Generación de música mediante un agente de IA, a través de MCP.

Publicado en octubre de 2026

En el servidor Doseedo MCP se encuentran tres herramientas de generación de generaciones, y se trata de instrumentos diferentes para tareas diferentes. doseedo_generate_music hace un Canción original o instrumental a partir de una sugerencia de texto., con letra si quieres que las cantemos. doseedo_render_midi obras tus notas exactas en uno de los modelos instrumentos — un violín, un saxo tenor, una guitarra eléctrica, un piano — a tu ritmo, en tu tonalidad, con varias tomas para elegir. doseedo_cover_song Recrea una canción que subasManteniendo su estructura pero cambiando instrumentos, género o letra. Un agente puede encadenarlos: analizar una referencia, escribir una parte que encaje, reproducirla y añadir la mejor toma a una pista de sesión.

Las tres herramientas

• doseedo_generate_music — prompt ("trío de jazz cálido, batería con escobillas, balada nocturna"), opcional lyrics, duration_seconds, seed. bpm y time_signature son pistas del pie de foto, no controles: la salida puede desviarse de ellos. Una parte que debe estar en la cuadrícula de una sesión se escribe como notas y se renderiza en su lugar.
• doseedo_render_midi — notes en tiempos desde el compás 1 (o un midi_url, o una pista de sesión por session_id + track_id), un requisito instrument id del catálogo en GET /api/instruments, un requisito bpmhasta cuatro takes en una llamada sin créditos adicionales, un timbre_preset o un timbre_audio_url — una grabación corta cuyo sonido adquiere la renderización — una dynamics objetivo, y voice_split Para acordes (una voz por renderizado, mapeada en el resultado). Las notas se envían tal como están escritas; no se ajusta nada.
• doseedo_cover_song — una canción subida más una instruments mapa de intercambio ({"piano":"electric_guitar","sax":"violin"}), a genrereemplazo lyrics, una mezcla de referencia cuyo timbre a adoptar, un drum_split en piezas de kit aisladas, y un dial de fidelidad para determinar cuánto desviarse de la fuente.

Los tres son trabajos asíncronos: de uno a tres minutos para un renderizado, se espera con doseedo_wait_taskLas tomas se muestran clasificadas de mejor a peor, como enlaces prefirmados válidos durante 24 horas, con la semilla para renderizar una toma similar. Cada renderizado cuesta diez créditos por ventana de 30 segundos, y la herramienta de cotización muestra su funcionamiento. Respuesta real, capturada el 15/10/2026, para una parte de contrabajo de 21 segundos con tres tomas:

{
  "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
}

Las recetas del camarero pusieron al resto de la familia en la misma escala: generar son 10 créditos por ventana de 30 segundos (una canción de cuatro minutos son 90), un cubrir El proceso dura 40 segundos y tarda entre tres y ocho minutos, ya que las canciones largas se renderizan en intervalos de 30 segundos. El plan gratuito de la cuenta cubre los primeros renderizados.

El bucle que ejecuta un agente

> 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.

La primera indicación utiliza cinco herramientas en orden: analyze_song, analyze_midi, render_midi, wait_task, add_audio_to_session — y es el componer parte receta que el propio servidor publica a través de doseedo_recipes, por lo que el agente no tiene que inventar la secuencia. El resultado se coloca en una pista de sesión; con Dø Desktop Al ejecutarlo en una Mac con ese proyecto Logic abierto, se configura en cuestión de segundos.

Generación de indicaciones versus notas de renderizado

Esta es la distinción que evita la decepción. La generación rápida es para material: una cama, una referencia, un boceto de un estilo, una canción completa con letra cantada. No contendrá una clave o un tempo que usted nombre, porque la indicación es un título, no una partitura. La representación es para regiones: tú (o el agente) escribes las notas, en la tonalidad y al tempo que realmente tiene la sesión, y un instrumento modelado las interpreta; por eso es la herramienta para cualquier cosa que tenga que encajar en un arreglo. Una versión es el tercer caso: la canción existe, y lo que cambia es quién la toca. Página de conversión MIDI a audio es la versión del navegador de renderizado y el catálogo de instrumentos Enumera lo que se puede jugar.

La generación se ejecuta en el servidor, por lo que nada depende de que tu DAW esté abierto; funciona desde un teléfono, una terminal o un trabajo de CI. hace Necesitar el puente de escritorio es solo el último paso, la toma aparece en un proyecto Logic abierto; sin él, la toma está en la sesión y en la siguiente descarga.

Relacionado

• MIDI a audio en el navegador.
• Los instrumentos
• Analiza primero la referencia: tonalidad, tempo, acordes.
• Stem separation sobre MCP
• Pon la toma en una pista: sesiones de edición con Claude