如何通过 MCP 将 Deepgram 连接到 Gemini

💡 无需安装? 直接使用 cloud.anythingmcp.com。 登录、点击 Connectors → Deepgram、粘贴凭证、生成 MCP API key，即可完成。无 Docker、无 git clone、无本地服务器。

Deepgram + Gemini

用你自己的 API 密钥使用 Deepgram 语音 AI：从 URL 转写录音并标注说话人、生成摘要、话题和情感，分析文本，用 Aura 声音把文本转成语音，并查看模型、密钥、成员、用量、请求、支出和额度余额。

前提条件

完整的设置说明已内置在连接器中 (在 store 中选择连接器时可见)。所需环境变量:

DEEPGRAM_API_KEY

步骤 1 — 获取凭证

设置大约需要 3 分钟。你需要一个 Deepgram 账户；新账户自带免费额度。

1. 登录 https://console.deepgram.com，打开要使用的项目。
2. 打开 API Keys，点击 Create a New API Key，填写名称并选择角色。转写、语音合成、文本分析、密钥和用量用 Member 就够了；成员、余额、支出和购买记录（billing:read）需要 Admin 或 Owner。过期时间可以留空，或设一个你记得住的日期。
3. 把只显示一次的密钥复制到 DEEPGRAM_API_KEY。只粘贴密钥本身：连接器会以 Authorization: Token <key> 发送。
4. 安装连接器并运行 deepgram_list_projects 检查密钥。

费用：deepgram_transcribe_url 按音频分钟计费（使用摘要等分析功能会更贵），deepgram_analyze_text 按 token 计费，deepgram_text_to_speech 按字符计费，都记到密钥所属项目。其他工具全部免费。对于长录音或大批量任务，AI 会在运行前说明大致费用，deepgram_list_balances 可查看剩余额度。

能做什么：

• 用 deepgram_transcribe_url 转写公开 url 上的录音；预签名的 S3、GCS 或 Drive 链接可以，需要登录的页面不行。推荐默认值是 model: nova-3 和 smart_format: true。diarize 配合 utterances 或 paragraphs 可看出谁说了什么，detect_language 处理未知语言（混合语言可在 nova-3 上用 language: multi），keyterm 帮助识别人名和术语，summarize: v2、topics、intents 和 sentiment 用于通话分析（仅限英语），redact 可隐藏卡号或个人数据。
• 用 deepgram_analyze_text 配合 summarize、topics、intents 或 sentiment 分析已有文本，比如转写稿、邮件或笔记（英语）。
• 用 deepgram_text_to_speech 和 model 中指定的 Aura 声音生成音频；deepgram_list_models 列出各声音的语言、口音和试听链接。
• 模型：公开模型用 deepgram_list_models 和 deepgram_get_model，某个项目可用的模型（含自定义模型）用 deepgram_list_project_models。
• 账户：先用 deepgram_list_projects 获取 project_id，再查看项目、它的 API 密钥（只读，从不返回密钥本身）和成员。
• 用量和费用：deepgram_get_usage_breakdown 按时段或按端点、模型、密钥、标签分组统计小时数、请求、token 和字符数；deepgram_list_usage_fields 列出可用于筛选的值；deepgram_list_requests 和 deepgram_get_request 查看单次调用及其费用；deepgram_get_billing_breakdown 查看以美元计的支出；deepgram_list_balances、deepgram_get_balance 和 deepgram_list_purchases 查看额度。

所有工具在安装时都已开启。三个计费工具会消耗项目额度，所以大规模或重复运行前 AI 会先和你确认。

数据格式：转写文本在 results.channels[0].alternatives[0].transcript，附带 0 到 1 的 confidence；使用 multichannel 时每个音频声道一个 channel。使用 paragraphs 时，带说话人标签的格式化文本在 alternatives[0].paragraphs.transcript；results.utterances 列出每段发言，含以秒计的 start、end 和 speaker（0、1、...）。摘要在 results.summary.short，话题、意图和情感在 results.topics、results.intents 和 results.sentiments。为了让响应更小，逐词时间戳被移除，AI 会用 utterances 或 paragraphs 获取时间。metadata.duration 是音频时长（秒），metadata.request_id 用于在请求日志中识别这次调用。文本分析的摘要在 results.summary.text。语音合成把音频作为附件文件随结果返回（默认 MP3，最大 8 MiB）；Deepgram 不保存它，请自行保留文件。用量小时数是十进制字符串，金额和余额以 units（通常是 usd）表示，日期为 UTC 的 YYYY-MM-DD。

翻页：deepgram_list_requests 用 page（从 0 开始）和 limit（最多 1000）翻页；只要某页返回满额，AI 就继续。其他列表一次返回全部。

限制：语音合成每次最多 2,000 个字符，AI 会在句子边界拆分更长的文本。转写在一次调用中返回，连接器最多等待 30 秒：nova-3 通常能轻松处理一小时的音频，但开启大量分析功能的超长文件可能更久，最好分段转写。Pay-as-you-go 和 Growth 项目最多可同时运行 50 个转写、15 个语音合成和约 10 个文本分析请求。文本分析的输入最多 150K token。

常见错误：带 err_code 和 err_msg 的 400 表示模型不支持某个选项（例如在 nova-2 上用 keyterm，或对非英语音频使用分析功能），或 Deepgram 无法下载该 URL；400 TOKEN_LIMIT_EXCEEDED 表示文本超过 150K token。401 是密钥错误或已过期，402 是项目没有额度，403 是密钥的角色缺少相应 scope（成员和账单需要 Admin 或 Owner），404 是项目、请求或余额 ID 不存在，413 是语音合成文本超过 2,000 字符，429 是同时请求过多。

该连接器不做实时音频流，不使用 voice agent API，不上传本地文件（只接受 URL），也不创建或删除密钥和成员。

步骤 2 — 安装 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

步骤 3 — 在 Gemini 中添加连接器

你的服务器 URL： 在 AnythingMCP 中打开 MCP Servers → 此连接器所在的服务器，复制它的 URL（https://cloud.anythingmcp.com/mcp/…）。本指南中出现 YOUR_SERVER_ID 的地方都用它替换。

Gemini CLI 从 ~/.gemini/settings.json（Windows 上为 %USERPROFILE%\.gemini\settings.json）读取 MCP 服务器。添加：

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

1. 在 AnythingMCP 的 MCP Servers → 你的服务器 → API keys 中创建 MCP API 密钥，并用它替换 YOUR_MCP_API_KEY。
2. 保存文件并重启 gemini。
3. 在 Gemini CLI 中运行 /mcp（或在终端运行 gemini mcp list），anythingmcp 应显示为已连接。
4. 开始输入提示，Gemini CLI 现在可以调用 Deepgram 的工具。

可用工具

示例提示

• “转写 https://example.com/calls/2026-10-29.mp3 这通电话，标注说话人，并给我一段简短摘要。”
• “这份客服转写稿里出现了哪些话题，情感倾向如何？文本如下。”
• “用一个英语 Aura 声音朗读这段文字，并把 MP3 给我。”
• “我们的项目本月转写了多少小时音频？按模型分组。”
• “项目还剩多少额度？上周我们花了多少美元？”

FAQ

Gemini CLI 从哪里读取 MCP 服务器？ 用户级配置位于 ~/.gemini/settings.json，项目级配置位于项目内的 .gemini/settings.json。gemini mcp list 会列出每个服务器及其连接状态。

下一步

• 连接器主页
• 连接到 Claude
• 连接到 ChatGPT
• 连接到 Cursor
• 连接到 Meta Muse
• 连接到 Microsoft Copilot