
MCP Sound Tool
一个模型上下文协议(Model Context Protocol,MCP)的实现,为 Cursor AI 和其他兼容 MCP 的环境播放音效(完成、错误、通知),从而为编码体验提供更具互动性的音频反馈。
README
MCP 声音工具
一个模型上下文协议 (MCP) 的实现,为 Cursor AI 和其他兼容 MCP 的环境播放音效。这个 Python 实现为更具交互性的编码体验提供音频反馈。
特性
- 为各种事件(完成、错误、通知)播放音效
- 使用模型上下文协议 (MCP) 实现与 Cursor 和其他 IDE 的标准化集成
- 跨平台支持(Windows、macOS、Linux)
- 可配置的音效
安装
Python 版本兼容性
此软件包已通过 Python 3.8-3.11 的测试。 如果您在使用 Python 3.12+ 时遇到错误(特别是 BrokenResourceError
或 TaskGroup
异常),请尝试使用更早的 Python 版本。
推荐:使用 pipx 安装
推荐使用 pipx 安装 mcp-sound-tool,它会在隔离的环境中安装软件包,同时使命令在全局可用:
# 如果您没有 pipx,请安装它
python -m pip install --user pipx
python -m pipx ensurepath
# 安装 mcp-sound-tool
pipx install mcp-sound-tool
此方法确保该工具拥有自己的隔离环境,避免与其他软件包发生冲突。
替代方案:使用 pip 安装
您也可以直接使用 pip 安装:
pip install mcp-sound-tool
从源代码安装
-
克隆此仓库:
git clone https://github.com/yourusername/mcp-sound-tool cd mcp-sound-tool
-
直接从源代码目录使用 pipx 安装:
pipx install .
或者使用 pip 安装:
pip install -e .
用法
添加声音文件
将您的声音文件放置在 sounds
目录中。 期望以下声音文件:
completion.mp3
- 代码生成后播放error.mp3
- 发生错误时播放notification.mp3
- 用于一般通知
您可以在 freesound.org 等网站上找到免费的音效。
运行 MCP 服务器
运行 MCP 服务器:
mcp-sound-tool
服务器将启动并通过 stdio 传输监听来自 Cursor 或其他兼容 MCP 的客户端的事件。
在 Cursor 中配置
要将此服务器与 Cursor 一起使用,请将其添加到您的 MCP 配置文件中:
在 macOS 上:
// ~/Library/Application Support/Cursor/mcp.json
{
"mcpServers": {
"sound": {
"command": "mcp-sound-tool",
"args": [],
"type": "stdio",
"pollingInterval": 5000,
"startupTimeout": 10000,
"restartOnFailure": true
}
}
}
在 Windows 上:
// %APPDATA%/Cursor/mcp.json
{
"mcpServers": {
"sound": {
"command": "mcp-sound-tool",
"args": [],
"type": "stdio",
"pollingInterval": 5000,
"startupTimeout": 10000,
"restartOnFailure": true
}
}
}
当使用 pipx
安装时,mcp-sound-tool
命令将在您的 PATH 中可用,因此 Cursor 将能够找到并执行它,而无需指定完整路径。
AI 模型的 Sound MCP 使用指南
此 MCP 服务器为 AI 交互提供音频反馈功能。 它旨在通过提供清晰的音频提示来增强用户体验,这些提示指示操作的状态,而无需用户阅读文本。
何时使用声音反馈
AI 代理应在适当的时候主动使用声音工具:
-
成功声音 (
completion
):- 在任务或命令成功完成后
- 当重要的操作已成功完成时
- 当确认用户的请求已得到满足时
-
错误声音 (
error
):- 当命令失败或遇到错误时
- 当警告用户有关问题时
- 当操作无法按要求完成时
-
通知声音 (
notification
):- 当提醒用户重要信息时
- 当提示用户注意或输入时
- 用于长时间运行的操作的状态更新
用法示例
# 当命令成功完成时
@mcp.tool()
def execute_command(command):
result = run_command(command)
if result.success:
play_sound("completion") # 使用音频指示成功
return "Command executed successfully"
else:
play_sound("error") # 使用音频指示失败
return f"Error: {result.error_message}"
可用工具
play_sound(sound_type="completion", custom_sound_path=None)
: 播放音效list_available_sounds()
: 列出所有可用的声音文件install_to_user_dir()
: 将声音文件安装到用户的配置目录
有关更多详细信息,请连接到 MCP 服务器并查看工具描述。
开发
对于开发:
# 安装开发依赖项
pip install -e ".[dev]"
# 运行测试
pytest
致谢
- SIAM-TheLegend 创建了最初的 sound-mcp JavaScript 实现,该实现启发了这个 Python 版本
- MCP 协议开发者创建了一个强大的 AI 工具交互标准
- 测试和文档的贡献者
许可证
此项目根据 MIT 许可证获得许可 - 有关详细信息,请参阅 LICENSE 文件。
推荐服务器

Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。