अपने कोडिंग एजेंट को आवाज़ दीजिए: Claude Code, Cursor और Codex के लिए Vext का MCP सर्वर

ज़्यादातर MCP सर्वर एजेंट को किसी दूरस्थ चीज़ तक पहुँच देते हैं — कोई डेटाबेस, कोई API, कोई टिकट ट्रैकर। Vext का वॉइस MCP सर्वर इसका उल्टा करता है: यह एजेंट को आपके माइक्रोफ़ोन, आपकी मीटिंग ट्रांसक्रिप्ट और आपके डिक्टेशन इतिहास तक पहुँच देता है, और कुछ भी मशीन से बाहर नहीं जाता।

यह डिफ़ॉल्ट रूप से बंद रहता है। इसे चालू करने का मतलब है कि आपके Mac पर चल रही कोई भी प्रक्रिया, जिसके पास टोकन हो, ऐप को नियंत्रित कर सकती है — इसलिए यह सोच-समझकर लिया गया फ़ैसला है, जो हम आपकी ओर से नहीं लेते। यह लेख बताता है कि सर्वर क्या उपलब्ध कराता है, आम क्लाइंट कैसे जोड़ें, और वे कुछ चुनिंदा कार्यप्रवाह कौन से हैं जहाँ यह वाकई काम आता है।

यह है क्या

Vext एक स्थानीय HTTP सर्वर चलाता है जो Streamable HTTP MCP बोलता है। इसकी सुरक्षा स्थिति तीन बातों से तय होती है:

• सिर्फ़ लूपबैक। यह 127.0.0.1 से बंधा होता है, इसलिए कभी नेटवर्क पार नहीं करता।
• बियरर टोकन। हर अनुरोध में Authorization: Bearer हेडर होता है। टोकन पहली बार पढ़ते समय बनता है और सेटिंग्स से दोबारा बनाया जा सकता है।
• डिफ़ॉल्ट रूप से बंद। जब तक आप चालू न करें, कुछ भी सुन नहीं रहा होता।

डिफ़ॉल्ट पोर्ट 58398 है — ऊँचा और अनारक्षित, ताकि यह डेव सर्वरों या दूसरे Muvon ऐप्स के MCP एंडपॉइंट से न टकराए। पथ /mcp है, यानी पूरा एंडपॉइंट http://127.0.0.1:58398/mcp बनता है।

यह वही सर्वर है जिसके साथ Vext 1.4.0 में लाइव ट्रांसक्रिप्ट आया था।

Claude Code और दूसरे क्लाइंट में MCP सर्वर जोड़ना

सेटिंग्स में हर क्लाइंट के लिए कॉपी करने योग्य स्निपेट दिखता है, जिसमें आपका असली टोकन पहले से भरा होता है। रूप ये हैं:

Claude Code — एक ही claude mcp add कमांड:

claude mcp add --transport http vext http://127.0.0.1:58398/mcp --header "Authorization: Bearer YOUR_TOKEN"

Cursor, Windsurf, Claude Desktop — मानक mcpServers JSON:

{
  "mcpServers": {
    "vext": {
      "url": "http://127.0.0.1:58398/mcp",
      "headers": { "Authorization": "Bearer YOUR_TOKEN" }
    }
  }
}

Codex — Codex MCP सर्वर की एंट्री ~/.codex/config.toml में जाती है:

[mcp_servers.vext]
url = "http://127.0.0.1:58398/mcp"
http_headers = { Authorization = "Bearer YOUR_TOKEN" }

OpenCode — opencode.json, प्रोजेक्ट में या ~/.config/opencode/ में:

{
  "mcp": {
    "vext": {
      "type": "remote",
      "url": "http://127.0.0.1:58398/mcp",
      "enabled": true,
      "headers": { "Authorization": "Bearer YOUR_TOKEN" }
    }
  }
}

Octomind इकलौता अपवाद है। इसके HTTP सर्वर कस्टम हेडर नहीं भेज सकते, इसलिए टोकन क्वेरी स्ट्रिंग में जाता है — यहाँ यह सुरक्षित है, ठीक इसीलिए कि एंडपॉइंट सिर्फ़ लूपबैक पर उपलब्ध है। सेटिंग्स आपको यह रूप अलग से देती हैं।

38 टूल, समूहों में

हर टूल का पूरा विवरण गिनाने के बजाय, यहाँ बताया है कि एजेंट किस तरह के काम कर सकता है।

लाइव डिक्टेशन। start_dictation, stop_dictation, cancel_dictation। एजेंट सुनना शुरू करता है, आप बोलते हैं, और वह बाद में ट्रांसक्रिप्ट ले लेता है — सफ़ाई और आपके सक्रिय स्टाइल के बाद। stop_dictation में paste=true देने पर वह टेक्स्ट आपके कर्सर पर वैसे ही चिपका देता है जैसे सामान्य डिक्टेशन में होता है।

आपकी ओर से टाइप करना। paste_text सामने खुली ऐप के कर्सर पर टेक्स्ट डालता है और उसके बाद आपका क्लिपबोर्ड वापस बहाल कर देता है।

फ़ाइल ट्रांसक्रिप्शन। transcribe_file डिस्क पर मौजूद wav, m4a, mp3 या aiff फ़ाइल पर स्थानीय स्पीच मॉडल चलाता है और कच्चा तथा साफ़ किया हुआ, दोनों टेक्स्ट लौटाता है।

