llms

Music MCP for AI Music Generation in Any Agent By Viddo AI

Music MCP lets Claude, ChatGPT, Cursor, Gemini, Grok, and other AI agents compose music, record voiceovers, and place sound effects through the Model Context Protocol. Runs on your own credits with no API key to manage.
1

Copy the Viddo MCP URL

Copy the Viddo MCP server URL. You will need it in the next step.

https://mcp.viddo.ai/mcp
2

Add Viddo to Grok

Open the page below and click New Connector, then Custom. Name it Viddo, paste the URL, and click Add Connector.

3

Connect and Start Creating

Sign in with your Viddo account and approve the connection. Then ask Grok to generate and edit images, videos, and audio.

Verify the connection

Please call viddo_list_models and list the models available on my account.
Full Grok setup guide →

Was ist Music MCP

Ein Musik-MCP-Server ist ein Remote Model Context Protocol-Server, der KI-Musikgenerierung, Text-to-Speech, Sprachklonung und Soundeffekte als Werkzeuge bereitstellt, die ein KI-Agent aus einem Chatfenster oder einem Code-Editor aufrufen kann. Ihr Agent liest die aktuelle Modellliste, schätzt die Kreditkosten und erstellt den Auftrag erst nach Ihrer Genehmigung.

Anstatt API-Schlüssel in eine Konfigurationsdatei zu kopieren, autorisieren Sie sich einmal im Browser mit Ihrem Viddo AI-Konto. Jeder kompatible Client auf diesem Gerät bleibt angemeldet, und der fertige Track wird als Link innerhalb des Gesprächs zurückgegeben, in dem Sie danach gefragt haben.

Ihr Agent sendet eine Anfrage, der Server führt das Modell aus und das Ergebnis wird als Link zurückgegeben. Der praktische Unterschied zeigt sich in einem Video-Workflow. Ein Hintergrundbett, das zum Shot passt, ein Voiceover, das die beabsichtigte Zeile trifft, und ein Soundeffekt, der den Schnitt unterstützt, können alle im selben Thread angefordert werden, der das Video festgelegt hat, anstatt von drei separaten Dashboards bezogen zu werden.
AI Image to Video Ads

Hauptmerkmale des Musik-MCP

Bewerte ein Video, ohne das Gespräch zu verlassen.
Der Agent nimmt das Briefing, das du bereits für das Video geschrieben hast, und verwandelt die emotionalen Höhepunkte in einen Track. Bitte um ein ruhiges Klavierbett unter einem Intro und einen langsamen Aufbau in den letzten fünf Sekunden, und das Ergebnis wird entsprechend geschnitten. Nichts muss in einem separaten Audio-Tool neu erklärt werden, da der Kontext bereits im Thread enthalten ist.
Bewerte ein Video, ohne das Gespräch zu verlassen.
Ein Agent verwaltet Bett, Stimme und Effekte.
Die gleiche Verbindung deckt die drei Audiolayer ab, die ein Video normalerweise benötigt. Ein Hintergrundbett unter der Szene, eine gesprochene Sprachaufnahme mit dem gewünschten Ton und ein einzelner Übergangseffekt beim Schnitt sind drei Anfragen an einen Agenten. Das ist wichtig, wenn das Briefing bereits angibt, was das Video benötigt, da der Audioinhalt dem gleichen Brief folgt und nicht eine neue Konversation beginnt.
Ein Agent verwaltet Bett, Stimme und Effekte.
Stimmenklonierung hält eine Serie konsistent
Ein geklontes Sprachprofil hat die gleiche Lieferung in jeder Episode einer Serie. Der Agent verwendet das von Ihnen genehmigte Profil erneut, sodass das zweite Onboarding-Video wie das erste klingt, ohne dass eine Neuaufnahme erforderlich ist. Bei einer gesprochenen Serie ist diese Konsistenz normalerweise mehr wert als jedes Mal eine neue Stimme.
Stimmenklonierung hält eine Serie konsistent
Der Agent schätzt die Kosten und wartet auf Ihre Genehmigung.
Audio-Jobs können lange dauern, daher liest der Agent Ihre verbleibenden Credits, schätzt die Kosten des genauen Modells und der Parameter, die Sie beschrieben haben, und stoppt, bevor etwas erstellt wird. Nichts läuft und nichts wird berechnet, bis Sie das Modell, die Parameter und die Anzahl bestätigen. Fragen Sie einmal nach diesem Verhalten und der Agent behält es für den Rest der Sitzung bei.
Der Agent schätzt die Kosten und wartet auf Ihre Genehmigung.
Fehlgeschlagene Jobs berechnen Ihnen nicht zweimal.
Wenn ein Job fehlschlägt, meldet der Agent den Fehler und die Anforderungs-ID, anstatt stillschweigend mit anderen Parametern erneut zu senden. Ein erneuter Versuch, der dieselbe Anfrage wiederverwendet, verwendet denselben Job, sodass ein Timeout oder eine erneut gesendete Nachricht nicht zu einer zweiten Belastung führt. In einem Batch von Betten und Sprachaufnahmen berichtet jede Aufgabe ihren eigenen Status, sodass Sie genau wissen, was abgeschlossen wurde.
Fehlgeschlagene Jobs berechnen Ihnen nicht zweimal.
Lange Jobs laufen im Hintergrund.
Die Audioerstellung benötigt Zeit, daher läuft der Job im Hintergrund und der Agent fragt den Status ab, bis das Asset fertig ist. Sie können mehrere Aufgaben in einer Anfrage einreichen, erhalten einen separaten Status für jede und können weiterarbeiten, während sie gerendert werden. Fertige Dateien kommen als Links an, auf die der Agent verweisen, herunterladen oder in das Projekt einfügen kann, an dem Sie bereits arbeiten.
Lange Jobs laufen im Hintergrund.

