Musikgenerierung durch einen KI-Agenten über MCP

Veröffentlicht im Oktober 2026

Auf dem Doseedo MCP-Server befinden sich Werkzeuge der drei Generationen, und es handelt sich dabei um unterschiedliche Instrumente für unterschiedliche Aufgaben. doseedo_generate_music macht ein Originalsong oder Instrumentalstück basierend auf einer Textvorlage, mit Liedtexten, falls gewünscht. doseedo_render_midi spielt Ihre genauen Notizen auf einem der modellierten Instrumente — eine Violine, ein Tenorsaxophon, eine E-Gitarre, ein Klavier — in Ihrem Tempo, in Ihrer Tonart, mit mehreren Aufnahmen zur Auswahl. doseedo_cover_song rendert ein von Ihnen hochgeladenes Lied neu.Dabei bleibt die Struktur erhalten, während Instrumente ausgetauscht, das Genre geändert oder der Text ersetzt wird. Ein Agent kann diese Schritte verketten: eine Referenz analysieren, einen passenden Part schreiben, ihn rendern und die beste Version auf einen Session-Track einfügen.

Die drei Werkzeuge

• doseedo_generate_music — prompt ("warmes Jazztrio, Schlagzeug mit Besen, Ballade für späte Abende"), optional lyrics, duration_seconds, seed. bpm Und time_signature Sind Hinweise zur BildunterschriftEs handelt sich nicht um Steuerelemente: Die Ausgabe kann von diesen abweichen. Ein Teil, der auf dem Raster einer Sitzung platziert werden muss, wird als Notizen geschrieben und stattdessen gerendert.
• doseedo_render_midi — notes in Schlägen ab Takt 1 (oder einem midi_urloder ein Session-Track von session_id + track_id), eine erforderliche instrument ID aus dem Katalog bei GET /api/instruments, eine erforderliche bpmbis zu vier takes in einem Anruf ohne zusätzliche Guthaben, ein timbre_preset oder ein timbre_audio_url — eine kurze Aufnahme, deren Klang die Wiedergabe übernimmt — eine dynamics Ziel und voice_split Für Akkorde (eine Stimme pro Rendering, im Ergebnis zugeordnet). Die Noten werden wie geschrieben gesendet; nichts wird ausgerichtet.
• doseedo_cover_song — ein hochgeladenes Lied plus ein instruments Tauschkarte ({"piano":"electric_guitar","sax":"violin"}), A genre, Ersatz lyrics, eine Referenzmischung, deren Klangfarbe übernommen werden soll, eine drum_split in isolierte Bausatzteile und einen Wiedergabetreueregler, mit dem man festlegen kann, wie weit man vom Original abweichen möchte.

Alle drei sind asynchrone Jobs: ein bis drei Minuten für ein Rendering, warten Sie mit doseedo_wait_taskDie Aufnahmen werden in absteigender Reihenfolge als vorab signierte Links mit einer Gültigkeit von 24 Stunden zurückgesendet. Sie enthalten den Seed, um eine nahezu identische Aufnahme erneut zu rendern. Ein Render kostet zehn Credits pro 30-Sekunden-Fenster. Die Kostenaufstellung zeigt die Funktionsweise an. Beispielantwort vom 15.10.2026 für eine 21-sekündige Kontrabass-Spur mit drei Takes:

{
  "job": "render_midi",
  "estimate": { "generation": 10 },
  "basis": "10 credits per 30 s window (21 s → 1 window) → 10 credits",
  "assumptions": [
    "takes (3) render in one GPU batch and cost nothing extra",
    "a chord part split into voices (voice_split) costs one batch per ~6 voices — pass voices to price it"
  ],
  "affordable": true
}

Die Rezepte des Kellners stellten den Rest der Familie auf dieselbe Stufe: erzeugen Das sind 10 Credits pro 30-Sekunden-Fenster (ein vierminütiges Lied sind 90), ein Abdeckung Die Ladezeit beträgt 40 Sekunden und dauert drei bis acht Minuten, da lange Songs in 30-Sekunden-Fenstern gerendert werden. Die ersten Rendervorgänge sind im kostenlosen Tarif des Kontos enthalten.

Die Schleife, die ein Agent durchläuft

> Analyse ./ref.wav for key and tempo. Write an eight-bar
  walking bass line that fits, check the harmony, render it
  on upright bass — three takes — and put the best one on a
  new track in my "Bridge Demo" session at bar 17.

> Generate a 60-second lo-fi hip-hop instrumental, 85 bpm
  feel, and add it to the session as a reference track.

> Cover ./demo.wav as bossa nova with the piano swapped
  for nylon guitar, and give me the stems.

> Render this melody as a horn section: split the chords
  into voices and render each one on its own instrument.

Die erste Aufgabe verwendet fünf Werkzeuge nacheinander — analyze_song, analyze_midi, render_midi, wait_task, add_audio_to_session — und es ist das Teil zusammensetzen Rezept, das der Server selbst veröffentlicht doseedo_recipesDer Agent muss die Sequenz also nicht selbst erfinden. Das Ergebnis landet auf einer Sitzungsspur; mit Dø Desktop Wenn ich auf einem Mac mit geöffnetem Logic-Projekt arbeite, ist das Arrangement innerhalb von Sekunden fertig.

Eingabeaufforderungsgenerierung versus Rendering von Notizen

Das ist der Unterschied, der Enttäuschungen verhindert. Schnelle Generierung ist für MaterialEin Bett, eine Referenz, eine Stilskizze, ein ganzes Lied mit gesungenem Text. Es wird keine von Ihnen vorgegebene Tonart oder ein Tempo speichern, da die Vorgabe eine Bildunterschrift und keine Partitur ist. Rendering ist für TeileSie (oder der Agent) schreiben die Noten in der Tonart und im Tempo der jeweiligen Session, und ein simuliertes Instrument spielt sie aus – deshalb eignet es sich für alles, was in ein Arrangement eingebunden werden soll. Ein Cover ist der dritte Fall: Das Lied existiert, nur der Interpret ändert sich. MIDI-zu-Audio-Seite ist die Browserversion des Renderns und die Instrumentenkatalog listet auf, was gespielt werden kann.

Die Generierung läuft auf dem Server, daher hängt nichts davon ab, ob Ihre DAW geöffnet ist – es funktioniert vom Smartphone, Terminal oder CI-Job aus. tut Die Desktop-Bridge ist nur der letzte Schritt, damit der Take in einem geöffneten Logic Projekt erscheint; ohne sie befindet sich der Take in der Session und wird erst beim nächsten Download angezeigt.

Verwandt

• MIDI zu Audio, im Browser
• Die Instrumente
• Analysiere zuerst die Referenz: Tonart, Tempo, Akkorde.
• Stem separation über MCP
• Den Take auf die Spur bringen: Bearbeitungssitzungen mit Claude