เซิร์ฟเวอร์ MCP

@paxalabs/mcp มอบ Paxa API ให้ MCP client ในรูปแบบเครื่องมือ ทั้งพูดออกลำโพงของเครื่อง บันทึกเสียงเป็นไฟล์ แปลเป็นภาษาไทย และ OCR เอกสาร ติดตั้งได้กับ Claude Code, Claude Desktop, Cursor หรือ VS Code และเปลี่ยน Claude Code ให้เป็นโหมดเสียงด้วยฮุก paxa say

ดูเป็น Markdown

@paxalabs/mcp คือเซิร์ฟเวอร์ Model Context Protocol อย่างเป็นทางการของ Paxa API เมื่อเชื่อมต่อแล้ว agent จะพูดผ่านลำโพงของเครื่อง อ่านเนื้อหายาวออกเสียงผ่านคิวเล่นเสียง บันทึกเสียงพูดเป็นไฟล์ แปลจากภาษาใดก็ได้เป็นภาษาไทย และอ่าน PDF กับรูปภาพด้วย OCR ได้ แต่ละเครื่องมือคิดเครดิตเท่ากับเอนด์พอยต์ API ที่อยู่เบื้องหลัง ซอร์สโค้ดอยู่บน GitHub

หมายเหตุ

เซิร์ฟเวอร์ยังอยู่ในช่วงเบต้า ชุดเครื่องมือครบและผ่านการทดสอบตั้งแต่ต้นจนจบแล้ว แต่ชื่อเครื่องมืออาจเปลี่ยนได้ก่อนเวอร์ชัน 1.0 แจ้งปัญหาได้ที่ https://github.com/paxalabs/mcp/issues

ติดตั้ง#

คุณต้องมี API key ก่อน บัญชีใหม่ได้รับเครดิตฟรี 100 เครดิต

claude mcp add paxa -e PAXA_API_KEY=pxa_your_key_here -- npx -y @paxalabs/mcp

{
  "mcpServers": {
    "paxa": {
      "command": "npx",
      "args": [
        "-y",
        "@paxalabs/mcp"
      ],
      "env": {
        "PAXA_API_KEY": "pxa_your_key_here"
      }
    }
  }
}

รายการ JSON นี้ใช้ได้กับ Claude Desktop (claude_desktop_config.json), Cursor (~/.cursor/mcp.json), VS Code และ client อื่นที่เรียกเซิร์ฟเวอร์แบบ stdio แทนที่ค่าตัวอย่างด้วยคีย์ของคุณ

Claude Desktop ติดตั้งจากไฟล์ส่วนขยายในหน้า releases ได้เช่นกัน ดาวน์โหลดไฟล์ .mcpb เปิดด้วย Claude Desktop แล้วกรอกคีย์ในหน้าตั้งค่าส่วนขยาย ไฟล์นี้บรรจุเซิร์ฟเวอร์และไลบรารีที่ต้องใช้ไว้ครบ จึงใช้ได้โดยไม่ต้องติดตั้ง Node.js

เครื่องมือ#

เครื่องมือ	หน้าที่	เครดิต
speak	สังเคราะห์ประโยคสั้นแล้วเล่นออกลำโพง รอจนเล่นจบก่อนตอบกลับ	15 ต่อ 1,000 ตัวอักษร
queue_speech	อ่านเนื้อหายาวออกเสียง แบ่งข้อความเป็นช่วง สังเคราะห์ล่วงหน้าระหว่างเล่น และตอบกลับทันที	15 ต่อ 1,000 ตัวอักษร
control_playback	ควบคุมคิวเสียงที่ใช้ร่วมกัน: `status`, `pause`, `resume`, `skip`, `clear`	ฟรี
play_audio	เล่นไฟล์เสียงในเครื่องออกลำโพง	ฟรี
text_to_speech	สังเคราะห์เสียงเป็นไฟล์ (mp3, opus, wav) โดยไม่เล่น	15 ต่อ 1,000 ตัวอักษร
translate_to_thai	แปลจากภาษาใดก็ได้เป็นภาษาไทย พร้อมควบคุมระดับภาษา อภิธานศัพท์ และบริบท	25 ต่อ 1,000 ตัวอักษร
ocr_document	OCR ไฟล์ PDF, PNG, JPEG หรือ WebP ในเครื่องเป็น Markdown หรือบล็อกแบบมีโครงสร้าง	6.5 ต่อหน้า
list_voices	รายชื่อเสียงพร้อมคำอธิบายบุคลิก	ฟรี
list_models	โมเดลที่ใช้ได้ ขีดจำกัด และราคา	ฟรี
get_account	ยอดเครดิต แพ็กเกจ และขีดจำกัดอัตราคำขอ	ฟรี

เสียงทั้งหมดไหลผ่านคิวเดียวตามลำดับ จึงไม่มีเสียงซ้อนกัน ประโยคจาก speak จะแทรกขึ้นก่อนช่วงเนื้อหายาวที่รอคิวอยู่ ส่วน queue_speech ทำให้หนังสือหรือบทความไหลต่อเนื่องด้วยการสังเคราะห์ช่วงถัดไประหว่างที่ช่วงปัจจุบันกำลังเล่น หากติดตั้งโปรแกรมเล่นเสียงที่รองรับสตรีมไว้ เสียงจะเริ่มตั้งแต่ไบต์แรกที่มาจาก API หากไม่มี เสียงจะเล่นหลังดาวน์โหลดเสร็จ

