MCP 経由で Deepgram を Gemini に接続する方法

💡 インストール不要? cloud.anythingmcp.com を直接利用してください。 サインインし、Connectors → Deepgram をクリック、認証情報を貼り付け、MCP API キーを発行すれば完了です。Docker も git clone もローカルサーバーも不要。

Deepgram + Gemini

自分の API キーで使う Deepgram の音声 AI：URL の録音を話者ラベル、要約、トピック、感情つきで文字起こしし、テキストを分析し、Aura の声でテキストを音声にし、モデル、キー、メンバー、利用量、リクエスト、支出、クレジット残高を確認します。

前提条件

完全なセットアップ手順はコネクタ自体に組み込まれています (ストアでコネクタを選択すると表示)。必要な環境変数:

DEEPGRAM_API_KEY

ステップ 1 — 認証情報を取得

セットアップは約 3 分です。Deepgram のアカウントが必要です。新しいアカウントには無料クレジットが付いています。

1. https://console.deepgram.com にサインインし、使いたいプロジェクトを開きます。
2. API Keys を開き、Create a New API Key をクリックして名前を付け、ロールを選びます。文字起こし、音声合成、テキスト分析、キー、利用量には Member で十分です。メンバー、残高、支出、購入（billing:read）には Admin か Owner が必要です。有効期限は空欄にするか、覚えておける日付にしてください。
3. 一度しか表示されないキーを DEEPGRAM_API_KEY にコピーします。キーそのものだけを貼り付けてください。コネクタは Authorization: Token <key> として送信します。
4. コネクタをインストールし、deepgram_list_projects を実行してキーを確認します。

料金: deepgram_transcribe_url は音声 1 分あたり（要約などの分析機能を使うと高くなります）、deepgram_analyze_text はトークンあたり、deepgram_text_to_speech は文字あたりで、いずれもキーのプロジェクトに課金されます。ほかのツールはすべて無料です。長い録音や大量の処理では、AI が実行前におおよその費用を伝えます。残りのクレジットは deepgram_list_balances で確認できます。

できること:

• deepgram_transcribe_url で公開 url の録音を文字起こしします。署名付きの S3、GCS、Drive のリンクは使えますが、サインインが必要なページは使えません。おすすめの既定値は model: nova-3 と smart_format: true です。diarize に utterances か paragraphs を組み合わせると誰が何を話したかが分かり、detect_language は言語が不明な場合に（複数言語が混ざる場合は nova-3 で language: multi）、keyterm は固有名詞や専門用語に役立ちます。summarize: v2、topics、intents、sentiment は通話を分析し（英語のみ）、redact はカード番号や個人情報を隠します。
• 手元にあるテキスト（文字起こし、メール、メモなど）を deepgram_analyze_text と summarize、topics、intents、sentiment で分析します（英語）。
• deepgram_text_to_speech と model に指定した Aura の声で音声を作ります。deepgram_list_models は言語、アクセント、サンプルリンクつきで声を一覧表示します。
• モデル：公開モデルは deepgram_list_models と deepgram_get_model、プロジェクトで使えるモデル（カスタムモデルを含む）は deepgram_list_project_models。
• アカウント：deepgram_list_projects で project_id を取得し、続いてプロジェクト、その API キー（読み取りのみで、シークレットは返されません）、メンバーを確認します。
• 利用量と費用：deepgram_get_usage_breakdown で時間、リクエスト、トークン、文字数を期間ごと、またはエンドポイント、モデル、キー、タグ別に集計。deepgram_list_usage_fields で絞り込みに使える値、deepgram_list_requests と deepgram_get_request で個々の呼び出しとその費用、deepgram_get_billing_breakdown で USD の支出、deepgram_list_balances、deepgram_get_balance、deepgram_list_purchases でクレジットを確認します。

すべてのツールはインストール時からオンです。有料の 3 つのツールはプロジェクトのクレジットを消費するので、大きな処理や繰り返しの実行は AI が事前に確認します。

