通过 MCP 实现 AI 代理的音乐生成

发布日期：2026年10月

Doseedo MCP 服务器上有三种生成工具，它们是用于不同任务的不同工具。 doseedo_generate_music 制造 根据文本提示创作原创歌曲或器乐曲如果需要演唱歌词，请附上歌词。 doseedo_render_midi 演出 你的确切笔记 在其中一个模型上 仪器 — 小提琴、次中音萨克斯、电吉他、钢琴 — 按你的节奏、用你的调演奏，并提供多个版本供你选择。 doseedo_cover_song 重新渲染你上传的歌曲在保持原有结构的同时，更换乐器、改变曲风或替换歌词。经纪人可以将这些步骤串联起来：分析参考素材，创作合适的乐段，进行渲染，然后将最佳版本添加到录音轨道中。

这三种工具

• doseedo_generate_music — prompt （“温暖的爵士三重奏，轻柔的鼓声，深夜民谣”），可选 lyrics, duration_seconds, seed. bpm 和 time_signature 是 图片说明提示而不是控件：输出可能会偏离控件。必须位于会话网格上的部分会被写成注释并进行渲染。
• doseedo_render_midi — notes 从第 1 小节开始（或 midi_url或会话轨道 session_id + track_id），必需的 instrument 从目录中获取 id GET /api/instruments一项必需品 bpm最多四个 takes 一次通话，无需额外费用， timbre_preset 或 timbre_audio_url — 一段简短的录音，渲染效果会采用其声音 — 一个 dynamics 目标，以及 voice_split 对于和弦（每次渲染一个声部，并在结果中进行映射）。音符按原样发送；没有任何对齐处理。
• doseedo_cover_song — 一首上传的歌曲加上一个 instruments 交换地图（{"piano":"electric_guitar","sax":"violin"}），a genre， 替代品 lyrics一个参考混音，其音色需要模仿，一个 drum_split 分成独立的套件部件，以及一个保真度调节旋钮，用于控制与源音的偏差程度。

这三个任务都是异步任务：渲染需要一到三分钟，等待时间待定。 doseedo_wait_task录音按最佳优先排序返回，以预先签名的链接形式提供，有效期为 24 小时，并附带用于重新渲染接近同一录音的种子。每次渲染 30 秒的音频窗口需要 10 个积分，报价工具会显示其工作原理。以下是 2026 年 10 月 15 日的真实回复，针对一段 21 秒的低音提琴声部，共有三个录音版本：

{
  "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
}

服务员的食谱让其他家庭成员也处于同样的水平： 产生 每30秒窗口计10个积分（一首四分钟的歌是90个积分）， 覆盖 歌曲时长为 40 分钟，渲染时间为 3 到 8 分钟，因为长歌会以 30 秒为单位分时段渲染。账户的免费套餐包含前几次渲染。

代理运行的循环

> 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.

第一个提示按顺序使用了五种工具—— analyze_song, analyze_midi, render_midi, wait_task, add_audio_to_session ——而且它是 组成部分 服务器本身发布的配方 doseedo_recipes因此，代理无需自行设计序列。结果会落入会话轨道； Dø Desktop 在 Mac 上运行该Logic项目，几秒钟内即可完成编曲。

提示生成与笔记渲染

这种区别可以避免失望。提示生成是为了 材料一张床、一份参考资料、一种风格的草图、一首完整的带歌词的歌曲。它不会包含你指定的调号或速度，因为提示是标题，而不是乐谱。渲染是为了 部分你（或经纪人）根据录音的实际调性和速度写下音符，然后由模拟乐器演奏——这就是为什么它是任何需要编曲的场合的理想工具。翻唱是第三种情况：歌曲本身存在，改变的是谁来演奏。 MIDI转音频页面 是浏览器版本的渲染，而 仪器目录 列出可以播放的内容。

Generation 运行在服务器上，因此它不依赖于你的 DAW 是否打开——它可以在手机、终端或 CI 作业中使用。什么 做 需要桌面桥接器只是最后一步，录音会出现在打开的Logic项目中；如果没有它，录音就会在会话中，并在下次下载时出现。

有关的

• 在浏览器中将MIDI转换为音频
• 乐器
• 首先分析参考曲目：调性、速度、和弦
• Stem separation超过 MCP
• 把想法记录下来：与克劳德的剪辑会议