Presentamos stemsplit-mcp: Separación de stems con IA dentro de Claude Desktop, Cursor, Cline, Windsurf y Zed mediante Model Context Protocol (2026)

TL;DR. Acabamos de publicar stemsplit-mcp — el servidor oficial de Model Context Protocol para StemSplit. Instálalo una vez con npx, apunta tu asistente de IA al servidor y podrás ejecutar eliminación de voces, generación de karaoke, extracción de instrumentales y separación completa de 4 o 6 stems directamente desde el chat, sobre archivos de audio locales o URLs de YouTube. Funciona en Claude Desktop, Cursor, Cline, Windsurf, Zed y cualquier otro cliente compatible con MCP. Licencia MIT, código abierto en GitHub, cero infraestructura que gestionar.

La forma de un flujo de trabajo con IA cambia cuando la separación de stems deja de ser «una API a la que llamo desde un script con curl» y pasa a ser «algo que mi chat ya sabe hacer». Este post explica el cómo y el porqué.

Qué acabamos de publicar

stemsplit-mcp v0.2.0 en npm. Un solo comando para usarlo:

npx -y stemsplit-mcp

Habla Model Context Protocol — el estándar abierto que Anthropic introdujo a finales de 2024 para que los asistentes de IA hablen con herramientas externas mediante una interfaz JSON-RPC uniforme. MCP ya está soportado por Claude Desktop, Cursor, Cline, Windsurf, Zed, OpenDevin, Goose y una lista creciente de clientes.

Lo que expone:

Herramienta	Qué hace
`separate_stems`	Archivo local o URL directa de audio → voces, instrumental, 4 stems o 6 stems. Hace polling hasta terminar y guarda los archivos en disco.
`separate_youtube`	URL de YouTube → voces + instrumental, descargado y procesado del lado del servidor.
`get_job` / `list_jobs`	Estado e historial de trabajos.
`get_youtube_job` / `list_youtube_jobs`	Lo mismo, pero acotado a YouTube.
`get_balance`	Saldo de créditos restante en segundos y minutos.
`download_stems`	Vuelve a obtener URLs presignadas frescas para cualquier trabajo completado.

Además, 4 recursos (saldo en vivo, trabajos recientes, detalle de trabajo, detalle de trabajo de YouTube) y 4 prompts (creador de karaoke, aislador de voces, paquete sampler de seis stems, instrumental de YouTube). Referencia completa en el README de GitHub.

El caso de uso estrella: suelta una ruta o una URL de YouTube en el chat, recibe los stems. Sin tubería HTTP, sin código de polling, sin archivos temporales que limpiar.

Por qué MCP es el formato adecuado para audio

Si has integrado antes una API de separación de stems — la nuestra o la de cualquier otro — conoces el baile:

POST /jobs            → devuelve job_id
GET  /jobs/:id        → hacer polling cada 5s hasta status=COMPLETED
GET  presigned_url    → descargar cada stem al disco

Tres endpoints, un bucle de polling, expiración de URLs, lógica de reintentos para 5xx transitorios. Todo equipo que integra audio reescribe el mismo código. MCP lo unifica.

El truco: los archivos de audio no viajan por el contexto del chat. Son demasiado grandes. En su lugar, MCP intercambia referencias — rutas de archivo y URLs — mientras los bytes reales fluyen entre tu máquina, la API de StemSplit y Cloudflare R2. El LLM ve:

«El stem de voces está en ~/Downloads/stemsplit/job_abc123/vocals.mp3».

y puede encadenarlo con la siguiente herramienta (transcribir, normalizar, subir a un proyecto de DAW, lo que sea). Nunca tiene que leer el MP3 de 30 MB por sí mismo.

Es también la razón por la que este servidor MCP funciona con LLMs locales y modelos de contexto pequeño. El protocolo está diseñado exactamente para este patrón de «haz el trabajo pesado en tu máquina y devuelve una referencia».

Instalación en menos de 2 minutos

Necesitas tres cosas:

Node.js 20+ (node --version para comprobar)
Una clave de API de StemSplit — genera una en stemsplit.io/app/settings/api
Un cliente compatible con MCP — ver las configuraciones por cliente abajo

En realidad no necesitas instalar el paquete npm — la mayoría de clientes lo lanzan vía npx -y stemsplit-mcp y lo cachean en la primera ejecución. Si prefieres instalación global: npm install -g stemsplit-mcp.

Claude Desktop

Edita ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) o %APPDATA%\Claude\claude_desktop_config.json (Windows):

{
  "mcpServers": {
    "stemsplit": {
      "command": "npx",
      "args": ["-y", "stemsplit-mcp"],
      "env": {
        "STEMSPLIT_API_KEY": "sk_live_..."
      }
    }
  }
}

Reinicia Claude. El indicador MCP en la parte inferior de la ventana mostrará «stemsplit» con un punto verde cuando esté listo.

Cursor

Añádelo a ~/.cursor/mcp.json (o usa Settings → MCP):

{
  "mcpServers": {
    "stemsplit": {
      "command": "npx",
      "args": ["-y", "stemsplit-mcp"],
      "env": { "STEMSPLIT_API_KEY": "sk_live_..." }
    }
  }
}

Cline (VS Code), Windsurf, Zed

Misma estructura — command, args, env. Snippets completos por cliente en la guía de docs.

Cómo se ve en la práctica

Una vez configurado, el flujo es simplemente conversar. Algunos ejemplos que usamos a diario:

Eliminar voces de un archivo local

«Hazme una versión karaoke de /Users/me/Music/song.mp3».

El LLM elige separate_stems con outputType=BOTH, el servidor sube el archivo, hace polling hasta el final, descarga voces + instrumental a ~/Downloads/stemsplit/<job-id>/ y devuelve las rutas al asistente. El asistente te apunta al instrumental.

