通过 MCP 为 Strands Agents 接入文本转语音
把 Paxa MCP 服务器作为 Strands 工具#
智能体首次使用时用 npx 启动服务器,完成后将其关闭。在服务器端运行的智能体可以用 tool_filters 只保留文件类工具。
import os from mcp import StdioServerParameters, stdio_client from strands import Agent from strands.tools.mcp import MCPClient paxa = MCPClient(lambda: stdio_client( StdioServerParameters( command="npx", args=["-y", "@paxalabs/mcp"], env={"PAXA_API_KEY": os.environ["PAXA_API_KEY"]}, ) )) agent = Agent(tools=[paxa]) agent("Save 'สวัสดีครับ, welcome to the show' as welcome.mp3 with the khanomkrok voice.")
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js"; import { Agent, McpClient } from "@strands-agents/sdk"; const paxa = new McpClient({ transport: new StdioClientTransport({ command: "npx", args: ["-y", "@paxalabs/mcp"], env: { PAXA_API_KEY: process.env.PAXA_API_KEY ?? "" }, }), }); const agent = new Agent({ tools: [paxa] }); await agent.invoke( "Save 'สวัสดีครับ, welcome to the show' as welcome.mp3 with the khanomkrok voice.", );
paxa = MCPClient( lambda: stdio_client( StdioServerParameters( command="npx", args=["-y", "@paxalabs/mcp"], env={"PAXA_API_KEY": os.environ["PAXA_API_KEY"]}, ) ), tool_filters={ "allowed": [ "text_to_speech", "transcribe_audio", "ocr_document", "extract_fields", "translate", "list_voices", ] }, )
从密钥到有声音的智能体#
Strands 不需要 Paxa 专用的软件包。它的 MCP 客户端负责加载工具,智能体保留原有的模型服务商。
安装 Strands
Python 安装 strands-agents,TypeScript 安装 @strands-agents/sdk,再安装 Node.js 以使用 npx,并把 PAXA_API_KEY 设为控制台中的密钥。
加载 Paxa 工具
创建运行 npx -y @paxalabs/mcp 的 MCP 客户端,在其环境中设置 PAXA_API_KEY,再把它传给智能体的 tools。
保留需要的工具
播放类工具 design_voice、refine_voice 和 listen 会使用运行服务器那台机器的扬声器和麦克风。在 Python 中传入 tool_filters,只保留文件类工具。
Paxa TTS Flash v2 标价为每百万字符 $10。Paxa STT Lite 标价为每小时音频 $0.50,按毫秒计费。
常见问题#
Strands Agents 是什么?
Strands 介绍其 SDK 可以帮助开发者快速构建、管理、评估和部署 AI 智能体。它支持 Python 和 TypeScript,默认的模型服务商是 Amazon Bedrock。
智能体能从 Paxa 获得哪些工具?
智能体可以获得文本转语音、转写、OCR、字段提取和翻译工具。MCP 服务器页面列出每个工具及其价格,Paxa MCP 服务器也能用于其他 MCP 客户端。
智能体可以使用哪些音色?
语音合成使用 Paxa TTS Flash v2,它的 50 个音色都能说中文、英语和泰语。在文本中写入指令标签,例如 [whispering] 或 [laughs],可以设定说话方式。
智能体把音频文件保存在哪里?
text_to_speech 把文件保存到 PAXA_OUTPUT_DIR,默认是当前工作目录。在 env 中与 PAXA_API_KEY 一起设置它和 PAXA_DEFAULT_VOICE(环境变量)。
从免费积分开始
使用 Google、GitHub 或 Hugging Face 登录,即可用 100 一次性免费积分处理您自己的文本。