Fish Audio 助力 AI 编程智能体：llms.txt、MCP 与 Skills

Fish Audio 现在提供三种专为 AI 智能体构建的原生接口 —— 用于导航的 llms.txt、用于实时 API 查询的文档 MCP 服务端，以及用于离线优先代码生成的内置 Claude Code 技能。本文将介绍每个接口的功能、重要性，以及如何在五分钟内完成设置。

2026 年 5 月 | Fish Audio 智能体工具现已在 llms.txt、MCP 和 Skills 上全线发布

大多数开发者文档都是为人类编写的。它假设你会打开浏览器、阅读指南、复制片段，然后切换回编辑器。当你独自工作时，这种工作流没问题。但当你的编程智能体成为阅读者时，这种方式就会失效。

AI 编程智能体 —— Claude Code、Cursor、Codex、Windsurf 以及越来越多的其他工具 —— 需要一种形式截然不同的对 LLM 友好的文档。它们不进行“浏览”，而是“获取”。它们不扫视标题，而是解析结构。当上下文窗口填满时，非结构化的文档就会变成噪声，排挤掉代码空间。

我们亲身经历了这一点。在将 Fish Audio 集成到 LLM 工作流时，开发者们经常遇到同类错误：编程智能体为错误的端点生成身份验证代码、从训练数据中提取已弃用的模型 ID，或者针对过时的架构构建 WebSocket 负载。问题不在于 API —— 而在于智能体在生成时没有可靠的途径来访问最新的结构化文档。

Fish Audio 现在推出了三个专门构建的接口来解决这个问题：用于 AI 智能体导航的 llms.txt、用于实时文档查询的 文档 MCP 服务端，以及用于离线优先代码生成的 智能体技能 (Agent Skills)。Fish Audio 将这三者作为一级开发者功能发布 —— 每一个都可以独立使用，且三者共同构成了适用于任何编程智能体工作流的智能体原生文档层。

已经在用 Fish Audio？ 立即获取 https://docs.fish.audio/llms.txt 并将其提供给您的智能体 —— 无需额外配置。在开发者面板开始使用 →

llms.txt：AI 智能体如何导航您的文档

什么是 llms.txt？

llms.txt 是一种新兴的开放标准，它为 AI 智能体提供了网站最重要内容的清晰、结构化索引。该格式在 llmstxt.org 中定义，是放置在域名根目录下的 Markdown 文件 —— 它是一个包含简短描述的精选链接列表，并按有意义的类别组织。

你可以把它想象成针对 LLM 的 robots.txt —— 不同之处在于，llms.txt 不是告诉智能体避开哪些内容，而是准确地告诉它们从哪里开始。Fish Audio 使用 llms.txt 为编程智能体进入其 API 文档提供了一个结构化、低噪声的切入点。

大多数文档网站都有数百个页面。当编程智能体冷启动拉取整个文档站点时，它会将上下文窗口的 Token 浪费在与任务无关的内容上 —— 变更日志条目、已弃用的端点、营销文案。精心编写的 llms.txt 可以将其过滤为一组精选的高信号入口点，这意味着更快的响应、更低的 Token 成本和更准确的代码生成。

该标准还定义了 llms-full.txt —— 这是一个更广泛的变体，包含更完整的页面内容，适用于需要更深层上下文的智能体。两者都是纯 Markdown 格式，任何 LLM 都可以直接解析，无需预处理。

Fish Audio 的 llms.txt 和 llms-full.txt

Fish Audio 发布了两个版本，均无需身份验证即可访问：

docs.fish.audio/llms.txt —— 一个精选的低噪声索引，分为六个类别：“从这里开始”、“API 规范”、“核心 REST API”、“SDK”、“产品指南”和“操作文档”。文件以“智能体快速入门”链接和指向“AI 编程智能体”指南的直接路径开头，因此任何智能体都能在一次获取中定位自己。每个链接都指向 .md 文件而非 HTML，因此智能体可以直接解析内容，无需剥离标记。

docs.fish.audio/llms-full.txt —— 一个更全面的版本，包含完整的表情参考、所有 SDK 页面、每个 REST 和 WebSocket 端点，以及涵盖英语、中文和日语的语音克隆、实时流媒体和音素控制的扩展指南。

