MCP Speak

项目简介 MCP Speak 是一个基于 Model Context Protocol（MCP）的 macOS 专用服务器，它将 AI 代理的文本输出实时合成为语音，让 Agent 不再只是沉默地返回文字，而是能够开口说话。项目名称中的「Speak」正是这个核心能力的体现：AI 代理可以主动播报状态更新、提出澄清性问题、在配对会话中给出语音反馈——这一切都由 macOS 原生的 OmniVoice 系统完成，无需额外语音合成 API。

核心功能 实时语音输出：AI 代理的每条回复同步转换为语音，无需等待完整对话结束。

macOS 原生语音：调用系统级 OmniVoice 语音合成引擎，无需第三方 TTS API。

MCP 标准协议：严格遵循 MCP 规范，可与 Claude Code、Cody 等主流 AI 编码助手配合使用。

灵活播报控制：支持选择播报时机（全部/仅重要/仅摘要），避免语音过于嘈杂。

技术原理 项目基于 MCP 服务器架构，监听 AI 代理的文本输出事件，通过 macOS AVSpeechSynthesizer 将文字转换为语音。OmniVoice 是苹果在 macOS Sequoia 中引入的系统级语音系统，音质远优于传统 AVSpeechSynthesizer，且无需申请任何 API Key。

适用场景 需要边写代码边听 AI 播报进度的开发者；希望 AI 在执行长时间任务时主动语音通知；打造更自然的人机语音交互体验。