Cartesia MCP Server認証済み注目

Cartesia MCP とは？

Cartesia MCP は Cartesia の公式 MCP サーバーです。テキスト読み上げ、音声認識、ボイスクローン、発音辞書といった Cartesia の音声 API を、Claude Code、Cursor、Claude Desktop などの MCP クライアントから使えるようにします。

Cartesia はリアルタイム音声モデルを開発しています。Cartesia MCP に接続したエージェントは、API 向けの使い捨てスクリプトを書かなくても、ボイスの一覧表示、指定ボイスでの音声生成、音声の文字起こし、ボイスのクローンやローカライズ、クレジット使用量の確認ができます。実行方法は 2 つあり、ホスト型エンドポイント https://mcp.cartesia.ai/mcp（推奨）か、Python パッケージ cartesia-mcp を uvx でローカル実行するかを選べます。ソースコードは GitHub にあります。

Cartesia MCP の使い方

ホスト型サーバー（推奨）

https://mcp.cartesia.ai/mcp に接続し、求められたらブラウザで Cartesia Playground にサインインします。組織にまだ Cartesia MCP API キーがない場合は自動で作成されるため、キーを自分で扱う必要はありません。組織の管理者は、接続を承認する際に管理者用ツールを有効にできます。

Claude Code

claude mcp add --transport http --scope user cartesia-mcp https://mcp.cartesia.ai/mcp

/mcp を実行して cartesia-mcp を選び、サインインします。

Claude Desktop と claude.ai：URL に https://mcp.cartesia.ai/mcp を指定してカスタムコネクタを追加し、ブラウザでサインインを完了します。

Cursor：README のインストールリンクを使うか、.cursor/mcp.json に追加します。

{
  "mcpServers": {
    "cartesia-mcp": {
      "url": "https://mcp.cartesia.ai/mcp"
    }
  }
}

VS Code：.vscode/mcp.json に追加：

{
  "servers": {
    "cartesia-mcp": {
      "type": "http",
      "url": "https://mcp.cartesia.ai/mcp"
    }
  }
}

ローカルサーバー（uvx）

uv と、play.cartesia.ai/keys で取得した Cartesia API キーが必要です。

claude mcp add -e CARTESIA_API_KEY=YOUR_CARTESIA_API_KEY cartesia -- uvx cartesia-mcp

または各クライアントの MCP 設定に追加します。

{
  "mcpServers": {
    "cartesia": {
      "command": "uvx",
      "args": ["cartesia-mcp"],
      "env": {
        "CARTESIA_API_KEY": "YOUR_CARTESIA_API_KEY"
      }
    }
  }
}

オプション設定として、CARTESIA_ADMIN_API_KEY（管理者キー。get_credit_usage に必要）と OUTPUT_DIRECTORY（生成した音声の保存先）があります。

Cartesia MCP の主な機能

• Cartesia が開発・保守する公式サーバーで、PyPI に cartesia-mcp として公開されています。
• ホスト型エンドポイントはブラウザでサインインするため、設定ファイルにキーを書く必要がありません。
• テキスト読み上げでは、速度、音量、感情、発音辞書を指定できます。
• 音声認識は、一般的な音声形式なら batch モード、PCM なら stream モードで動作します。
• ボイス管理では、クローン、他言語へのローカライズ、カタログのアクセント追加ができます。
• 生成した音声は組織のクラウドストレージに保存され、file_id と 24 時間有効な download_url が返されます。

Cartesia MCP のツール

• 音声：text_to_speech は音声を生成し、speech_to_text は file_id またはサーバー側の file_path の音声を文字起こしします。
• ボイス：list_voices、get_voice、clone_voice、update_voice、delete_voice、localize_voice でボイスの閲覧、クローン、調整を行います。
• アクセント：list_accents、add_voice_accents、delete_voice_accent で、インスタントボイスクローンのカタログアクセント（british など）を管理します。
• 発音：list_pronunciation_dicts、create_pronunciation_dict、get_pronunciation_dict、update_pronunciation_dict、delete_pronunciation_dict で単語の読み方を制御します。
• ファイルと課金：download_file はクラウドファイルの新しいリンクを取得し、get_credit_usage は期間ごとのクレジット使用量を返します（管理者のみ）。

Cartesia MCP のユースケース

• ナレーションの下書き：「この台本を落ち着いたイギリス英語のボイスで、少しゆっくりめに音声化して」
• 文字起こし：「この録音を文字起こしして」（ホスト型 MCP では file_id を渡します）
• ブランド名の発音：「製品名の発音辞書を作って、TTS で使って」
• ローカライズ：「クローンしたボイスを日本語向けにローカライズして」
• 使用量の確認：「今月はクレジットをどれくらい使った？」

Cartesia MCP のトラブルシューティング

• ホスト型 MCP でファイルが見つからない：ホスト型サーバーは手元の PC のパスを読めません。text_to_speech や download_file が返す file_id を渡すか、uvx でローカル実行して file_path を渡してください。
• get_credit_usage が失敗する：ローカルでは管理者キー（CARTESIA_ADMIN_API_KEY）が、ホスト型では接続時の管理者ツールの承認が必要です。標準キーと管理者キーは互いのルートでは使えません。
• 接続時に HTTP 429 が返る：ホスト型の新規セッションは、アクセストークンごとに毎分 5 件、クライアント IP ごとに毎分 15 件までです。再接続せず、mcp-session-id ヘッダーを再利用してください。
• セッションが切れた：30 分間リクエストのないホスト型セッションは閉じられます。もう一度 initialize を呼び出してください。
• download_url を入力に使えない：これは 24 時間有効なブラウザ用リンクで、ツールの入力ではありません。file_id を使ってください。