ElevenLabs MCP 服务器

“ElevenLabs” MCP 服务器的作用是什么？

ElevenLabs MCP 服务器是一款 Model Context Protocol (MCP) 服务器，将 ElevenLabs 文本转语音 API 集成到 AI 开发工作流中。它作为桥梁，使 AI 助手和智能体能够通过标准化 MCP 接口，将文本高质量地转换为音频、管理语音选项，并跟踪音频生成历史。该服务器支持多种语音、多段脚本管理，并使用 SQLite 进行持久化存储，适用于高强度语音合成任务。此外，内置一个基于 SvelteKit 的 MCP 客户端，便于通过网页界面管理和交互这些功能。通过将语音生成作为工具和资源暴露，ElevenLabs MCP 服务器提升了 AI 应用的自动化、可访问性和上下文感知能力。

提示模板列表

仓库或文档未列出明确的提示模板。

资源列表

• 语音历史：使用 SQLite 持久存储已生成的语音/音频历史，允许用户跟踪和回放之前生成的音频。
• 语音选项：提供可用的 ElevenLabs 语音模型及配置，供选择和管理。
• 音频文件下载：允许用户下载生成的音频文件，以便离线使用或集成到其他应用中。

工具列表

• 从文本生成音频：利用 ElevenLabs API 将输入文本转换为语音，支持多种语音模型和自定义参数。
• 多段脚本管理：允许用户为拆分为多个部分的脚本生成和管理音频，简化长文本语音合成任务。
• 语音历史回放：可直接从存储历史中回放先前生成的音频，提升用户体验和工作效率。

典型应用场景

• 文本转语音自动化：快速将文本内容转为高质量音频，用于播客、有声书或无障碍功能，减少手动操作。
• 语音助手开发：为 AI 驱动的助手集成逼真的语音回复，实现更自然的人机交互。
• 内容本地化：用不同声音或口音生成音频输出，无需雇佣多位配音演员即可本地化产品和服务。
• 脚本化对话生成：高效管理和生成游戏、故事或在线学习平台的多段脚本音频。
• 语音生成历史管理：追踪和复用已生成的音频片段，优化修改流程并确保一致性。

安装步骤

Windsurf

1. 确保已安装 Node.js。

2. 找到 Windsurf MCP 配置文件（如 windsurf_mcp_settings.json）。

3. 添加 ElevenLabs MCP 服务器配置：

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

4. 保存文件并重启 Windsurf。

5. 验证 ElevenLabs MCP 服务器在界面中作为工具出现。

Claude

1. 前置条件：安装 Node.js。

2. 打开 Claude MCP 配置文件（如 cline_mcp_settings.json）。

3. 使用以下方式添加 ElevenLabs MCP 服务器：

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

4. 保存并重启 Claude Desktop。

5. 确认 ElevenLabs MCP 服务器作为工具可用。

Cursor

1. 确保您的系统已安装 Node.js。

2. 打开 Cursor 的 MCP 服务器配置文件。

3. 插入以下 JSON 配置：

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

4. 保存配置并重启 Cursor。

5. 检查 ElevenLabs MCP 服务器的可用性。

Cline

1. 前置条件：已安装 Node.js。

2. 访问 Cline 的 MCP 配置文件（如 cline_mcp_settings.json）。

3. 添加 ElevenLabs MCP 服务器：

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

4. 保存并重启 Cline。

5. 确认 ElevenLabs MCP 服务器可访问。

API 密钥安全存储说明：
请通过 JSON 配置的 env 字段，将所有敏感信息（如 API 密钥）存储在环境变量中：

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

切勿将密钥硬编码在公开文件里。

在 FlowHunt 流程中使用 MCP

在 FlowHunt 中集成 MCP 服务器

要将 MCP 服务器集成到 FlowHunt 工作流中，首先添加 MCP 组件并将其连接到您的 AI 智能体：

点击 MCP 组件，打开配置面板。在系统 MCP 配置部分，按如下 JSON 格式填写您的 MCP 服务器信息：

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

配置完成后，AI 智能体即可作为工具使用此 MCP，访问其全部功能与能力。请将 “elevenlabs” 替换为实际的 MCP 服务器名称，URL 替换为您的服务器地址。

总览

| Roots 支持 | ⛔ | 未提及 |

我会给该 MCP 服务器打 7/10 分。它目标明确，工具和资源实用，安装文档清晰，但缺少提示模板、roots 和采样支持相关信息。

MCP 评分