Cómo conectar Deepgram a Gemini vía MCP

💡 ¿Sin instalación? Usa cloud.anythingmcp.com directamente. Inicia sesión, pulsa Connectors → Deepgram, pega tus credenciales, genera una MCP API key y listo. Sin Docker, sin git clone, sin servidor local.

Deepgram + Gemini

Deepgram speech AI con tu propia clave de API: transcribe grabaciones desde una URL con etiquetas de hablante, resúmenes, temas y sentimiento, analiza textos, convierte texto en voz con las voces Aura y consulta modelos, claves, miembros, consumo, peticiones, gasto y saldos de crédito.

Requisitos previos

Las instrucciones de configuración completas están incluidas en el conector (visibles en el store al seleccionarlo). Las variables de entorno requeridas:

DEEPGRAM_API_KEY

Paso 1 — Obtener credenciales

La configuración lleva unos 3 minutos. Necesitas una cuenta de Deepgram; una cuenta nueva empieza con crédito gratuito.

1. Inicia sesión en https://console.deepgram.com y abre el proyecto que quieras usar.
2. Abre API Keys, haz clic en Create a New API Key, ponle un nombre y elige el rol. Member basta para transcripción, texto a voz, análisis de texto, claves y consumo; Admin u Owner hacen falta para miembros, saldos, gasto y compras (billing:read). Deja la caducidad vacía o pon una que recuerdes.
3. Copia la clave, que se muestra una sola vez, en DEEPGRAM_API_KEY. Pega solo la clave: el conector la envía como Authorization: Token <key>.
4. Instala el conector y ejecuta deepgram_list_projects para comprobar la clave.

Lo que cuesta: deepgram_transcribe_url se factura por minuto de audio (más con resúmenes y otras funciones de análisis), deepgram_analyze_text por token y deepgram_text_to_speech por carácter, siempre al proyecto de la clave. Todas las demás herramientas son gratuitas. Para una grabación larga o un lote grande la IA dice antes cuánto costará aproximadamente, y deepgram_list_balances muestra el crédito restante.

Qué hace:

• Transcribe una grabación con deepgram_transcribe_url desde una url pública; un enlace prefirmado de S3, GCS o Drive funciona, una página tras un inicio de sesión no. Buenos valores por defecto son model: nova-3 y smart_format: true. diarize con utterances o paragraphs muestra quién dijo qué, detect_language resuelve un idioma desconocido (o language: multi en nova-3 para idiomas mezclados), keyterm ayuda con nombres y jerga, summarize: v2, topics, intents y sentiment analizan llamadas (solo inglés) y redact oculta números de tarjeta o datos personales.
• Analiza textos que ya tienes, como una transcripción, un email o notas, con deepgram_analyze_text y summarize, topics, intents o sentiment (inglés).
• Genera audio con deepgram_text_to_speech y una voz Aura en model; deepgram_list_models lista las voces con idioma, acento y un enlace de muestra.
• Modelos: deepgram_list_models y deepgram_get_model para los modelos públicos, deepgram_list_project_models para lo que un proyecto puede usar, modelos personalizados incluidos.
• Cuenta: deepgram_list_projects para el project_id, luego el proyecto, sus claves de API (solo lectura, el secreto nunca se devuelve) y sus miembros.
• Consumo y coste: deepgram_get_usage_breakdown para horas, peticiones, tokens y caracteres por periodo o agrupados por endpoint, modelo, clave o etiqueta; deepgram_list_usage_fields para los valores por los que filtrar; deepgram_list_requests y deepgram_get_request para llamadas sueltas con su coste; deepgram_get_billing_breakdown para el gasto en USD; deepgram_list_balances, deepgram_get_balance y deepgram_list_purchases para el crédito.

Todas las herramientas vienen activadas al instalar. Las tres de pago gastan crédito del proyecto, así que la IA confirma contigo antes las ejecuciones grandes o repetidas.