Wie man das Musik-MCP auf Viddo AI verwendet

  • Step1

    Kopiere die Viddo MCP-Server-URL.

    Die Audioerzeugung läuft über denselben Remote-Endpunkt wie jedes andere Viddo AI MCP-Tool, sodass dies dasselbe Einadressensetup ist, das Sie für alles andere verwenden. Kopieren Sie es und fügen Sie es in die MCP-Einstellungen des Clients ein, in dem Sie schreiben.

    Kopieren Sie die Viddo MCP-URL: https://mcp.viddo.ai/mcp
  • Step2

    Fügen Sie den Server zu Ihrem Client hinzu.

    Öffnen Sie die MCP-Einstellungen in Ihrem Client und erstellen Sie einen neuen Servereintrag. Fügen Sie die obenstehende URL ein, wählen Sie Streamable HTTP als Transport aus und lassen Sie die Authentifizierung auf OAuth. Die meisten Clients registrieren sich automatisch, sodass kein Client-ID oder Client-Geheimnis ausgefüllt werden muss. Wenn Ihr Client MCP-Server unter einem anderen Label auflistet, handelt es sich um dasselbe Panel.
  • Step3

    Anmelden und die Berechtigungen genehmigen

    Ihr Agent öffnet den Browser zur Anmeldeseite. Melden Sie sich mit Ihrem Konto an und genehmigen Sie die angeforderten Berechtigungen. Der Browser bringt Sie zurück zu Ihrem Client, und die Audiowerkzeuge erscheinen unter dem Viddo-Eintrag neben dem Rest des Katalogs.
  • Step4

    Überprüfen Sie die Verbindung und senden Sie Ihre erste Anfrage.

    Bitte bitten Sie Ihren Agenten, den Link zu bestätigen, bevor Sie etwas generieren. Zuerst zu bestätigen bedeutet, dass Sie eine fehlerhafte Genehmigung finden, bevor Sie auf einen dreiminütigen Track warten.

    Verbinden und Erstellen: Bitte rufen Sie viddo_list_models auf und listen Sie die Modelle auf, die in meinem Konto verfügbar sind.

    Wenn die Liste zurückkommt, funktioniert die Verbindung. Dann fragen Sie nach einem Track, genehmigen die Kostenschätzung und warten darauf, dass das Ergebnis im Gespräch landet. Wenn die Tool-Liste leer bleibt, wurde die Browsergenehmigung nicht abgeschlossen und das erneute Hinzufügen des Servers behebt normalerweise das Problem.

