-api-key",
           "ELEVENLABS_VOICE_ID": "your-voice-id"
         }
       }
     }
   }
   

4. 設定を保存し、Cursor を再起動します。

5. ElevenLabs MCP サーバーが利用可能かを確認します。

Cline

1. 前提条件: Node.js がインストールされていること。

2. Cline の MCP 設定ファイル（例: cline_mcp_settings.json）にアクセスします。

3. ElevenLabs MCP サーバーを追加します:

   {
     "mcpServers": {
       "elevenlabs": {
         "command": "uvx",
         "args": ["elevenlabs-mcp-server"],
         "env": {
           "ELEVENLABS_API_KEY": "your-api-key",
           "ELEVENLABS_VOICE_ID": "your-voice-id"
         }
       }
     }
   }
   

4. 保存して Cline を再起動します。

5. ElevenLabs MCP サーバーにアクセスできることを確認します。

API キーの安全な管理:
API キーなどの機密情報は、JSON 設定の env フィールドを通じて環境変数に保存してください。

"env": {
  "ELEVENLABS_API_KEY": "your-api-key",
  "ELEVENLABS_VOICE_ID": "your-voice-id"
}

公開ファイルに秘密情報を直接記載しないでください。

フロー内での MCP の使い方

FlowHunt での MCP 利用方法

FlowHunt のワークフローに MCP サーバーを統合するには、まず MCP コンポーネントをフローに追加し、それを AI エージェントに接続します。

MCP コンポーネントをクリックして設定パネルを開き、システム MCP 設定セクションで下記の JSON 形式で MCP サーバーの詳細を入力します。

{
  "elevenlabs": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定後、AI エージェントがこの MCP をツールとして利用できるようになり、すべての機能にアクセス可能となります。“elevenlabs” を実際の MCP サーバー名、URL をご自身のサーバーアドレスに置き換えてください。

概要

| Roots 対応 | ⛔ | 記載なし |

この MCP サーバーの評価は 7/10 です。明確な目的と実用的なツール・リソース、しっかりしたセットアップドキュメントがありますが、プロンプトテンプレートや roots、サンプリング対応の情報が不足しています。

MCP スコア