spotify-mcp
spotify-mcp 是一款连接大语言模型(如 Claude)与 Spotify 音乐服务的开源桥梁工具。它让 AI 助手能够直接理解并执行你的音乐指令,从而解决传统语音交互中需要手动切换应用或描述模糊的痛点。通过它,你可以用自然语言让 AI 播放、暂停、跳过歌曲,搜索艺人或专辑,甚至创建和管理播放列表,将聊天界面变身成为智能音乐控制台。
这款工具特别适合喜欢折腾新技术的开发者、AI 爱好者以及希望提升工作流效率的普通用户。如果你正在使用支持 MCP 协议的客户端(如 Claude Desktop 或 Cursor),只需简单配置即可体验"AI 点歌”的乐趣。其技术亮点在于基于成熟的 spotipy 库构建,稳定可靠,并支持通过本地部署或 uvx 快速运行,灵活适配不同开发环境。
需要注意的是,由于 Spotify 官方近期调整了部分开发者接口权限,某些高级推荐功能可能受限,但核心的播放控制与曲库管理功能依然完好。对于想要探索 AI 与日常生活应用结合场景的用户来说,spotify-mcp 是一个上手友好且极具趣味性的入门项目。
使用场景
一位数据分析师正在撰写关于“不同音乐流派对编程效率影响”的技术博客,需要实时调用个人 Spotify 账号数据来验证观点并控制播放环境。
没有 spotify-mcp 时
- 操作割裂严重:必须在浏览器、Spotify 客户端和代码编辑器之间频繁切换,手动搜索歌曲或复制专辑链接,打断写作心流。
- 数据获取繁琐:若要分析特定歌单的曲目详情(如 BPM、时长),需先导出 CSV 或编写独立的 Python 脚本调用 API,无法在对话中即时获取。
- 上下文丢失:向 AI 描述想听的歌曲时,无法直接让 AI 理解当前的播放队列,导致推荐结果与实际听歌场景脱节。
- 自动化缺失:无法通过自然语言指令直接暂停、跳过或调整播放列表,必须依赖手动点击,降低了多任务处理效率。
使用 spotify-mcp 后
- 交互无缝融合:直接在 Claude 对话框中输入“播放适合深度工作的 Lo-Fi 歌单”,spotify-mcp 立即接管播放控制,无需离开当前窗口。
- 实时数据洞察:询问“当前播放歌曲的艺术家还有哪些类似风格的专辑?”,工具即时检索元数据并返回结构化信息,辅助内容创作。
- 智能队列管理:指令“将这首曲子加入‘编码专用’播放列表并跳过当前曲目”,spotify-mcp 自动执行队列更新,保持专注状态。
- 动态场景联动:根据写作进度自动调整音乐节奏,例如检测到长时间无输入时,主动建议切换高能量曲目以提振精神。
spotify-mcp 将原本割裂的音乐控制与数据查询能力转化为大模型的原生技能,实现了“所想即所听”的智能化工作流闭环。
运行环境要求
- macOS
- Windows
- Linux
未说明
未说明

快速开始
spotify-mcp MCP 服务器
MCP 项目用于将 Claude 与 Spotify 连接起来。基于 spotipy-dev 的 API 构建。
[2026年3月公告]:该项目已停止维护。大多数拉取请求将不会被合并。
功能
- 开始、暂停和跳过播放
- 搜索曲目、专辑、艺术家和播放列表
- 获取曲目、专辑、艺术家和播放列表的信息
- 管理 Spotify 队列
- 管理、创建和更新播放列表
演示
视频 -- 请打开音频
https://github.com/user-attachments/assets/20ee1f92-f3e3-4dfa-b945-ca57bc1e0894配置
获取 Spotify API 密钥
在 developer.spotify.com 上创建一个账户。导航到 控制台。 创建一个应用,将 redirect_uri 设置为 http://127.0.0.1:8080/callback。 您可以选择任何端口,但必须使用 http 协议和明确的回环地址(IPv4 或 IPv6)。
更多信息和故障排除,请参阅 此处。 您可能需要重启一次或两次您的 MCP 环境(例如 Claude Desktop),才能使其正常工作。
找到 MCP 配置文件
对于 Cursor、Claude Desktop 或任何其他支持 MCP 的客户端,您都需要找到您的配置文件。
- 在 macOS 上,Claude Desktop 的配置文件位置为:
~/Library/Application\ Support/Claude/claude_desktop_config.json - 在 Windows 上,Claude Desktop 的配置文件位置为:
%APPDATA%/Claude/claude_desktop_config.json
使用 uvx 运行该项目
将以下代码片段添加到您的 MCP 配置中。
{
"mcpServers": {
"spotify": {
"command": "uvx",
"args": [
"--python", "3.12",
"--from", "git+https://github.com/varunneal/spotify-mcp",
"spotify-mcp"
],
"env": {
"SPOTIFY_CLIENT_ID": YOUR_CLIENT_ID,
"SPOTIFY_CLIENT_SECRET": YOUR_CLIENT_SECRET,
"SPOTIFY_REDIRECT_URI": "http://127.0.0.1:8080/callback"
}
}
}
}
在本地运行该项目
使用 UVX 会在每次调用工具时打开 Spotify 的重定向 URI。为了避免这种情况,您可以克隆此仓库并在本地运行:
git clone https://github.com/varunneal/spotify-mcp.git
然后将其添加到您的 MCP 配置中,如下所示:
"spotify": {
"command": "uv",
"args": [
"--directory",
"/path/to/spotify-mcp",
"run",
"spotify-mcp"
],
"env": {
"SPOTIFY_CLIENT_ID": YOUR_CLIENT_ID,
"SPOTIFY_CLIENT_SECRET": YOUR_CLIENT_SECRET,
"SPOTIFY_REDIRECT_URI": "http://127.0.0.1:8080/callback"
}
}
故障排除
如果您无法使此 MCP 正常工作,请提交一个问题。以下是一些提示:
- 确保
uv已更新。建议使用>=0.54版本。 - 如果是本地克隆,请为项目启用执行权限:
chmod -R 755。 - 确保您拥有 Spotify Premium 账户(运行开发者 API 所需)。
此 MCP 将按照 MCP 规范将日志输出到标准错误流。在 Mac 上,Claude Desktop 应该会将这些日志输出到 ~/Library/Logs/Claude。
在其他平台上,您可以在这里找到日志。
您可以通过 npm 使用以下命令启动 MCP 检查器:
npx @modelcontextprotocol/inspector uv --directory /path/to/spotify-mcp run spotify-mcp
启动后,检查器会显示一个 URL,您可以在浏览器中访问该 URL 来开始调试。
待办事项
不幸的是,Spotify API 中的一些很酷的功能已经被 弃用。大多数新功能都相对较小,或者是为了项目的健康而进行的改进:
- 测试。
增加对管理播放列表的 API 支持。- 增加对分页搜索结果、播放列表和专辑的 API 支持。
欢迎贡献 PR!感谢 @jamiew、@davidpadbury、@manncodes、@hyuma7、@aanurraj、@JJGO 等人的贡献。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。