Beispiel-Agentenaufforderungen für Musik MCP

Diese gehen direkt an jeden verbundenen Client. Sie lesen sich eher wie ein Brief an einen Produzenten als wie eine Aufforderung an ein Werkzeug.
Sonnendurchflutetes Schlafzimmer mit Plüschspielzeugen auf dem Bett.

Ein Video mit einem Hintergrundbett vertonen

Schreibe ein 30-sekündiges ruhiges instrumentales Bett für eine Eröffnungssequenz: sanftes Klavier, keine Drums, keine Vocals, sanfter Aufbau in den letzten fünf Sekunden. Gib mir zwei Tempooptionen und die Kosten für jedes Stück an, bevor du generierst.

Nahaufnahme eines mattschwarzen Gehäuses für kabellose Ohrhörer

Produktstimme aufnehmen

Schreiben und erstellen Sie ein 30-sekündiges, warmes Produkt-Voiceover für den Launch von kabellosen Ohrhörern. Gesprächig, selbstbewusst, ohne Fachjargon. Überprüfen Sie dann die Audio-Dauer vor dem Exportieren.

Warme, einladende Hintergrundgestaltung für eine Produktseite

Bauen Sie ein längeres Musikbett

Erstelle einen 60-sekündigen, sich wiederholenden Ambient-Track für den Hintergrund einer Produktseite: warme Pads, keine Percussion, keine Vocals und kein offensichtliches Ende, damit er sich wiederholen kann.

Ein sanfter Übergang zwischen zwei Szenen

Einen einzelnen Soundeffekt platzieren

Erzeuge einen sanften Übergangswusch für einen Szenenwechsel nach etwa vier Sekunden, kurz und luftig, und speichere ihn, damit ich ihn in den Schnitt einfügen kann.

Onboarding-Erzählung, die mit einer gespeicherten Stimme aufgenommen wurde.

Eine Stimme für eine Serie klonen

Verwenden Sie mein gespeichertes Sprachprofil, um eine 45-sekündige Einführungsnarration für ein neues Feature zu erstellen. Gleiche Lieferung wie bei meinem letzten Take, gleiches Tempo, und teilen Sie mir die Kosten mit, bevor Sie beginnen.

Ein gesprochener Text, der auf einen 15-Sekunden-Zeitraum abgestimmt ist.

Überprüfen Sie die Dauer vor dem Exportieren

Erstelle zuerst das gesprochene Skript, berichte über die Dauer und produziere nur das endgültige Audio, wenn es in den 15-Sekunden-Zeitrahmen passt, den ich dir gegeben habe.

Musik MCP FAQ

1

Welche KI-Apps können sich mit dem Musik-MCP verbinden?

Jeder Client, der einen Remote-MCP-Server über Streamable HTTP unterstützt. Auf Viddo AI umfasst das ChatGPT, Claude, Claude Code, Grok, Gemini, Gemini CLI, Cursor, VS Code, Codex, Cline, Zed, OpenCode, Microsoft Copilot Studio und OpenClaw.

2

Benötige ich einen API-Schlüssel, um Music MCP zu verwenden?

Nein. Mit diesem Server authentifizieren Sie sich über den Browser mit Ihrem Konto, und der Client übernimmt automatisch den OAuth-Austausch. Es wird nichts in Ihre Konfigurationsdatei geschrieben, sodass es keinen Schlüssel gibt, den man rotieren muss, wenn ein Teamkollege hinzukommt oder das Team verlässt.

3

Kann der MCP-Server Musik, Sprache und Soundeffekte erzeugen?

Ja. KI-Musikgenerierung, Text-zu-Sprache, Sprachklonung und Soundeffekte sind alle über dieselbe Verbindung verfügbar, sodass ein Agent eine Szene vertonen, die Erzählung aufnehmen und einen Übergangseffekt platzieren kann, ohne die Werkzeuge zu wechseln. Die Seite des KI-Musikgenerators zeigt den vollständigen Katalog an.

4

Wie funktioniert die Abrechnung für die KI-Musikgenerierung über MCP?