以下是 Fish Audio 所使用的结构化 llms.txt 简化示例：

# Fish Audio

> Fish Audio API、SDK、模型、语音克隆、实时流媒体和私有化部署的权威文档索引。

## 从这里开始
- [智能体快速入门]: AI 智能体的极简入口点
- [快速开始]: 5 分钟内生成您的首个 AI 语音
- [AI 编程智能体]: 通过 MCP 连接编程助手

## 核心 REST API
- [文本转语音端点]: 将文本转换为语音
- [语音转文本端点]: 将音频转录为文本
- [WebSocket TTS 流式传输]: 通过 WebSocket 进行实时流传输
...

llms.txt 标准已在开发者工具和 AI 基础设施中得到快速采用 —— 包括 Anthropic Claude、Perplexity、Cloudflare、Vercel、Cursor、ElevenLabs 和 Coinbase 在内的公司都已经发布了自己的实现。Fish Audio 提供了涵盖 llms.txt、MCP 和可安装智能体技能的全结构化实现 —— 每一层都可以独立使用，且旨在协同工作。“从这里开始”部分专为给编程智能体提供决策树而设计，而不仅仅是链接列表。

智能体在实践中如何使用它

当你要求编程智能体“用 Python 实现 Fish Audio TTS”时，配置良好的智能体会首先获取 llms.txt，识别相关页面（Python SDK、TTS 端点、身份验证），将这些页面作为 Markdown 拉取，并根据当前文档生成代码 —— 而不是根据可能已经过时数月的训练数据。

这比听起来更重要。API 架构会变，模型 ID 会弃用，表情标签语法在模型迭代间会演进。如果没有实时的文档获取，智能体生成的代码所针对的 API 快照可能已经失效。

这种双文件方法为智能体提供了一条自然的递进路径：先从 llms.txt 开始以获得聚焦、低 Token 的索引；当任务需要更深的背景（如完整的表情参考或边缘情况的流式行为）时，再递进到 llms-full.txt。

已经在用 Fish Audio 构建？ 将您的编程智能体指向 docs.fish.audio/llms.txt，停止生成过时的 API 调用。在开发者面板开始使用 →

文档 MCP：为编程智能体提供实时 API 查询

什么是 MCP？

MCP（Model Context Protocol，模型上下文协议）是一个开放协议，允许像 Claude Code 和 Cursor 这样的 AI 编程智能体在生成代码时获取实时文档和外部数据 —— 无需离开编辑器。

Fish Audio 使用 MCP 将其完整的 API 文档作为编程智能体内部的实时检索层公开。当你连接 Fish Audio MCP 服务端后，你的智能体可以通过从发布的文档中获取当前答案，来回答诸如“Fish Audio 支持哪些表情标签？”或“TTS 端点的速率限制是多少？”等问题，而不再依赖过时的训练数据。

设置 Fish Audio MCP 服务端

Fish Audio 文档 MCP 服务端地址为 https://docs.fish.audio/mcp。设置只需一条命令。

MCP 设置：分步教程

以下演练以 Claude Code 为例。Fish Audio 的 MCP 服务端也支持 Cursor 和 Windsurf —— 请参阅下方的编辑器特定设置链接。

第 1 步 —— 运行安装命令

在项目目录中打开终端并运行：

claude mcp add --transport http fish-audio --scope project https://docs.fish.audio/mcp

这会在项目根目录创建一个 .mcp.json 配置文件。--scope project 标志意味着该服务端对在这个项目中工作的所有人直接可用。

第 2 步 —— 验证连接

claude mcp list

你应该会在已配置的服务端列表中看到 fish-audio。如果没有出现，请检查你是否在项目目录内运行命令。

第 3 步 —— 测试

直接询问 Claude Code：“目前有哪些 Fish Audio 模型可用？”或“我该如何通过 Fish Audio API 进行身份验证？”如果 MCP 服务端已连接，Claude Code 将从实时文档中获取答案，而不是依赖训练数据。

