mcp-qwen-omni

Qwen-Omni MCP Server 将阿里云通义千问的多模态能力接入到你的 MCP 生态中。通过这个服务器，AI 工具可以实现图像理解、音频分析、视频理解以及语音合成等多模态能力，并提供多种音色的语音输出，甚至可以开启思考模式展示推理过程。服务器基于 FastMCP 框架，支持与支持 MCP 的客户端无缝通信，玩家可以通过任意兼容工具（如 Claude Desktop、Qwen Code、Cursor IDE 等）访问图像理解、音频识别、视频理解、文本转语音等功能。要使用它，你需要提供阿里云的 DASHSCOPE_API_KEY（用于调用通义千问 API），并按照脚本的引导完成配置，随后即可在你的 AI 助手工具链中体验“看图说话、听音辨物、多声线对话”等能力。快速体验通常只需克隆仓库、运行一键启动脚本，并按提示填入 API Key 即可。

安装步骤（先决条件与运行示例）:

1. 先决条件

• Python 3.10 及以上
• Git
• 互联网访问以安装依赖并访问阿里云 API

2. 安装与配置

• 克隆仓库: git clone https://github.com/zk-b612/qwen-omni-mcp.git cd qwen-omni-mcp

• 安装依赖（若仓库提供 requirements.txt，请执行以下命令；若无，请跳过）： python -m pip install -r requirements.txt

• 运行一键启动脚本，按照提示输入 API Key（DASHSCOPE_API_KEY）等信息： python quickstart.py

• 按照脚本提示完成阿里云 API Key 的配置，脚本会启动 MCP 服务并对接通义千问能力。

3. 验证运行

• 一旦脚本完成并启动，你应能看到服务进入就绪状态，并可使用兼容的 MCP 客户端连接进行测试。

备注：如果你选择直接运行模块方式，可以使用以下命令启动服务器（替换为实际路径与环境变量）： DASHSCOPE_API_KEY=your_key python -m qwen_omni_mcp.server

确保你的环境变量设置正确，并且具有对外暴露的访问端口以便客户端连接。

常见提示与注意事项:

• DASHSCOPE_API_KEY 是与阿里云通义千问 API 的凭证，务必妥善保管，不要在公共环境中暴露。
• 服务器基于 MCP 协议，确保你的客户端工具版本与 FastMCP 2.0 兼容以获得最佳性能。
• 17 种音色支持：在语音输出配置中可选择不同音色，如 Cherry、Ethan、Nofish、Jennifer 等，具体音色与场景请参考文档。
• 如果遇到网络或 API 调用延迟，请提高超时时间或调整“思考模式”设置以优化推理流程。
• 本项目计划包含 Docker 镜像与更多模型接入，关注仓库更新以获取新功能。
• 运行脚本时若遇权限或路径问题，确保你在具有合适权限的目录中执行，并且 Python 可以找到 qwen_omni_mcp.server 模块。