通过 MCP 为 Strands Agents 接入文本转语音

如果 Strands 智能体要用多种语言回答,就需要能说每一种语言的声音。通过 Strands 内置的 MCP 客户端加载 Paxa MCP 服务器,智能体就能用任意 Paxa TTS Flash v2 音色说中文、英语和泰语。同一个服务器还提供转写、OCR 和翻译工具。

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.")
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。

  1. 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。

  2. 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。

  3. 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。