Voice Call MCP Server

语音通话 MCP 服务

一个 Model Context Protocol（MCP）服务，可让 Claude 和其他 AI 助手使用 Twilio 和 OpenAI（GPT-4o Realtime 模型）发起和管理语音通话。

将其作为起点，开启由 AI 驱动的语音通话探索，节省时间，并在此基础上开发更多功能。

时序图

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) Initiate outbound call request <br>(POST /calls)
    MCP->>Twilio: 2) Place outbound call via Twilio API
    Twilio->>Phone: 3) Ring the destination phone
    Twilio->>MCP: 4) Call status updates & audio callbacks (webhooks)
    MCP->>OpenAI: 5) Forward real-time audio to OpenaAI's realtime model
    OpenAI->>MCP: 6) Return voice stream
    MCP->>Twilio: 7) Send voice stream
    Twilio->>Phone: 8) Forward voice stream
    Note over Phone: Two-way conversation continues <br>until the call ends

功能

• 通过 Twilio 拨打电话 📞
• 使用 GPT-4o Realtime 模型实时处理通话音频 🎙️
• 在通话期间实时切换语言 🌐
• 为常见通话场景（如餐厅预订）预置提示词 🍽️
• 使用 ngrok 自动建立公共 URL 隧道 🔄
• 安全处理凭据 🔒

为什么选择 MCP？

Model Context Protocol（MCP）弥合了 AI 助手与现实世界操作之间的差距。通过实现 MCP，此服务可让 Claude 等 AI 模型：

1. 代表用户发起实际电话
2. 处理并回应实时音频对话
3. 执行需要语音通信的复杂任务

这个开源实现提供了透明度和可定制性，让开发者能够扩展功能，同时掌控自己的数据和隐私。

要求

• Node.js >= 22
  • 如果需要更新 Node.js，建议使用 nvm（Node Version Manager）：

    nvm install 22
    nvm use 22
    

• Twilio 账户及 API 凭据
• OpenAI API 密钥
• Ngrok Authtoken

安装

手动安装

1. 克隆仓库

   git clone https://github.com/lukaskai/voice-call-mcp-server.git
   cd voice-call-mcp-server
   

2. 安装依赖并构建

   npm install
   npm run build
   

配置

此服务需要设置多个环境变量：

• TWILIO_ACCOUNT_SID：你的 Twilio 账户 SID
• TWILIO_AUTH_TOKEN：你的 Twilio 身份验证令牌
• TWILIO_NUMBER：你的 Twilio 号码
• OPENAI_API_KEY：你的 OpenAI API 密钥
• NGROK_AUTHTOKEN：你的 ngrok Authtoken
• RECORD_CALLS：设为 "true" 以录制通话（可选）

Claude Desktop 配置

要在 Claude Desktop 中使用此服务，请将以下内容添加到配置文件中：

macOS：~/Library/Application Support/Claude/claude_desktop_config.json

Windows：%APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "voice-call": {
      "command": "node",
      "args": ["/path/to/your/mcp-new/dist/start-all.cjs"],
      "env": {
        "TWILIO_ACCOUNT_SID": "your_account_sid",
        "TWILIO_AUTH_TOKEN": "your_auth_token",
        "TWILIO_NUMBER": "your_e.164_format_number",
        "OPENAI_API_KEY": "your_openai_api_key",
        "NGROK_AUTHTOKEN": "your_ngrok_authtoken"
      }
    }
  }
}

完成后，重启 Claude Desktop 以重新加载配置。 连接成功后，你应该能在 🔨 菜单下看到 Voice Call。

与 Claude 的交互示例

以下是通过 Claude 与此服务交互的一些自然方式：

1. 简单通话：

Can you call +1-123-456-7890 and let them know I'll be 15 minutes late for our meeting?

2. 餐厅预订：

Please call Delicious Restaurant at +1-123-456-7890 and make a reservation for 4 people tonight at 7:30 PM. Please speak in German.

3. 预约安排：

Please call Expert Dental NYC (+1-123-456-7899) and reschedule my Monday appointment to next Friday between 4–6pm.

重要说明

1. 电话号码格式：所有电话号码都必须采用 E.164 格式（例如，+11234567890）
2. 速率限制：请留意 Twilio 和 OpenAI 账户的速率限制及定价
3. 语音对话：AI 将实时处理自然对话
4. 通话时长：请留意通话时长，因为这会影响 OpenAI API 和 Twilio 的费用
5. 公开访问：请注意，ngrok 隧道会将你的服务公开，以便 Twilio 访问（但使用随机 URL，并由随机密钥保护）

故障排除

常见错误消息及解决方案：

1. "Phone number must be in E.164 format"

   • 确保电话号码以 "+" 和国家代码开头

2. "Invalid credentials"

   • 仔细检查你的 TWILIO_ACCOUNT_SID 和 TWILIO_AUTH_TOKEN。你可以从 Twilio Console 复制这些信息

3. "OpenAI API error"

   • 确认你的 OPENAI_API_KEY 正确且有足够的额度

4. "Ngrok tunnel failed to start"

   • 确保你的 NGROK_AUTHTOKEN 有效且未过期

5. "OpenAI Realtime does not detect the end of voice input, or is lagging."

   • 有时，Twilio 与接收方网络运营商之间可能存在语音编码问题。请尝试更换接收方。

贡献

欢迎贡献！以下是我们希望改进的一些方面：

• 支持当前实现之外的多种 AI 模型
• 添加数据库集成，在本地存储对话历史记录，并使其可供 AI 上下文使用
• 降低延迟并缩短响应时间，提升通话体验
• 改进错误处理和恢复机制
• 添加更多适用于常见场景的预置对话模板
• 改进通话监控和分析

如果你想参与贡献，请先提交一个 issue 讨论你的想法，然后再提交 pull request。

许可证

本项目采用 MIT 许可证授权，详情请参阅 LICENSE 文件。

安全

请勿在 GitHub issue 或 pull request 中包含任何敏感信息（如电话号码或 API 凭据）。此服务会处理敏感通信；请负责任地部署，并确保所有凭据都得到妥善保护。

开启新的使命？

我们正在招聘工程师，致力于构建语音 AI 前沿技术，并将其融入新一代电信服务。

感兴趣吗？请访问 careers.popcorn.space 🍿 ！