โหมดเสียงสำหรับ Claude Code#

สามส่วนนี้ทำให้คุณเดินออกจากหน้าจอ Claude Code ได้ มันจะพูดเมื่อมีเรื่องแจ้ง และเรียกคุณเมื่อต้องการคำตอบ ติดตั้งเซิร์ฟเวอร์ตามข้างต้น บอก Claude ว่าควรพูดเมื่อไร แล้วตั้งฮุกสำหรับช่วงที่โมเดลหยุดรอ

บอก Claude ว่าควรพูดเมื่อไร#

เพิ่มข้อความนี้ใน ~/.claude/CLAUDE.md หรือใน CLAUDE.md ของโปรเจกต์ใดโปรเจกต์หนึ่ง:

CLAUDE.md

## Voice

I have the Paxa MCP server (tools: speak, queue_speech, control_playback).
I am often away from the screen, so use voice like this:

- At the end of a turn where you did real work, call speak with a one or
  two sentence summary before writing the final message: what you did,
  what is next, and anything you need from me.
- When you need a decision from me, speak the question too.
- Keep it short and conversational. Never read code, file paths, logs, or
  long lists aloud. Those stay in text.
- Do not speak for quick back-and-forth or trivial answers.
- If I ask to hear something long, use queue_speech.
- Speak in the language I write in.

ให้ Claude เรียกเมื่อต้องการคุณ#

ระหว่างที่ Claude Code รอสิทธิ์อนุญาตหรือรอคำตอบ โมเดลจะหยุดทำงานและเรียก speak ไม่ได้ Claude Code จะยิงฮุกในจังหวะนั้นแทน และ paxa say จะเปลี่ยนฮุกเป็นเสียงพูดสั้นๆ เช่น "Permission needed." ติดตั้งคำสั่งลง PATH ด้วย npm install -g @paxalabs/mcp แล้วเพิ่มฮุกใน ~/.claude/settings.json:

settings.json

{
  "hooks": {
    "Notification": [
      {
        "matcher": "permission_prompt|idle_prompt|agent_needs_input",
        "hooks": [
          {
            "type": "command",
            "command": "paxa say"
          }
        ]
      }
    ]
  }
}

paxa say อ่านคีย์จาก PAXA_API_KEY หรือจากรายการ paxa ใน ~/.claude.json เมื่อไม่ได้ตั้งค่าไว้ วลีในตัวจะถูกสังเคราะห์ครั้งเดียวต่อเสียงแล้วเก็บไว้ในโฟลเดอร์แคชของผู้ใช้ การแจ้งเตือนครั้งถัดไปจึงเล่นจากดิสก์โดยไม่ต้องต่อเครือข่ายและไม่เสียเครดิต ฮุก Stop ที่ตั้งค่าแบบเดียวกันจะพูดว่า "Done." เมื่อจบทุกเทิร์น

paxa say "Build finished" ใช้เดี่ยวๆ ได้เช่นกัน และ --voice ใช้เลือกเสียง README อธิบายการตั้งวลีเอง แฟล็ก --cache และโปรแกรมเล่นเสียงที่เร็วกว่าบน macOS

ตัวแปรสภาพแวดล้อม#

ตัวแปร	จำเป็น	ค่าเริ่มต้น	หน้าที่
PAXA_API_KEY	ใช่		API key ของคุณ เซิร์ฟเวอร์เริ่มทำงานได้แม้ไม่มีคีย์ แต่ทุกเครื่องมือที่เรียก API จะล้มเหลวพร้อมคำแนะนำการตั้งค่าที่ agent ส่งต่อให้คุณได้
PAXA_OUTPUT_DIR	ไม่	โฟลเดอร์ปัจจุบัน	ตำแหน่งที่ `text_to_speech` บันทึกไฟล์
PAXA_DEFAULT_VOICE	ไม่	`nomyen`	เสียงที่ใช้เมื่อคำสั่งไม่ได้ระบุเสียง ข้อความภาษาอังกฤษมักฟังดีที่สุดกับเสียงอังกฤษ (`donut`, `cookie`, `toast`, `latte`)
PAXA_BASE_URL	ไม่	`https://api.paxalabs.com`	เปลี่ยน origin ของ API

การเล่นเสียงที่รองรับ#

แพลตฟอร์ม	เล่นจากไฟล์	เล่นแบบสตรีม	หยุดชั่วคราวและเล่นต่อ
macOS	`afplay` (มีในระบบ)	`ffplay`, `mpv` หรือ `mpg123` หากติดตั้งไว้	ได้
Linux	`ffplay`, `mpv`, `mpg123`, `paplay` หรือ `aplay`	`ffplay`, `mpv` หรือ `mpg123`	ได้
Windows	`ffplay` หากติดตั้งไว้ มิฉะนั้นใช้ PowerShell (wav)	`ffplay` หากติดตั้งไว้	ไม่ได้

การสตรีมต้องใช้โปรแกรมเล่นเสียงที่อ่านจาก stdin ได้ บน macOS ติดตั้งด้วย brew install ffmpeg (หรือ mpv) หากไม่พบโปรแกรมเล่นเสียงเลย เครื่องมือพูดจะแจ้งให้ทราบ และ text_to_speech ยังใช้งานได้ตามปกติ

AI Agentโหลดเอกสารเข้า coding agent ที่เขียนโค้ดเรียก API โดยตรง เครดิตและค่าบริการวิธีคิดเครดิต การคืนเครดิต และการเติมเครดิต รายการเสียงรายชื่อเสียงทั้งหมดที่เครื่องมือ `speak` เลือกใช้ได้

ก่อนหน้าการยืนยันตัวตน ถัดไปAI Agent