语音通话 MCP 服务器

这是一个模型上下文协议 (MCP) 服务器，它使 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。

您可以将此作为基础来启动您的 AI 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 Assistant (e.g., Claude)
    participant MCP as MCP Server
    participant Twilio as Twilio
    participant Phone as Destination Phone
    participant OpenAI as OpenAI
    
    AI->>MCP: 1) Initiate outbound call request <br>(POST /calls)
    MCP->>Twilio: 2) Place outbound call via Twilio API
    Twilio->>Phone: 3) Ring the destination phone
    Twilio->>MCP: 4) Call status updates & audio callbacks (webhooks)
    MCP->>OpenAI: 5) Forward real-time audio to OpenaAI's realtime model
    OpenAI->>MCP: 6) Return voice stream
    MCP->>Twilio: 7) Send voice stream
    Twilio->>Phone: 8) Forward voice stream
    Note over Phone: Two-way conversation continues <br>until the call ends

特性

• 通过 Twilio 发起外拨电话 📞
• 使用 GPT-4o 实时模型实时处理通话音频 🎙️
• 通话过程中实时切换语言 🌐
• 针对常见通话场景的预构建提示（如餐厅预订） 🍽️
• 自动使用 ngrok 进行公共 URL 隧道传输 🔄
• 安全处理凭证 🔒

为什么选择 MCP？

模型上下文协议 (MCP) 桥接了 AI 助手与现实世界行动之间的鸿沟。通过实现 MCP，这个服务器允许像 Claude 这样的 AI 模型：

1. 代表用户发起实际电话通话
2. 处理并响应实时音频对话
3. 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，让开发者可以扩展功能的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 版本管理器）：

    nvm install 22
    nvm use 22
    

• 具有 API 凭证的 Twilio 账户
• OpenAI API 密钥
• Ngrok 认证令牌

安装

手动安装

1. 克隆仓库

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

2. 安装依赖并构建

   npm install
   npm run build
   

配置

服务器需要以下环境变量：

• TWILIO_ACCOUNT_SID: 您的 Twilio 账户 SID
• TWILIO_AUTH_TOKEN: 您的 Twilio 授权令牌
• TWILIO_NUMBER: 您的 Twilio 号码
• OPENAI_API_KEY: 您的 OpenAI API 密钥
• NGROK_AUTHTOKEN: 您的 ngrok 认证令牌
• RECORD_CALLS: 设置为 "true" 以录制通话（可选）

Claude Desktop 配置

要使用 Claude Desktop 与此服务器配合，请在配置文件中添加以下内容：

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，重启 Claude Desktop 以重新加载配置。 如果连接成功，您应该能在 🔨 菜单下看到“语音通话”选项。

与 Claude 的示例交互

这里有一些通过 Claude 与服务器自然交互的方式：

1. 简单呼叫：

Can you call +1-123-456-7890 and let them know I'll be 15 minutes late for our meeting?

1. 餐厅预订：

Please call Delicious Restaurant at +1-123-456-7890 and make a reservation for 4 people tonight at 7:30 PM. Please speak in German.

1. 预约安排：

Please call Expert Dental NYC (+1-123-456-7899) and reschedule my Monday appointment to next Friday between 4–6pm.

重要说明

1. 电话号码格式：所有电话号码必须采用E.164格式（例如，+11234567890）
2. 速率限制：请注意您的Twilio和OpenAI账户的速率限制和费用
3. 语音对话：AI将实时处理自然对话
4. 通话时长：请注意通话时长会影响OpenAI API和Twilio的成本
5. 公开暴露：请注意ngrok隧道会以随机URL的形式公开您的服务器供Twilio访问（尽管受随机密钥保护）

故障排除

常见的错误信息及解决方案：

1. "电话号码必须为E.164格式"

   • 确保电话号码以"+"开头，并包含国家代码

2. "无效凭据"

   • 请仔细检查您的TWILIO_ACCOUNT_SID和TWILIO_AUTH_TOKEN。您可以从Twilio控制台复制它们

3. "OpenAI API错误"

   • 验证您的OPENAI_API_KEY是否正确且有足够的信用额度

4. "ngrok隧道启动失败"

   • 确保您的NGROK_AUTHTOKEN有效且未过期

5. "OpenAI实时系统无法检测到语音输入结束，或存在延迟。"

   • 有时，Twilio与接收方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方。

贡献

欢迎贡献！我们希望改进的一些领域包括：

• 实现对当前实现之外的多种AI模型的支持
• 添加数据库集成，以便本地存储对话历史并使其可用于AI上下文
• 改进延迟和响应时间，以增强通话体验
• 增强错误处理和恢复机制
• 添加更多针对常见场景的预构建对话模板
• 实施更完善的呼叫监控和分析功能

如果您想做出贡献，请在提交拉取请求前先打开一个问题来讨论您的想法。

许可证

本项目根据MIT许可证发布 - 详情请参阅LICENSE文件。

安全性

请不要在GitHub的问题或拉取请求中包含任何敏感信息（如电话号码或API凭证）。此服务器处理敏感通信；请负责任地部署它，并确保所有凭证的安全。

是时候迎接新使命了吗？

我们正在招聘工程师，在语音AI前沿进行建设——并将其融入下一代电信服务中。

感兴趣吗？前往careers.popcorn.space了解更多 🍿 !