MCP 服务器

Voice Call MCP Server

一个模型上下文协议服务器，使像 Claude 这样的人工智能助手能够使用 Twilio 和 OpenAI 的语音模型发起和管理实时语音通话。

README

语音通话 MCP 服务器

一个模型上下文协议 (MCP) 服务器，使 Claude 和其他 AI 助手能够使用 Twilio 和 OpenAI (GPT-4o 实时模型) 发起和管理语音通话。

以此为基础，快速启动您的人工智能语音通话探索，节省时间并在其基础上开发更多功能。

序列图

sequenceDiagram
    participant AI as AI 助手 (例如，Claude)
    participant MCP as MCP 服务器
    participant Twilio as Twilio
    participant Phone as 目标电话
    participant OpenAI as OpenAI
    
    AI->>MCP: 1) 发起呼出请求 <br>(POST /calls)
    MCP->>Twilio: 2) 通过 Twilio API 发起呼出
    Twilio->>Phone: 3) 振铃目标电话
    Twilio->>MCP: 4) 通话状态更新 & 音频回调 (webhooks)
    MCP->>OpenAI: 5) 将实时音频转发到 OpenaAI 的实时模型
    OpenAI->>MCP: 6) 返回语音流
    MCP->>Twilio: 7) 发送语音流
    Twilio->>Phone: 8) 转发语音流
    Note over Phone: 双向对话持续进行 <br>直到通话结束

功能

通过 Twilio 拨打呼出电话 📞
使用 GPT-4o 实时模型实时处理通话音频 🎙️
通话期间实时切换语言 🌐
常见通话场景的预构建提示（如餐厅预订） 🍽️
使用 ngrok 自动进行公共 URL 隧道 🔄
安全处理凭据 🔒

为什么选择 MCP？

模型上下文协议 (MCP) 弥合了 AI 助手和现实世界行动之间的差距。通过实施 MCP，此服务器允许像 Claude 这样的 AI 模型：

代表用户发起实际电话呼叫
处理并响应实时音频对话
执行需要语音通信的复杂任务

这种开源实现提供了透明性和可定制性，允许开发人员扩展功能，同时保持对其数据和隐私的控制。

要求

Node.js >= 22
- 如果您需要更新 Node.js，我们建议使用 nvm (Node Version Manager)：
```
nvm install 22
nvm use 22
```
```
nvm use 22
```
具有 API 凭据的 Twilio 帐户
OpenAI API 密钥
Ngrok 身份验证令牌

安装

手动安装

克隆存储库

git clone https://github.com/lukaskai/voice-call-mcp-server.git
cd voice-call-mcp-server

安装依赖项并构建
```
npm install
npm run build
```

配置

服务器需要几个环境变量：

TWILIO_ACCOUNT_SID: 您的 Twilio 帐户 SID
TWILIO_AUTH_TOKEN: 您的 Twilio 身份验证令牌
TWILIO_NUMBER: 您的 Twilio 电话号码
OPENAI_API_KEY: 您的 OpenAI API 密钥
NGROK_AUTHTOKEN: 您的 ngrok 身份验证令牌
RECORD_CALLS: 设置为 "true" 以录制通话（可选）

Claude Desktop 配置

要将此服务器与 Claude Desktop 一起使用，请将以下内容添加到您的配置文件中：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "voice-call": {
      "command": "node",
      "args": ["/path/to/your/mcp-new/dist/start-all.cjs"],
      "env": {
        "TWILIO_ACCOUNT_SID": "your_account_sid",
        "TWILIO_AUTH_TOKEN": "your_auth_token",
        "TWILIO_NUMBER": "your_e.164_format_number",
        "OPENAI_API_KEY": "your_openai_api_key",
        "NGROK_AUTHTOKEN": "your_ngrok_authtoken"
      }
    }
  }
}

之后，重新启动 Claude Desktop 以重新加载配置。如果已连接，您应该在 🔨 菜单下看到语音通话。

与 Claude 的示例交互

以下是一些通过 Claude 与服务器交互的自然方式：

简单通话：

你能给 +1-123-456-7890 打电话，告诉他们我开会要迟到 15 分钟吗？

餐厅预订：

请致电 +1-123-456-7890 的 Delicious Restaurant，预订今晚 7:30 的 4 人座位。 请用德语说。

预约安排：

请致电 Expert Dental NYC (+1-123-456-7899) 并将我周一的预约改到下周五下午 4-6 点之间。

重要提示

电话号码格式：所有电话号码必须采用 E.164 格式（例如，+11234567890）
速率限制：请注意您的 Twilio 和 OpenAI 帐户的速率限制和定价
语音对话：AI 将实时处理自然对话
通话时长：请注意通话时长，因为它们会影响 OpenAI API 和 Twilio 的成本
公开暴露：请注意，ngrok 隧道会公开您的服务器，以便 Twilio 可以访问它（尽管具有随机 URL 并受随机密钥保护）

故障排除

常见错误消息和解决方案：

"电话号码必须采用 E.164 格式"
- 确保电话号码以 "+" 和国家/地区代码开头
"无效的凭据"
- 仔细检查您的 TWILIO_ACCOUNT_SID 和 TWILIO_AUTH_TOKEN。您可以从 Twilio 控制台复制它们
"OpenAI API 错误"
- 验证您的 OPENAI_API_KEY 是否正确且具有足够的信用额度
"Ngrok 隧道启动失败"
- 确保您的 NGROK_AUTHTOKEN 有效且未过期
"OpenAI Realtime 未检测到语音输入的结束，或者滞后。"
- 有时，Twilio 和接收者的网络运营商之间可能存在语音编码问题。尝试使用不同的接收者。