项目简介

Discord Voice Lab是一个集语音识别（STT）、语言编排器（LLM Orchestrator）和语音合成（TTS）服务于一体的Discord语音助手。其'discord'服务模块实现了一个MCP服务器，负责监听Discord语音活动，并将语音转录内容通知给LLM编排器。同时，它向LLM客户端暴露了一系列MCP工具，允许LLM在Discord中执行发送消息、加入/离开语音频道和播放音频等操作，从而实现LLM对Discord的控制和交互能力。

主要功能点

Discord语音捕获与处理: 从Discord语音频道捕获用户语音，进行语音活动检测（VAD）、降噪、标准化处理，并将PCM数据传递给语音转文本（STT）服务。
MCP工具暴露: 通过Model Context Protocol (MCP) 向LLM客户端暴露Discord的交互能力，如：
- 加入/离开语音频道: 控制机器人加入或离开特定的Discord语音频道。
- 发送文本消息: 向Discord文本频道或语音频道聊天发送消息。
- 播放音频: 在连接的语音频道中播放指定的音频URL。
转录通知: 当检测到唤醒词并完成语音转文本后，MCP服务器会向LLM客户端发送转录通知，将用户语音内容和相关元数据提供给LLM进行进一步处理。
高可用性: 支持Discord语音连接的自动重连机制，确保服务稳定性。
可观测性: 提供结构化日志和Prometheus指标，便于监控和故障排除。
调试功能: 具备全面的调试保存机制，可记录语音片段、转录结果、工具调用等，便于问题分析。

安装步骤

本项目通过Docker Compose进行部署，以下是基本安装步骤：

准备环境文件: 通过运行以下脚本，根据 '.env.sample' 模板生成服务所需的 '.env.common'、'.env.docker' 和 'services/**/.env.service' 文件。
```
python3 scripts/prepare_env_files.py
```
然后，您需要编辑这些生成的 '.env.service' 文件，特别是 'services/discord/.env.service'，填入您的Discord机器人令牌（'DISCORD_BOT_TOKEN'）、Discord服务器ID（'DISCORD_GUILD_ID'）和语音频道ID（'DISCORD_VOICE_CHANNEL_ID'）等必要配置。
启动服务栈: 在项目根目录下运行Docker Compose命令来构建并启动整个服务栈：
```
make run
```
这会启动Discord机器人、语音转文本（STT）、语言编排器（LLM Orchestrator）和语音合成（TTS）等所有组件。您可以使用 'make logs' 查看日志输出，使用 'make stop' 停止服务。

服务器配置

本MCP服务器是Discord服务（'discord'）的一部分，旨在通过'stdio'传输协议与MCP客户端（例如LLM编排器）进行通信。以下是MCP客户端连接到此Discord MCP服务器的示例配置：

{
  "mcpServers": {
    "discord": {
      "name": "discord",
      "command": "python3",
      "args": [
        "-m",
        "services.discord.main"
      ],
      "env": {
        "DISCORD_MCP_MODE": "true",
        "DISCORD_BOT_TOKEN": "YOUR_DISCORD_BOT_TOKEN",
        "DISCORD_GUILD_ID": "YOUR_DISCORD_GUILD_ID",
        "DISCORD_VOICE_CHANNEL_ID": "YOUR_DISCORD_VOICE_CHANNEL_ID",
        "STT_BASE_URL": "http://stt:8000",
        "LOG_LEVEL": "INFO",
        "LOG_JSON": "true"
      },
      "enabled": true
    }
  }
}

配置参数注释：

'name': MCP服务器的唯一名称，此处为'discord'。
'command': 启动MCP服务器进程的命令，此处为'python3'。
'args': 传递给'command'的参数列表，'"-m", "services.discord.main"'指示Python以模块形式运行Discord服务的主入口。
'env': 进程环境变量，包含MCP服务器运行所需的配置。
- 'DISCORD_MCP_MODE': 必须设置为 '"true"'，指示Discord服务以MCP服务器模式运行。
- 'DISCORD_BOT_TOKEN': 您的Discord机器人的API令牌。
- 'DISCORD_GUILD_ID': 您的Discord服务器（公会）的ID。
- 'DISCORD_VOICE_CHANNEL_ID': 机器人默认加入的语音频道的ID。
- 'STT_BASE_URL': 语音转文本（STT）服务的URL，通常在Docker Compose网络中是内部服务名。
- 'LOG_LEVEL': 日志级别（例如'INFO', 'DEBUG'）。
- 'LOG_JSON': 日志是否输出为JSON格式。
'enabled': 是否启用此MCP服务器连接，此处为'true'。

通过上述配置，MCP客户端可以启动并连接到Discord MCP服务器，并通过JSON-RPC进行通信，调用Discord提供的工具。

基本使用方法

一旦Discord服务以MCP模式运行并连接到LLM编排器（或其他MCP客户端），LLM就可以利用其暴露的工具。

1. LLM调用 'discord.join_voice' 工具将机器人加入语音频道:

MCP客户端请求（JSON-RPC 'tools/call'）:

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "mcp/tools/call",
  "params": {
    "name": "discord.join_voice",
    "arguments": {
      "guild_id": 123456789012345678,  // 替换为您的Discord服务器ID
      "channel_id": 987654321098765432  // 替换为您的Discord语音频道ID
    }
  }
}

MCP服务器响应示例：

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "content": [
      {
        "type": "application/json",
        "json": {
          "status": "connected",
          "guild_id": 123456789012345678,
          "channel_id": 987654321098765432
        }
      }
    ]
  }
}

2. LLM调用 'discord.send_message' 工具发送文本消息:

MCP客户端请求：

{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "mcp/tools/call",
  "params": {
    "name": "discord.send_message",
    "arguments": {
      "channel_id": 987654321098765432, // 替换为您的Discord文本或语音频道ID
      "content": "您好！我是一个语音助手，很高兴为您服务。"
    }
  }
}

MCP服务器响应示例：

{
  "jsonrpc": "2.0",
  "id": 2,
  "result": {
    "content": [
      {
        "type": "application/json",
        "json": {
          "status": "sent",
          "channel_id": 987654321098765432,
          "message_id": "..." // 实际消息ID
        }
      }
    ]
  }
}

3. Discord语音转录通知（LLM客户端接收）: 当用户在Discord语音频道中发言并触发唤醒词后，Discord MCP服务器会发送通知给LLM客户端：

MCP服务器通知（JSON-RPC 'discord/transcript'）示例：

{
  "jsonrpc": "2.0",
  "method": "discord/transcript",
  "params": {
    "text": "你好，Atlas，请播放一首音乐。",
    "user_id": 112233445566778899,
    "channel_id": 987654321098765432,
    "guild_id": 123456789012345678,
    "correlation_id": "discord-112233445566778899-..."
    // 其他转录和唤醒词相关元数据
  }
}

LLM编排器（或其他MCP客户端）在收到此类通知后，可以根据'text'内容调用LLM生成回复，并通过其他MCP工具（如'discord.play_audio'或'discord.send_message'）将回复反馈给Discord。

关键词

项目简介

主要功能点

安装步骤

服务器配置

基本使用方法

信息