什么是语音呼叫MCP服务器？

语音呼叫MCP服务器是一种基于模型上下文协议（MCP）的系统，允许AI助手（如Claude）发起和管理电话语音通话。它利用Twilio进行拨打电话，使用OpenAI的实时模型处理语音流，实现自然的双向对话。

如何使用语音呼叫MCP服务器？

通过简单的命令，您可以指示AI助手拨打指定号码并传递信息。例如，您可以让AI助手代您预约餐厅或通知他人您的行程。

适用场景

适合需要语音沟通的任务，如预约、提醒、客户沟通等。

主要功能

拨打电话通过Twilio API发起和管理语音通话。

实时语音处理使用OpenAI的实时模型处理语音输入并生成响应。

多语言支持根据需求自动切换语言，确保顺畅沟通。

预设模板内置多种常见场景模板，简化复杂任务。

自动公网隧道使用ngrok自动创建公网隧道，方便远程访问。

优势与局限性

优势

支持双向语音对话，提升沟通效率。

实时处理语音输入，响应迅速。

多语言支持，适应全球化需求。

易于集成，适合开发人员快速上手。

自动公网隧道，减少部署复杂度。

局限性

对网络环境要求较高，可能影响语音质量。

依赖第三方API（Twilio和OpenAI），费用可能累积。

仅支持E.164格式的电话号码。

需手动配置API密钥，安全性需自行保障。

如何使用

安装依赖

克隆仓库并安装所需的Node.js依赖。

配置环境变量

设置Twilio和OpenAI的API密钥以及ngrok的认证令牌。

启动服务器

运行构建后的脚本以启动MCP服务器。

配置Claude

在Claude桌面应用中添加MCP服务器配置。

使用案例

预约餐厅让AI助手代您预约餐厅。

通知他人告知对方您会迟到。

常见问题

如何确保电话号码格式正确？

为什么会有延迟？

如何记录通话历史？

如何解决API密钥无效的问题？

🚀 语音呼叫 MCP 服务器

语音呼叫 MCP 服务器是一个模型上下文协议（MCP）服务器，它能让 Claude 和其他人工智能助手借助 Twilio 和 OpenAI（GPT - 4o 实时模型）发起并管理语音电话。借助该服务器，你可以快速开启 AI 驱动语音通话的探索之旅，节省时间并在此基础上开发更多功能。

🚀 快速开始

本项目可帮助你快速开启 AI 驱动语音通话的探索，你可以基于此项目节省时间并开发更多功能。

✨ 主要特性

通过 Twilio 发起电话呼叫 📞
使用 GPT - 4o 实时模型处理实时语音 🎙️
呼叫期间的实时语言切换 🌐
预建常见呼叫场景提示（如餐厅预订） ⍽️
自动公共 URL 隧道与 ngrok 🔄
安全处理凭证 🔒

📚 详细文档

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) 发起外呼请求（POST /calls）
    MCP->>Twilio: 2) 通过Twilio API放置外呼
    Twilio->>Phone: 3) 拨打目标电话
    Twilio->>MCP: 4) 呼叫状态更新及音频回调（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: 双向对话继续进行<br>直到通话结束

重要说明

⚠️ 重要提示

电话号码格式：所有电话号码必须为 E.164 格式（例如，+11234567890）

速率限制：注意 Twilio 和 OpenAI 账户的速率限制和定价

语音对话：人工智能将实时处理自然对话

呼叫时长：注意呼叫时长，因为它们会影响 OpenAI API 和 Twilio 费用

公开暴露：ngrok 隧道会公开暴露您的服务器（尽管带有随机 URL 并受随机密钥保护）