मीटिंग। start_meeting, stop_meeting, list_meetings, get_meeting, rename_meeting, delete_meeting, summarize_meeting, export_meeting। मीटिंग में माइक्रोफ़ोन और सिस्टम ऑडियो, दोनों वक्ता-लेबल के साथ रिकॉर्ड होते हैं। ट्रांसक्रिप्ट तुरंत मिल जाता है; वक्ता पहचान का परिष्कार और सारांश पृष्ठभूमि में पूरे होते हैं, इसलिए get_meeting वह जगह है जहाँ बार-बार पूछा जाता है। एक्सपोर्ट markdown, txt, srt या vtt लिखता है और पथ लौटाता है।

वक्ता। list_speakers, rename_speaker, merge_speakers, delete_speaker, label_meeting_speaker। आवाज़ प्रोफ़ाइल मीटिंगों के आर-पार बनी रहती है, इसलिए किसी को एक बार नाम देने पर वह आगे भी बना रहता है।

नोट्स और इतिहास। start_note, stop_note, list_notes, get_note, delete_note, साथ ही list_dictations, get_dictation, delete_dictation, retry_dictation। नोट्स चिपकाए नहीं जाते, बल्कि रिकॉर्ड होकर सहेजे जाते हैं।

कॉन्फ़िगरेशन। get_settings, set_settings, list_microphones, set_microphone, list_app_profiles, set_app_profile, remove_app_profile, list_vocabulary, add_vocabulary, remove_vocabulary, get_status।

केवल पढ़ने वाले टूल उसी रूप में चिह्नित हैं, और मिटाने वाले (delete_note, delete_dictation वग़ैरह) विनाशकारी के रूप में — ताकि ढंग से बने क्लाइंट उन्हें पुष्टि के पीछे रख सकें।

यह असल में किस काम आता है

टूल की सूचियाँ लिखना आसान है और उनकी परवाह करना मुश्किल। तीन कार्यप्रवाह इस सेटअप को सही ठहराते हैं:

1. शॉर्टकट की कसरत के बिना एजेंट से बात करना। Claude Code से कहिए कि डिक्टेशन शुरू करे, दो मिनट अपनी ज़रूरतें बोलिए, और उसे ख़ुद ट्रांसक्रिप्ट उठाने दीजिए। आप कीबोर्ड छूते तक नहीं, और समय एजेंट तय करता है — वह आपसे सवाल पूछने के बाद सुनना शुरू कर सकता है। यह Claude Code वॉइस इनपुट का स्वाभाविक विस्तार है।

2. मीटिंग से कमिट तक। किसी योजना बैठक के बाद: "मेरी पिछली मीटिंग पढ़ो, उसमें मुझे सौंपे गए काम निकालो, और उनके लिए इशू खोलो।" get_meeting वक्ता के नाम और समय-चिह्नों सहित ट्रांसक्रिप्ट और सारांश लौटाता है। एजेंट के पास इस बात का असली संदर्भ होता है कि किसने क्या करने को कहा — और वह ऑडियो कभी आपके Mac से बाहर नहीं गया।

3. कोडबेस से रिकग्नाइज़र को सिखाना। add_vocabulary "जैसा सुना गया" और "जिससे बदलें" की जोड़ी लेता है। किसी एजेंट को अपने रिपॉज़िटरी पर लगाइए और उससे मॉड्यूल के नाम, असामान्य पहचानकर्ता और निर्भरताओं के नाम एक साथ शब्दावली में जुड़वा दीजिए। आपके प्रोजेक्ट की अपनी शब्दावली पर डिक्टेशन की सटीकता तुरंत सुधर जाती है, और आपने एक भी प्रविष्टि हाथ से नहीं लिखी।

यह कहाँ मदद नहीं करता

यथार्थवादी रहिए। यह सर्वर किसी एजेंट को बेहतर कोड लिखना नहीं सिखाएगा, और अक्षर-दर-अक्षर कोड बोलना आज भी टाइप करने से बुरा है — आवाज़ गद्य, मंशा और रिव्यू टिप्पणियों के लिए है, यही तर्क एआई एजेंट के साथ वॉइस कोडिंग में है।

एक असली सुरक्षा बात भी है जिसे साफ़ कहना चाहिए: सर्वर चालू करने का मतलब है कि टोकन रखने वाली कोई भी स्थानीय प्रक्रिया आपका माइक्रोफ़ोन शुरू कर सकती है और सामने खुली ऐप में टेक्स्ट चिपका सकती है। यह बड़ी क्षमता है। इसीलिए यह फ़ीचर बंद अवस्था में आता है, इसीलिए टोकन है, और इसीलिए उसे दोबारा बनाना एक क्लिक का काम है। अगर आप मशीन साझा करते हैं या भरोसे से बाहर के स्थानीय टूल चलाते हैं, तो चालू करने से पहले सोचिए।

शुरुआत कैसे करें

MCP सेटिंग्स Vext में Settings → General → MCP server for AI agents के अंतर्गत हैं: एक टॉगल, पोर्ट, टोकन, और हर क्लाइंट के लिए स्निपेट जिनमें टोकन पहले से भरा होता है।

brew install muvon/tap/vext

Vext की कीमत एक बार $49 है, इसमें 100 डिक्टेशन का ट्रायल शामिल है, और यह Apple Silicon वाले macOS 14+ पर चलता है। ट्रांसक्रिप्शन और टेक्स्ट सुधार स्थानीय रूप से होते हैं, MCP सर्वर भी स्थानीय है। पूरा चक्र — माइक्रोफ़ोन, मॉडल, ट्रांसक्रिप्ट, एजेंट — आपकी मशीन पर ही रहता है।