Formatos de datos: la transcripción está en results.channels[0].alternatives[0].transcript con una confidence de 0 a 1, un canal por canal de audio con multichannel. Con paragraphs el texto formateado con hablantes está en alternatives[0].paragraphs.transcript; results.utterances lista turnos con start y end en segundos y speaker (0, 1, ...). Los resúmenes están en results.summary.short, temas, intenciones y sentimiento en results.topics, results.intents y results.sentiments. Los tiempos por palabra se quitan para que las respuestas sean pequeñas, así que la IA usa utterances o paragraphs para los tiempos. metadata.duration es la duración del audio en segundos y metadata.request_id identifica la llamada en el registro de peticiones. En el análisis de texto el resumen está en results.summary.text. Texto a voz devuelve el audio como archivo adjunto al resultado (MP3 por defecto, hasta 8 MiB); Deepgram no lo guarda, así que conserva el archivo. Las horas de consumo llegan como cadenas decimales, importes y saldos en units (normalmente usd), y las fechas como YYYY-MM-DD en UTC.

Paginación: deepgram_list_requests pagina con page (desde 0) y limit (hasta 1000); la IA sigue mientras una página vuelva llena. Las demás listas lo devuelven todo de una vez.

Límites: texto a voz admite como máximo 2.000 caracteres por llamada, así que la IA divide los textos largos al final de las frases. La transcripción responde en una llamada y el conector espera hasta 30 segundos: nova-3 suele transcribir una hora de audio con margen, pero archivos muy largos con muchas funciones de análisis pueden tardar más y conviene transcribirlos por partes. Los proyectos Pay-as-you-go y Growth ejecutan hasta 50 transcripciones, 15 peticiones de texto a voz y unas 10 de análisis de texto a la vez. El análisis de texto admite hasta 150K tokens de entrada.

Errores comunes: 400 con err_code y err_msg indica una opción que el modelo no admite (por ejemplo keyterm en nova-2, o funciones de análisis en audio que no está en inglés) o una URL que Deepgram no puede descargar; 400 TOKEN_LIMIT_EXCEEDED significa texto de más de 150K tokens. 401 es una clave incorrecta o caducada, 402 un proyecto sin crédito, 403 una clave cuyo rol no tiene el scope (miembros y facturación requieren Admin u Owner), 404 un id de proyecto, petición o saldo desconocido, 413 texto de más de 2.000 caracteres para la voz, 429 demasiadas peticiones simultáneas.

El conector no transmite audio en directo, no usa la voice agent API, no sube archivos locales (solo URL) y no crea ni borra claves o miembros.

Paso 2 — Instalar el adapter

curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d

Paso 3 — Añadir el conector en Gemini

La URL de tu servidor: en AnythingMCP abre MCP Servers → el servidor donde está este conector y copia su URL (https://cloud.anythingmcp.com/mcp/…). Úsala donde esta guía muestra YOUR_SERVER_ID.

Gemini CLI lee los servidores MCP de ~/.gemini/settings.json (en Windows, %USERPROFILE%\.gemini\settings.json). Añade:

{
  "mcpServers": {
    "anythingmcp": {
      "httpUrl": "https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID",
      "headers": { "X-API-Key": "YOUR_MCP_API_KEY" }
    }
  }
}

1. Crea una clave de API MCP en AnythingMCP en MCP Servers → tu servidor → API keys y pégala en lugar de YOUR_MCP_API_KEY.
2. Guarda el archivo y reinicia gemini.
3. Ejecuta /mcp dentro de Gemini CLI (o gemini mcp list en tu terminal): anythingmcp debería aparecer como conectado.
4. Empieza a escribir prompts: Gemini CLI ya puede llamar a las herramientas de Deepgram.

Herramientas disponibles

Ejemplos de prompts

• "Transcribe la llamada de https://example.com/calls/2026-10-29.mp3 con etiquetas de hablante y dame un resumen breve."
• "¿Qué temas y qué sentimiento aparecen en esta transcripción de soporte? Aquí tienes el texto."
• "Lee este párrafo con una voz Aura en inglés y dame el MP3."
• "¿Cuántas horas de audio transcribió nuestro proyecto este mes, agrupadas por modelo?"
• "¿Cuánto crédito le queda al proyecto y cuánto gastamos la semana pasada en USD?"

FAQ

¿Dónde busca Gemini CLI los servidores MCP? En ~/.gemini/settings.json para tu usuario, o en .gemini/settings.json dentro de un proyecto. gemini mcp list muestra cada servidor y si se conecta.

Siguientes pasos

• Página del conector
• Conectar a Claude
• Conectar a ChatGPT
• Conectar a Cursor
• Conectar a Meta Muse
• Conectar a Microsoft Copilot