tts-mcp
Version:
OpenAI Text to Speech APIを活用したコマンドラインツールとMCPサーバー
275 lines (274 loc) • 11.2 kB
JavaScript
;
var __createBinding = (this && this.__createBinding) || (Object.create ? (function(o, m, k, k2) {
if (k2 === undefined) k2 = k;
var desc = Object.getOwnPropertyDescriptor(m, k);
if (!desc || ("get" in desc ? !m.__esModule : desc.writable || desc.configurable)) {
desc = { enumerable: true, get: function() { return m[k]; } };
}
Object.defineProperty(o, k2, desc);
}) : (function(o, m, k, k2) {
if (k2 === undefined) k2 = k;
o[k2] = m[k];
}));
var __setModuleDefault = (this && this.__setModuleDefault) || (Object.create ? (function(o, v) {
Object.defineProperty(o, "default", { enumerable: true, value: v });
}) : function(o, v) {
o["default"] = v;
});
var __importStar = (this && this.__importStar) || (function () {
var ownKeys = function(o) {
ownKeys = Object.getOwnPropertyNames || function (o) {
var ar = [];
for (var k in o) if (Object.prototype.hasOwnProperty.call(o, k)) ar[ar.length] = k;
return ar;
};
return ownKeys(o);
};
return function (mod) {
if (mod && mod.__esModule) return mod;
var result = {};
if (mod != null) for (var k = ownKeys(mod), i = 0; i < k.length; i++) if (k[i] !== "default") __createBinding(result, mod, k[i]);
__setModuleDefault(result, mod);
return result;
};
})();
var __importDefault = (this && this.__importDefault) || function (mod) {
return (mod && mod.__esModule) ? mod : { "default": mod };
};
Object.defineProperty(exports, "__esModule", { value: true });
exports.initializeClient = initializeClient;
exports.startMcpServer = startMcpServer;
const mcp_js_1 = require("@modelcontextprotocol/sdk/server/mcp.js");
const stdio_js_1 = require("@modelcontextprotocol/sdk/server/stdio.js");
const openai_1 = require("openai");
const z = __importStar(require("zod"));
const fs_1 = require("fs");
const path_1 = __importDefault(require("path"));
const os_1 = __importDefault(require("os")); // 一時ディレクトリのパスを取得するために使用
const play_sound_1 = __importDefault(require("play-sound"));
const utils_1 = require("./utils");
// プレイヤーの初期化
const player = (0, play_sound_1.default)({});
// ログファイルパス
let logFile = path_1.default.join(process.cwd(), 'tts-mcp.log');
/**
* ログファイルにメッセージを追加します
* @param {string} message - ログメッセージ
*/
async function logToFile(message) {
const timestamp = new Date().toISOString();
const logMessage = `${timestamp} - ${message}\n`;
try {
await fs_1.promises.appendFile(logFile, logMessage);
}
catch (error) {
// ログ書き込みエラーは無視（エラー処理のループを避けるため）
}
}
/**
* OpenAI APIのクライアントを初期化します
* @param {string} apiKey - OpenAI APIキー
* @returns {OpenAI} OpenAIクライアントインスタンス
*/
function initializeClient(apiKey) {
if (!apiKey) {
throw new Error('OpenAI APIキーが設定されていません。--api-keyオプションか環境変数OPENAI_API_KEYを設定してください。');
}
return new openai_1.OpenAI({
apiKey: apiKey
});
}
/**
* テキストを音声に変換して再生します
* @param {TTSPlayOptions} options - 変換オプション
* @returns {Promise<TTSPlayResult>} 処理結果
*/
async function textToSpeechAndPlay(options) {
const client = initializeClient(options.apiKey);
let tempFilePath = null;
try {
await logToFile('音声生成開始...');
// 入力の検証
const safeVoice = (0, utils_1.validateVoice)(options.voice);
const safeModel = (0, utils_1.validateModel)(options.model);
const safeFormat = (0, utils_1.validateFormat)(options.format);
const response = await client.audio.speech.create({
model: safeModel,
voice: safeVoice,
input: options.text,
speed: options.speed,
response_format: safeFormat,
...(options.instructions ? { instructions: options.instructions } : {})
});
// 音声データを取得
const buffer = Buffer.from(await response.arrayBuffer());
// 直接一時ファイルパスを生成
tempFilePath = path_1.default.join(os_1.default.tmpdir(), `speech_${Date.now()}.${safeFormat}`);
// バッファをファイルに書き込む
await fs_1.promises.writeFile(tempFilePath, buffer);
await logToFile(`音声ファイルを作成しました: ${tempFilePath}`);
// 再生開始時間を記録
const startTime = Date.now();
