MCPを介したAIエージェントによる音楽生成

2026年10月発行

Doseedo MCPサーバー上には3つの生成ツールがあり、それぞれ異なる用途に対応する異なるツールです。 doseedo_generate_music 作る テキストプロンプトからのオリジナル曲またはインストゥルメンタル歌詞付きで歌ってほしい場合は、歌詞も添えられます。 doseedo_render_midi プレイ あなたの正確なメモ モデル化されたものの1つで 楽器 バイオリン、テナーサックス、エレキギター、ピアノなど、お好みの楽器で、お好みのテンポとキーで、複数のテイクから選んで演奏できます。 doseedo_cover_song アップロードした曲を再レンダリングします楽器を変えたり、ジャンルを変えたり、歌詞を差し替えたりしながらも、その構造は維持されます。エージェントはそれらを連鎖的に実行できます。参照を分析し、それに合ったパートを作成し、レンダリングして、最良のテイクをセッショントラックにドロップします。

３つのツール

• doseedo_generate_music — prompt （「温かみのあるジャズトリオ、ブラシドラム、深夜のバラード」、オプション） lyrics, duration_seconds, seed. bpm そして time_signature は キャプションのヒントコントロールではなく、出力がそれらからずれる可能性がある。セッションのグリッド上に配置する必要がある部分は、ノートとして記述され、レンダリングされる。
• doseedo_render_midi — notes 1小節目から拍子（または midi_urlまたはセッショントラック session_id + track_id必須 instrument カタログからのID GET /api/instruments必須 bpm最大4人まで takes 追加クレジットなしの1回の通話で、 timbre_preset または timbre_audio_url — レンダリングされた音源の短い録音 — dynamics ターゲット、そして voice_split コードの場合（レンダリングごとに1つのボイスが割り当てられ、結果にマッピングされます）。音符は記述されたとおりに送信され、何もスナップされません。
• doseedo_cover_song — アップロードされた曲と instruments スワップマップ（{"piano":"electric_guitar","sax":"violin"})、 genre、 交換 lyrics、その音色を取り入れるリファレンスミックス、 drum_split 個々のキットのパーツに分解し、ソースからどれだけ離れるかを調整する忠実度ダイヤルを備えています。

3つとも非同期ジョブです。レンダリングには1～3分かかり、 doseedo_wait_taskテイクは、24時間有効な事前署名付きリンクとして、ベスト順にランク付けされて返送され、ほぼ同じテイクを再レンダリングするためのシードが含まれています。レンダリングには30秒ごとに10クレジットかかり、見積もりツールでその動作を確認できます。2026年10月15日にキャプチャされた、3つのテイクを含む21秒のアップライトベースパートに対する実際の返信：

{
  "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
}

サーバーのレシピは、家族の他のメンバーにも同じ基準を適用した。 生成する 30秒のウィンドウごとに10クレジット（4分間の曲は90クレジット）で、 カバー 再生時間は40秒で、長い曲は30秒単位でレンダリングされるため、3分から8分かかります。アカウントの無料プランでは、最初のレンダリングは無料です。

エージェントが実行するループ

> 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.

最初のプロンプトでは、5つのツールを順番に使用します。 analyze_song, analyze_midi, render_midi, wait_task, add_audio_to_session — そしてそれは 構成要素 サーバー自体が公開するレシピ doseedo_recipesそのため、エージェントはシーケンスを考案する必要はありません。結果はセッショントラックに記録されます。 Dø Desktop Mac上でLogicプロジェクトを開いた状態で実行すると、数秒以内にアレンジメントに反映されます。

プロンプト生成とレンダリングノートの比較

これが失望を避けるための区別です。 材料ベッド、参考資料、スタイルのスケッチ、歌の歌詞付きの曲全体。プロンプトは楽譜ではなくキャプションなので、指定したキーやテンポは保持されません。レンダリングは 部品: あなた（またはエージェント）が、セッションの実際のキーとテンポで音符を書き、モデル化された楽器がそれを演奏します。これが、アレンジメントに組み込む必要のあるあらゆるもののためのツールである理由です。カバーは3番目のケースです。曲は存在し、変わるのはそれを演奏する人です。 MIDIからオーディオへの変換ページ はレンダリングのブラウザ版であり、 楽器カタログ プレイ可能なゲームの一覧です。

生成はサーバー上で実行されるため、DAWが開いているかどうかは関係ありません。電話、ターミナル、CIジョブから動作します。 する デスクトップブリッジが必要なのは最後のステップだけで、テイクが開いているLogicプロジェクトに表示されます。デスクトップブリッジがない場合、テイクはセッション上に保存され、次のダウンロード時に表示されます。

関連している

• ブラウザ上でMIDIからオーディオへ
• 楽器
• まず、基準となる楽曲を分析しましょう：キー、テンポ、コード
• MCP上のStem separation
• トラックにテイクを乗せる：クロードとの編集セッション