Дайте агенту ссылку на эту страницу, и он сам подключит MCP
Агент сам разберётся в шагах подключения. С вашей стороны достаточно создать MCP token в аккаунте и передать ссылку на эту страницу.
Доступные команды MCP
get_usage_summary
Показывает текущий баланс минут и сводку по использованию для этого аккаунта.
list_recent_transcriptions
Возвращает последние транскрибации со статусом и коротким preview текста.
get_job
Возвращает текущий статус и результат по конкретной задаче транскрибации.
transcribe_file
Отправляет локальный файл на транскрибацию и создаёт новую задачу.
Текущий способ подключения
Сейчас каждый клиент может запустить MCP adapter локально и подключить его к платформе с помощью персонального MCP token.
Шаг 1. Создайте MCP token
Откройте страницу аккаунта, создайте отдельный MCP token и сразу скопируйте его. Полное значение показывается только один раз.
Шаг 2. Запустите MCP adapter
Запустите stdio MCP adapter и передайте в него ваш token и base URL API. Если запускаете из monorepo checkout, добавьте --directory <project-root>, чтобы uv нашёл правильный workspace.
Шаг 3. Добавьте его в AI-клиент
Используйте любой stdio-совместимый MCP-клиент. Для Claude Code правильнее использовать `claude mcp add ...`, а не редактировать `~/.claude/settings.json` вручную. Храните token в environment variables, а не внутри промптов.
Команда локального запуска
UV_CACHE_DIR=/tmp/uv-cache uv run --directory <PROJECT_ROOT> python -m transcription_mcp.server \
--api-base-url https://api.aiasr.ru \
--mcp-token <YOUR_MCP_TOKEN>Пример конфигурации MCP-клиента
Этот JSON-блок дан как общий пример для stdio MCP-клиентов. Для Claude Code используйте `claude mcp add`, чтобы запись попала в поддерживаемый `~/.claude.json`.
{
"mcpServers": {
"audio-transcription-workflow": {
"command": "uv",
"args": [
"run",
"--directory",
"<PROJECT_ROOT>",
"python",
"-m",
"transcription_mcp.server",
"--api-base-url",
"https://api.aiasr.ru"
],
"env": {
"UV_CACHE_DIR": "/tmp/uv-cache",
"TRANSCRIPTION_MCP_TOKEN": "<YOUR_MCP_TOKEN>"
}
}
}
}