await logToFile(`音声を再生します: ${tempFilePath}`);
// 音声を再生（Promise化）
await new Promise((resolve, reject) => {
player.play(tempFilePath, (err) => {
if (err)
reject(err);
else
resolve();
});
});
// 再生時間を計算（秒単位）
const duration = ((Date.now() - startTime) / 1000).toFixed(1);
await logToFile(`音声の再生が完了しました（再生時間: ${duration}秒）`);
// 一時ファイルの削除を試みる（任意）
try {
await fs_1.promises.unlink(tempFilePath);
await logToFile(`一時ファイルを削除しました: ${tempFilePath}`);
}
catch (cleanupError) {
await logToFile(`一時ファイルの削除に失敗しました: ${cleanupError.message}`);
// 削除に失敗しても処理は続行
}
return {
duration,
textLength: options.text.length
};
}
catch (error) {
// エラーが発生した場合、一時ファイルが存在していれば削除を試みる
if (tempFilePath) {
try {
await fs_1.promises.unlink(tempFilePath);
}
catch (cleanupError) {
// 削除エラーは無視
}
}
// APIエラーをより詳細にログ記録
if (error.response) {
const apiError = error.response.data;
await logToFile(`OpenAI API エラー:`);
await logToFile(`- ステータス: ${error.response.status}`);
await logToFile(`- メッセージ: ${apiError.error?.message || 'エラー詳細なし'}`);
await logToFile(`- タイプ: ${apiError.error?.type || 'エラータイプなし'}`);
// 元のエラーもログに記録
await logToFile(`生のレスポンスデータ: ${JSON.stringify(error.response.data)}`);
}
else {
// 一般的なエラー
await logToFile(`エラー: ${error.message}`);
}
throw error;
}
}
/**
* MCPサーバーを作成して設定します
* @param {MCPServerConfig} config - サーバー設定
* @returns {Promise<McpServer>} 設定済みMCPサーバー
*/
async function createMcpServer(config) {
// カスタムログファイルがあれば設定
if (config.logFile) {
logFile = config.logFile;
}
// ログファイルを初期化
await logToFile('---------------------------------------');
await logToFile(`MCPサーバーを初期化しています...`);
await logToFile(`設定: モデル=${config.model}, 音声=${config.voice}, フォーマット=${config.format}`);
// MCPサーバーを作成
const server = new mcp_js_1.McpServer({
name: "tts-mcp",
version: "1.1.0",
// サポートする機能を明示的に定義
capabilities: {
tools: {}
}
});
// テキスト音声変換と再生ツールを追加
server.tool("text-to-speech", "Converts text to speech and plays it using OpenAI's TTS API", {
text: z.string().describe("The text content to be converted to speech"),
speed: z.number().min(0.25).max(4.0).optional().default(1.0).describe("Speech speed factor (0.25 to 4.0, default: 1.0)"),
instructions: z.string().optional().describe("Optional instructions to guide the speech generation (e.g. emotions, style)"),
}, async (params) => {
try {
const result = await textToSpeechAndPlay({
text: params.text,
model: config.model,
voice: config.voice,
speed: params.speed,
format: config.format,
instructions: params.instructions,
apiKey: config.apiKey
});
return {
content: [
{
type: "text",
text: `テキストを音声で再生しました（再生時間: ${result.duration}秒）`
}
],
metadata: {
duration: result.duration,
text_length: result.textLength
}
};
}
catch (error) {
return {
content: [
{
type: "text",
text: `エラー: 音声の生成または再生に失敗しました`
},
{
type: "text",
text: `詳細: ${error.message}`
},
{
type: "text",
text: `対処方法: OpenAI APIキーの確認、テキスト内容の確認、または別のボイスやモデルの使用をお試しください。`
}
],
isError: true
};
}
});
return server;
}
/**
* MCPサーバーを起動します
* @param {MCPServerConfig} config - サーバー設定
* @returns {Promise<void>}
*/
async function startMcpServer(config) {
// 入力値の検証
const safeModel = (0, utils_1.validateModel)(config.model);
const safeVoice = (0, utils_1.validateVoice)(config.voice);
const safeFormat = (0, utils_1.validateFormat)(config.format);
// 検証済みの値で設定を上書き
const validatedConfig = {
...config,
model: safeModel,
voice: safeVoice,
format: safeFormat
};
// stderr経由でコンテキスト情報を出力
process.stderr.write(`モデル=${safeModel}, 音声=${safeVoice}, フォーマット=${safeFormat}\n`);
try {
// サーバーを作成
const server = await createMcpServer(validatedConfig);
// STDIOトランスポートを使用
const transport = new stdio_js_1.StdioServerTransport();
// サーバーを接続して開始
await server.connect(transport);
await logToFile("MCPサーバーが起動しました");
}
catch (error) {
await logToFile(`MCPサーバー起動エラー: ${error.message}`);
// stderrにもエラーを出力
process.stderr.write(`エラー: ${error.message}\n`);
throw error;
}
}