MCP-Jobs verwenden Ihre vorhandenen Credits, das gleiche Guthaben wie die Webanwendung. Ihr Agent kann das Guthaben lesen und einen Job schätzen, bevor er etwas erstellt, und die Generierung beginnt erst, nachdem Sie das Modell, die Parameter und die Kosten in Credits genehmigt haben. Audio-Credits folgen derselben Regel wie Video, sodass ein Guthaben das gesamte Projekt abdeckt.

5

Kann mein Agent das Musikmodell für mich auswählen?

Ja. Der Agent liest die Liste der Live-Modelle und die Parameterregeln, empfiehlt dann eine kompatible Option, sodass Sie 'ein ruhiges Bett für eine Eröffnung' beschreiben können, anstatt ein Modell zu benennen. Sie können immer noch direkt eines nennen, wenn Sie einen bestimmten Klang wünschen. Der vollständige Katalog der KI-Videomodelle zeigt, was auf der Plattform verfügbar ist.

6

Wie lange dauert es, bis ein generierter Track ankommt?

Die Audioerstellung läuft als Hintergrundjob, sodass Ihr Agent den Status der Aufgabe abfragt, bis die Datei fertig ist. Bei Clients mit umfangreichen Antworten wird die Generierungskarte vor Ort aktualisiert, und bei textbasierten Clients gibt der Agent die Download-Links zurück, sobald der Job abgeschlossen ist.

7

Kann die gleiche Verbindung auch Bilder und Videos übertragen?

Ja. Der Audioinhalt befindet sich auf demselben Server wie die Standbilder und das Bewegtbild. Wenn ein Launch einen Soundtrack, ein Thumbnail und einen Schnitt benötigt, deckt ein Agent alle drei ab, und die Seite des Bildgenerierungs-MCP-Servers behandelt die Standbilder im Detail.

8

Kann ich das Audio kommerziell nutzen?

Ja. Jeder Plan umfasst die kommerzielle Nutzung und keine Wasserzeichen, sodass ein Track oder ein Voiceover zur Veröffentlichung und für Kundenarbeiten freigegeben ist. Wenn eine Kreation fehlschlägt, können Sie eine Rückerstattung anfordern oder die verwendeten Credits zurückbekommen, und der Misserfolg wird niemals zu einer stillen zweiten Belastung auf Ihrer nächsten Rechnung.

Profi-Tipps zur Verwendung von Music MCP

Fragen Sie vor dem ersten Job einer Sitzung nach der Kreditabschätzung und verwenden Sie diese Schätzung dann für Variationen erneut.
Nennen Sie das Modell, wenn Sie einen bestimmten Klang benötigen, und lassen Sie es offen, wenn Sie möchten, dass der Agent wählt.
Behalte eine Anfrage pro Variation, damit ein einzelner Fehler nicht die gesamte Charge verliert.
Abfragen einer laufenden Aufgabe anstelle des erneuten Sendens der Nachricht, damit dieselbe Anfrage nicht zweimal abgerechnet wird.
Fordern Sie zuerst das Skript oder die Dauer an, und rendern Sie dann die endgültige Audiodatei.
Verbinden Sie mehrere Clients frei, da jeder sein eigenes Token besitzt, während sie ein gemeinsames Guthaben teilen.

Mehr entdecken

Starte mit dem Music MCP auf Viddo AI.

Ihr Assistent kann jetzt eine Szene bewerten, die Erzählung aufnehmen und den Effekt platzieren, ohne dass Sie den Thread verlassen müssen. Melden Sie sich einmal mit Ihrem Konto an, genehmigen Sie die Kostenschätzung, wenn Ihr Agent sie zeigt, und beginnen Sie mit der Erstellung in Ihrer nächsten Nachricht.
Starte mit dem Music MCP auf Viddo AI.
viddo.ai

Viddo AI ist eine fortschrittliche All-in-One-KI-Video- und Bildgenerierungsplattform, mit der Sie schnell und einfach beeindruckende Videos und Bilder aus verschiedenen Eingaben erstellen können. Diese KI-Modelle werden von Google, OpenAI, Grok AI, ByteDance, Alibaba, Kling, Runway, Vidu, Minimax, Elevenlabs, Midjourney usw. unterstützt.

© 2026 viddo.ai. All rights reserved.