データ形式: 文字起こしは results.channels[0].alternatives[0].transcript にあり、0 から 1 の confidence が付きます。multichannel では音声チャンネルごとに 1 チャンネルです。paragraphs を使うと、話者ラベル付きの整形済みテキストが alternatives[0].paragraphs.transcript に入ります。results.utterances は発話ごとに start と end（秒）、speaker（0、1、...）を持ちます。要約は results.summary.short、トピック、意図、感情は results.topics、results.intents、results.sentiments にあります。応答を小さく保つため単語ごとのタイミングは取り除かれるので、AI はタイミングに utterances か paragraphs を使います。metadata.duration は音声の長さ（秒）、metadata.request_id はリクエストログ上の呼び出しの識別子です。テキスト分析の要約は results.summary.text に入ります。音声合成は音声を結果に添付されたファイルとして返します（既定は MP3、最大 8 MiB）。Deepgram は保存しないので、ファイルは手元に残してください。利用時間は小数の文字列、金額と残高は units（通常は usd）、日付は UTC の YYYY-MM-DD です。

ページング: deepgram_list_requests は page（0 から）と limit（最大 1000）でページングし、AI はページが満杯で返る限り続けます。ほかの一覧は一度にすべてを返します。

制限: 音声合成は 1 回あたり最大 2,000 文字なので、AI は長いテキストを文の区切りで分割します。文字起こしは 1 回の呼び出しで応答し、コネクタは最大 30 秒待ちます。nova-3 は通常 1 時間の音声を余裕をもって処理しますが、分析機能を多く使う非常に長いファイルは時間がかかることがあるので、分割して文字起こしするのが確実です。Pay-as-you-go と Growth のプロジェクトでは、文字起こし 50 件、音声合成 15 件、テキスト分析約 10 件まで同時に実行できます。テキスト分析の入力は最大 150K トークンです。

よくあるエラー: err_code と err_msg つきの 400 は、モデルが対応していないオプション（nova-2 での keyterm、英語以外の音声での分析機能など）か、Deepgram がダウンロードできない URL です。400 TOKEN_LIMIT_EXCEEDED はテキストが 150K トークンを超えたことを意味します。401 はキーの誤りか期限切れ、402 はプロジェクトのクレジット切れ、403 はキーのロールにスコープがないこと（メンバーと請求には Admin か Owner が必要）、404 は存在しないプロジェクト、リクエスト、残高の ID、413 は音声合成で 2,000 文字を超えたこと、429 は同時リクエストが多すぎることを示します。

このコネクタは、ライブ音声のストリーミング、Voice Agent API の利用、ローカルファイルのアップロード（URL のみ対応）、キーやメンバーの作成と削除は行いません。

ステップ 2 — アダプターをインストール

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

ステップ 3 — Gemini にコネクタを追加

サーバーURL: AnythingMCP で MCP Servers を開き、このコネクタがあるサーバーを選んで URL（https://cloud.anythingmcp.com/mcp/…）をコピーします。このガイドで YOUR_SERVER_ID と表示されている箇所に使ってください。

Gemini CLI は ~/.gemini/settings.json（Windows では %USERPROFILE%\.gemini\settings.json）から MCP サーバーを読み込みます。次を追加してください:

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

1. AnythingMCP の MCP Servers → 対象のサーバー → API keys で MCP API キーを作成し、YOUR_MCP_API_KEY と置き換えます。
2. ファイルを保存し、gemini を再起動します。
3. Gemini CLI で /mcp を実行します（またはシェルで gemini mcp list）。anythingmcp が接続済みとして表示されるはずです。
4. プロンプトを入力しましょう。Gemini CLI が Deepgram のツールを呼び出せるようになりました。

利用可能なツール

プロンプトの例

• 「https://example.com/calls/2026-10-29.mp3 の通話を話者ラベルつきで文字起こしして、短い要約をください。」
• 「このサポートの文字起こしにはどんなトピックと感情が出てきますか？テキストはこちらです。」
• 「この段落を英語の Aura の声で読み上げて、MP3 をください。」
• 「今月うちのプロジェクトで文字起こしした音声は何時間ですか？モデル別に教えてください。」
• 「プロジェクトのクレジットはあといくら残っていますか？先週の支出は USD でいくらでしたか？」

FAQ

Gemini CLI はどこから MCP サーバーを読み込みますか? ユーザー単位では ~/.gemini/settings.json、プロジェクト単位ではプロジェクト内の .gemini/settings.json です。gemini mcp list で各サーバーと接続状態を確認できます。

次のステップ

• コネクタのランディング
• Claude に接続
• ChatGPT に接続
• Cursor に接続
• Meta Muse に接続
• Microsoft Copilot に接続