常见问题：

如果服务端没有出现在 claude mcp list 中，请确认你安装了最新版本的 Claude Code。如果你希望该服务端在你所有的项目中都可用，而不仅仅是当前这一个，请将 --scope project 替换为 --scope user。

刚接触 Fish Audio API？在连接 MCP 服务端之前，先从 API 简介 → 开始，了解身份验证、端点和响应格式。

Claude Code (快速参考)：

claude mcp add --transport http fish-audio --scope project https://docs.fish.audio/mcp

这将在项目根目录创建一个 .mcp.json 文件。验证连接：

claude mcp list
# 您应该看到：fish-audio

Cursor：通过命令面板设置。查看 Cursor 设置指南 →

Windsurf：通过 File > Preferences > Windsurf Settings 设置。查看 Windsurf 设置指南 →

连接后，您的编程智能体即可实时访问：

• 包含所有参数和响应架构的完整 REST API 参考
• Python 和 JavaScript SDK 指南及运行示例
• 语音克隆和实时流传输的最佳实践
• 模型对比以及当前的定价和速率限制表
• 针对常见集成问题的排错指南

连接后您可以问什么

Fish Audio MCP 服务端专为编辑器内的自然语言查询而设计。以下是一些示例：

由于 MCP 服务端使用从已发布文档中实时检索 API 的方式，答案反映了最新的 API 参考。当 Fish Audio 发布新模型或更新端点时，您的智能体在下次查询时就能看到更新。

安全性：MCP 服务端提供对公开文档的只读访问。不会通过连接传输 API 密钥。所有请求均使用 HTTPS。不存储任何查询或使用数据。

还没使用过 Fish Audio？免费开始 → —— 在 30 秒内添加 MCP 服务端，并直接从实时文档生成可运行的 TTS 集成。

智能体技能 (Agent Skills)：为 50+ 编程智能体提供的离线优先 API 指令

什么是智能体技能？

智能体技能是为编程智能体准备的可重用指令集 —— 结构化的 SKILL.md 文件，它们准确地告诉智能体如何处理特定任务，而无需在生成时实时获取文档。

每个技能包含名称、描述和分步指令，当匹配的任务出现时，智能体会自动遵循这些指令。

技能安装在智能体的本地技能目录中。具体路径因智能体而异 —— 例如，Claude Code 在全局使用 ~/.claude/skills/ 或在每个项目中使用 .claude/skills/。安装后，智能体无需任何额外提示即可读取该技能。无需 MCP 服务端。生成时无需网络调用。

开放智能体技能生态系统（由 Vercel Labs 维护）定义了规范并提供了一个 CLI 工具 —— npx skills —— 用于安装、更新和管理技能。它目前支持 50 多个智能体，包括 Claude Code、Codex、Cursor、Windsurf、OpenCode、Gemini CLI 和 GitHub Copilot。

安装 Fish Audio 技能

Fish Audio 发布了一个现成的智能体技能，涵盖了完整的 REST 和 WebSocket API：身份验证、OpenAPI 架构中的每个端点、MessagePack vs JSON vs multipart 编码规则、多发言人对话设置以及 WebSocket 流传输协议。

npx skills add https://docs.fish.audio --skill fish-audio-api

该技能将安装在智能体的本地目录中。安装后，尝试询问您的编程智能体：

• “使用 curl 调用 Fish Audio TTS API”
• “在 Python 中通过 WebSocket 流式传输 TTS”
• “使用 [happy] 和 [sad] 等表情标签设置多发言人对话”
• “使用 S2 以 [whispering] 风格生成语音”

