MCP - Cartesia Docs

cartesia-mcp パッケージは、Model Context Protocol (MCP) を介してCartesiaを公開します。これにより、Cursor、Claude Code、Codex などのMCP対応クライアントから、カスタムスクリプトなしでボイスのリスト、TTS と STT の実行、発音辞書の管理、ボイスのクローンなどを行えます。

要件

uv — グローバルインストールなしで uvx 経由でサーバーを実行します
Python 3.13以上(uvx によって自動でインストールされます)
Cartesia APIキー(形式: sk_car_…)

セットアップ

APIキーを取得し、cartesia-mcp をエージェントに接続します。

CLI (推奨)
Cursor
Claude Code

npx add-mcp "uvx cartesia-mcp" --name cartesia-mcp --env 'CARTESIA_API_KEY=${CARTESIA_API_KEY}'

Cartesia MCPをインストールSettings → MCP で CARTESIA_API_KEY を設定します。または、.cursor/mcp.json に追加します:

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

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

試してみる

エージェントに次のようなことを尋ねてみてください:

利用可能なすべてのCartesiaボイスをリストする
選択したボイスでテキストを音声に変換する(速度、音量、感情)
音声ファイルをテキストに文字起こしする
発音辞書を作成し、TTSで使用する
アカウントのクレジット使用量を確認する
既存のボイスを別の言語にローカライズする

ツール

ツール	説明
`text_to_speech`	テキストを音声に変換; オプションで速度、音量、感情、発音辞書を指定可能
`speech_to_text`	音声ファイルをバッチ文字起こし
`list_voices`	利用可能なボイスをリスト(言語、検索、性別などでフィルタリング可能)
`get_voice`	IDでボイスのメタデータを取得
`clone_voice`	音声サンプルからボイスをクローン
`update_voice`	クローンしたボイスの名前または説明を更新
`delete_voice`	クローンしたボイスを削除
`localize_voice`	ボイスを別の言語または方言に適応
`list_pronunciation_dicts`	発音辞書をリスト
`create_pronunciation_dict`	発音辞書を作成
`get_pronunciation_dict`	IDで発音辞書を取得
`update_pronunciation_dict`	発音辞書を更新
`delete_pronunciation_dict`	発音辞書を削除
`get_credit_usage`	期間中のクレジット使用量(admin APIキー)

パラメータと戻り値の型については、cartesia-mcp のソースを参照してください。

高度な設定

出力ディレクトリ

デフォルトでは、生成された音声はサーバーの作業ディレクトリに書き込まれます。固定のフォルダを指定するには、env に OUTPUT_DIRECTORY を追加します:

"env": {
  "CARTESIA_API_KEY": "YOUR_API_KEY",
  "OUTPUT_DIRECTORY": "~/cartesia-output"
}

音声ファイル

speech_to_text と clone_voice は、手元にある音声ファイルを受け取ります。以下のいずれかを渡してください：

file_path — MCP を実行しているマシン上の絶対パス。ローカルの uvx で使用します。
file_id — Cartesia のクラウドファイル。text_to_speech の生成結果やプレイグラウンドの履歴のファイルも含みます。ホスト型 MCP（mcp.cartesia.ai）ではこちらを使用してください。お使いのコンピュータ上のパスは、そのサーバー上には存在しません。

download_url は 24 時間有効なブラウザ用リンクです。これらのツールへの入力には使えません。speech_to_text では、一般的なファイルの文字起こし（mp3、flac、wav などの一般的なコンテナ）にはデフォルトの batch モードを使用してください。モノラル PCM WAV（TTS 出力など）や、encoding と sample_rate を指定した生 PCM には mode="stream" を使用してください。

TTS のダウンロード

text_to_speech はデフォルト（save=true）で音声を組織のクラウドストレージに保存し、以下を返します：

file_id — download_file に渡すと新しいリンクを取得できます。再利用したい音声がこの生成結果である場合は、speech_to_text や clone_voice にも渡せます
download_url — リンクの作成に成功した場合の、ブラウザで開ける時間制限付き URL（24 時間）。省略された場合は、file_id を指定して download_file を呼び出してください。
file_path — MCP を実行しているマシン上のコピー。ローカルの uvx では、同じマシン上の後続のツールにこのパスを渡せます。

クラウドフィールドなしのローカルのみの生成にするには、save=false を設定してください。

Admin APIキー

一部のツールは、admin APIキー(sk_car_admin_...)のみを受け付ける管理エンドポイントを呼び出します。get_credit_usage を使用するには、CARTESIA_API_KEY に加えて env に CARTESIA_ADMIN_API_KEY を設定してください。Admin キーは管理ルートでのみ機能します; play.cartesia.ai/keys のAPIキーはそれらのルートでは機能せず、Admin キーは生成ルートでは機能しません。組織管理者のみが、プレイグラウンドの Keys → Admin で Admin キーを発行できます。

"env": {
  "CARTESIA_API_KEY": "YOUR_API_KEY",
  "CARTESIA_ADMIN_API_KEY": "YOUR_ADMIN_API_KEY"
}

APIバージョン

Cartesia MCPは Cartesia-Version: 2026-08-14 を使用して構築されています。

cartesia-mcp

公式のCartesia MCPサーバー

​要件

​セットアップ

​試してみる

​ツール

​出力ディレクトリ

​音声ファイル

​TTS のダウンロード

​Admin APIキー

​APIバージョン