MiniMax-MCP-JS
MiniMax 官方 MCP 实现，让 Claude/Cursor 直接调用图像/视频/TTS/语音克隆等多模态生成能力
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
MiniMax 官方 MCP 实现，让 Claude/Cursor 直接调用图像/视频/TTS/语音克隆等多模态生成能力
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你用过 Claude 或者 Cursor 吗？有没有那么一刻想过——如果这些 AI 助手不只是能聊天，而是能直接帮我生成一段配音视频，或者克隆我自己的声音来讲故事，那会是什么体验？
这正是 MiniMax-MCP-JS 正在做的事。它是 MiniMax 官方发布的 Model Context Protocol（MCP）JavaScript/TypeScript 实现，通过标准化的 MCP 协议，把 MiniMax 强大的多模态生成能力——图像生成、视频生成、文本转语音、语音克隆、音乐生成——无缝接入到 Claude Desktop、Cursor 等主流 AI 工具中。
大语言模型（LLM）问世以来，最大的遗憾之一就是：模型很强，但"手"太短——它只能输出文字，无法生成图片、声音或视频。开发者们为此发明了"工具调用"（Tool Use）机制，让模型能够触发外部 API 来完成任务。然而，每接入一个新的 AI 能力，都要写一套定制化的集成代码，繁琐且难以复用。
MCP（Model Context Protocol） 就是来解决这个问题的。它由 Anthropic 提出，是一个开放协议标准，定义了 AI 客户端（如 Claude Desktop）与工具服务器之间的通信规范。开发者只需实现一次 MCP 服务器，就能被所有支持 MCP 的 AI 客户端使用。
MiniMax 是国内多模态 AI 领域的头部玩家，拥有图像生成（SDXL 级别）、视频生成（MiniMax 自研 Video-01 模型）、TTS（支持情感控制）、语音克隆等能力。MiniMax-AI 团队将这套能力封装为 MCP 服务器的 JavaScript 实现，让前端开发者能够用熟悉的 Node.js / TypeScript 生态，以极低的成本接入这些能力。
MiniMax-MCP-JS 通过 MCP 协议暴露了以下工具：
文本转语音（TTS）：支持 Speech-02-HD、Speech-02-Turbo、Speech-01 等多个模型版本。可精细控制语速（0.5x-2.0x）、音调（-12 到 +12）、音量、采样率和音频格式（MP3/PCM/FLAC/WAV）。最亮眼的是情感控制——可选 'happy'、'sad'、'angry'、'fearful'、'disgusted'、'surprised'、'neutral' 七种情感，让语音告别"念稿感"，读出真实的情绪起伏。支持 25 种语言的语音增强优化，还可通过 stream 参数开启流式输出，实现实时播报体验。
语音克隆：只需提供一段参考音频，即可克隆出相似音色。支持在克隆声音时同时指定情感风格——比如用悲伤的语气说出一段新闻。这个能力在有声读物、虚拟主播、辅助无障碍场景中价值巨大。
音色设计：在克隆的基础上更进一步，允许用户通过文字描述"设计"全新的音色，比如"一位 40 岁磁性男声，说话略带沙哑"。降低了专业配音演员门槛。
图像生成：集成 MiniMax 自研图像生成模型，输入文本提示词即可生成高质量图像。支持多种风格和分辨率。
视频生成：这是 MiniMax 的核心能力之一。通过 generate_video 工具，输入文本描述即可生成视频片段（MiniMax Video-01 模型）。支持异步模式——发起生成任务后，通过 query_video_generation_status 查询进度，完成后获取视频 URL。生成的视频时长和质量取决于 MiniMax 后端的模型版本和配额。
音乐生成：输入文字描述曲风、情绪、乐器编制，即可生成原创音乐片段。这是业内少有的 MCP 集成音乐生成的案例，拓展了 AI 创作的可能性边界。
项目源码结构清晰，采用分层服务架构：
src/
api/ # 7个子 API（tts, image, video, voice-clone, voice, music, voice-design）
services/ # MediaService 聚合层，统一调度各 API
config/ # ConfigManager 配置管理（支持 4 种优先级配置）
types/ # TypeScript 类型定义
schema/ # Zod schema 验证
utils/ # 工具函数（API 封装、音频处理、文件操作）
const/ # 常量（默认值、错误信息、环境变量名）
核心依赖：
三种传输模式是该项目的架构亮点：
配置系统支持 4 种优先级：请求参数（最高）> API 配置 > 命令行参数 > 环境变量（最低），灵活适配平台托管（ModelScope 等）和本地开发场景。
配置过程相当顺滑。以 Claude Desktop 为例，只需在配置文件 claude_desktop_config.json 中添加一段 mcpServers 配置：
{
"mcpServers": {
"minimax-mcp-js": {
"command": "npx",
"args": ["-y", "minimax-mcp-js"],
"env": {
"MINIMAX_API_HOST": "https://api.minimax.chat",
"MINIMAX_API_KEY": "您的密钥"
}
}
}
}
重启 Claude Desktop 后，就可以在对话中直接调用 text_to_audio、generate_video、clone_voice 等工具了——无需写一行代码。
Cursor 用户同样可以图形化配置。值得注意的是，国际版和国内版 MiniMax 的 API 主机地址不同（国际版多一个 "i"），密钥与地址必须匹配，否则会报 invalid api key。
成本问题：MiniMax API 为付费调用，每次 TTS、视频生成、语音克隆都会消耗配额。没有免费 tier，开发者需要预先充值账号。项目文档明确标注"⚠️ 注意：使用这些工具可能会产生费用"。
模型能力边界：视频生成质量依赖 MiniMax 后端模型更新，当前视频生成可能存在分辨率、时长或物理模拟方面的局限。语音克隆克隆精度受参考音频质量影响较大，低质量输入可能导致音色失真。
生态锁定：MCP 协议虽为开放标准，但 MiniMax-MCP-JS 深度依赖 MiniMax 后端，换用其他多模态服务需要重写实现，不存在平滑迁移路径。
REST 模式安全隐患：Dockerfile 默认以明文环境变量传递 API Key，生产环境部署需要自行添加密钥管理机制（如 Kubernetes Secret、Vault），当前文档中未覆盖这一安全配置。
平台差异：国际版（api.minimaxi.chat）和国内版（api.minimax.chat）服务存在差异，部分模型和功能可能仅在某一区域可用，需要查阅对应平台的 API 文档确认。
2024-2025 年，AI 行业正在经历从"对话模型"到"多模态 Agent"的范式转移。单纯的文本生成已不能满足需求，真正的 AI Agent 需要能看、能听、能说、能做。MiniMax-MCP-JS 的价值在于：它把多模态能力的接入门槛降到了最低。
开发者不需要理解 MiniMax 的 API 签名，不需要处理文件上传和下载，不需要管理异步任务状态——所有这些都被 MCP 协议和 JavaScript SDK 封装好了。Claude Desktop、Cursor 这些 AI 客户端天然支持 MCP，配置完成后就能"即插即用"。
从更宏观的视角看，这类 MCP 服务器正在成为 AI 生态的"基础设施层"。随着 Anthropic、MCP 生态和 Claude 的影响力扩大，支持 MCP 将成为 AI 工具的标配能力。MiniMax-AI 团队率先推出官方 JavaScript SDK，既是技术布局，也是生态卡位。
该项目目前已获得 123 颗 GitHub Stars，主要语言为 TypeScript，采用 MIT 许可证维护，保持活跃迭代（最新版本 0.0.17，更新至 2025 年 7 月），代码质量良好，类型定义完善，具备较好的长期维护预期。