有关支持的表情标签完整列表和高级表现控制，请参阅 Fish Audio S2 细粒度控制指南 →

正在构建多角色项目？请参阅 多声音文本转语音 → 获取实用设置指南。

该技能提供了约定 —— 智能体遵循这些约定而无需预先获取文档。

为特定智能体安装：

# 仅安装给 Claude Code
npx skills add https://docs.fish.audio --skill fish-audio-api -a claude-code

# 仅安装给 Codex
npx skills add https://docs.fish.audio --skill fish-audio-api -a codex

# 一次性安装给所有检测到的智能体
npx skills add https://docs.fish.audio --skill fish-audio-api --all

运行 npx skills --help 获取支持的智能体标志完整列表。

MCP vs. Skills：您应该使用哪一个？

这两种工具都能提高编程智能体在使用 Fish Audio 时的准确性。它们针对不同的场景进行了优化。

实用原则：使用 MCP 进行实时文档搜索和探索性查询。使用技能来针对已知模式进行可靠、离线优先的代码生成。

在大多数生产设置中，同时使用两者是明智的。技能处理标准模式 —— 身份验证、基础 TTS 调用、WebSocket 设置 —— 无需网络往返。MCP 处理你未预料到的问题：新模型参数、更新的速率限制、流传输协议中的边缘情况。

为什么传统文档对 AI 智能体力有不逮

传统 API 文档是为人类浏览优化的。AI 编程智能体需要不同的东西：结构化索引、低噪声 Markdown 以及能减少陈旧生成和 Token 浪费的实时检索路径。

大多数 API 文档是为特定工作流设计的：开发者打开浏览器，搜索所需的端点，阅读页面并复制片段。这种工作流多年来一直运作良好。

但其底层的假设 —— 读者是使用浏览器的人类 —— 现在值得重新审视。AI 编程智能体不使用浏览器。它们获取原始内容，进行解析，并根据检索到的内容生成代码。为了使文档对人类可读而设计的那些基础设施 —— 导航菜单、搜索栏、渲染的 HTML、嵌入式媒体 —— 对智能体来说不仅没有帮助，反而增加了摩擦。

一些特定的模式会造成严重问题：

以 HTML 为主要格式。 智能体在技术上可以解析 HTML，但它包含大量与任务无关的结构化标记 —— 布局标签、脚本、导航元素。一个 10,000 字符的 HTML 页面可能只包含 2,000 字符的实际文档。在上下文窗口有限的情况下，这种差距会产生真实的成本。

缺乏清晰的入口点。 一个拥有 200 个页面的文档站点没有给智能体提供从何处开始的信号。如果没有结构化索引，智能体要么拉取过多内容（浪费 Token），要么拉取错误的页面（生成错误的代码）。

时效性差的内容。 模型 ID、端点路径和参数名称会发生变化。如果文档没有清晰的版本化或弃用信号，会导致智能体根据可能已不再准确的规范生成代码。

这并非在批评现有的文档构建方式 —— 它们是为当时的受众构建的。现在的实际问题是：随着 AI 编程智能体成为开发者与 API 交互的重要方式，你的 AI 智能体文档是否同时兼顾了这两类受众？

Fish Audio 的 llms.txt、MCP 服务端和智能体技能就是我们对这个问题的回答 —— 三个层级让同一份文档既是人类可读的 API 文档，又是对 LLM 和编程智能体友好的文档。

宏观图景：三者如何协同工作

以下是这套完整的三层设置在真实工作流中的样子：

1. 智能体打开您的项目并遇到 Fish Audio 任务。 它首先获取 llms.txt —— 在拉取单个页面之前，获得一份所有对 LLM 友好的可用文档的结构化地图。Token 成本：极小。定位时间：一次获取。

2. 智能体生成代码。 如果安装了 fish-audio-api 技能，它会利用技能中关于身份验证、编码格式和流传输协议的约定 —— 对于标准模式无需获取文档。生成的输出从一开始就符合 API 规范。

3. 智能体需要验证具体细节 —— 当前的模型 ID、速率限制或 S2 的表情标签语法。 它查询 MCP 服务端并直接从发布的文档中获取答案 —— 降低了陈旧或错误生成的风险。

结果就是一个编程智能体能够在第一次尝试时就生成准确的 Fish Audio 集成，减少了反复修正，也无需猜测端点或模型 ID 自训练以来是否发生了变化。

利用智能体原生文档更快地发布语音功能。安装一次 Fish Audio 技能，即可在每个项目中重复使用生产安全的 TTS 模式。连接 MCP 服务端，让您的编程智能体自己阅读文档。

设置 MCP → · 安装技能 → · 在开发者面板开始使用 →