De YouTube a acapella con un solo prompt

«Extráeme la voz limpia de https://youtu.be/dQw4w9WgXcQ».

Elige separate_youtube. StemSplit descarga el vídeo del lado del servidor, hace la separación y devuelve la ruta del stem de voces. Sin yt-dlp, sin batalla con límites de tasa.

Split de seis stems para sampling

«Divide ~/Music/funk-bass.wav en los 6 stems con la mejor calidad».

Elige separate_stems con outputType=SIX_STEMS y quality=BEST. Obtienes drums, bass, vocals, other, piano y guitar, cada uno en un archivo separado.

Comprobación previa

«¿Cuántos minutos me quedan?»

Elige get_balance. Útil antes de lanzar un trabajo largo.

Lo que hay dentro

Algunas decisiones técnicas que cuentan cuando empiezas a depender del servidor:

Reintentos automáticos con backoff exponencial y jitter

Un único 502 durante un bucle de polling de 10 minutos solía hacer fallar el trabajo entero. Ahora:

Las peticiones GET se reintentan hasta 4 veces ante errores de red, 5xx y 429 (respetando Retry-After).
POST a endpoints de creación de trabajos es conservador — solo errores de red que demuestren que el servidor nunca vio la petición disparan un reintento, así que nunca cobramos dos veces por accidente.
Las subidas a R2 se reintentan hasta 3 veces; el archivo se reabre como stream nuevo en cada intento (los ReadableStream web no son rebobinables).
Las descargas de R2 se reintentan en 5xx pero nunca en 403 — eso significa que la URL presignada caducó y la respuesta correcta es pedir una nueva vía get_job.

Cada reintento se loguea en stderr para que veas que funciona si algo va mal.

Validación de rutas absolutas

Las rutas relativas como song.mp3 solían resolverse silenciosamente contra el directorio de trabajo del servidor MCP — que para Claude Desktop y Cursor suele ser una raíz del sistema que el LLM no puede conocer. Ahora rechazamos rutas relativas desde el principio con un mensaje que le dice al LLM exactamente qué hacer: «Pasa una ruta absoluta como /Users/you/Music/song.mp3 o una ruta con tilde como ~/Music/song.mp3. Si no la conoces, pregúntale al usuario».

Respuestas de error estructuradas

Cada error incluye un code legible por máquina (INSUFFICIENT_CREDITS, RATE_LIMIT_EXCEEDED, FILE_TOO_LARGE, UNSUPPORTED_FORMAT, etc.) más un mensaje legible y pistas para casos comunes. El LLM no tiene que parsear inglés para saber qué salió mal.

Notificaciones de progreso

Los polls se reenvían como eventos de progreso MCP. Los trabajos largos de YouTube muestran «10 % → 35 % → 70 % → 100 %» en la UI de progreso de Claude Desktop en lugar de parecer congelados.

Comparación con opciones existentes

Opción	Lo que despliegas	Mejor para
`stemsplit-mcp`	Un paquete npm + una clave de API	Flujos en lenguaje natural en Claude / Cursor / Cline / Windsurf / Zed
`n8n-nodes-stemsplit`	Nodo comunitario de n8n	Procesamiento batch programado o por webhook en n8n
API HTTP cruda	curl / tu propio cliente	Automatización del lado del servidor, integraciones a medida
`demucs-onnx` (PyPI)	Un modelo ONNX de 316 MB en tu app	Casos offline / móviles / sin dependencia de API
Demucs autohospedado	Una GPU, una cola y un servidor de inferencia	Cargas internas de alto volumen donde ya pagas por GPUs

El servidor MCP es la opción adecuada cuando el usuario de la herramienta es un humano dentro de un asistente de IA. Las otras opciones son adecuadas cuando el usuario es un programa.

En producción la mayoría de equipos termina con dos: el servidor MCP para exploración interactiva y trabajos puntuales, y la API o los modelos ONNX para procesamiento de alto volumen.

Open source por diseño

Todo el proyecto está bajo licencia MIT: github.com/StemSplit/stemsplit-mcp.

El código es lo bastante pequeño como para leerlo en una sentada — TypeScript, ~1,5 k líneas, sin dependencias exóticas más allá del @modelcontextprotocol/sdk oficial y zod. El helper de reintentos, el clasificador de fuentes, la lógica de polling y el mapeador de errores viven cada uno en su propio archivo con tests unitarios.

Si quieres hacer un fork para apuntar a tu propio backend de separación, la superficie a cambiar está en src/client.ts. El tubo MCP en src/index.ts se queda.

Qué viene

Esto es la v0.2.0. En la hoja de ruta:

Anotaciones de herramienta (readOnlyHint, openWorldHint) para que clientes MCP estrictos se salten el prompt de confirmación en herramientas solo de lectura como get_balance.
Descargas paralelas de stems — hoy son seriales, 6 veces más lento de lo necesario en trabajos de seis stems.
Enumeración en vivo de recent-jobs para que los clientes MCP puedan navegar tu historial de trabajos nativamente.
Suscripción / notificación de recursos para progreso en vivo en YouTube runs largos.

Sigue el repositorio en GitHub para nuevas releases — cada versión incluye una entrada en CHANGELOG y una release etiquetada en GitHub.

¿Cómo se compara stemsplit-mcp con usar directamente la REST API de StemSplit en 2026?

Para flujos interactivos — «limpia estos 5 tracks que acabo de grabar», «hazme una versión karaoke de este enlace de YouTube», «móntame un sampler con este disco de funk» — el servidor MCP es notablemente mejor porque el asistente de IA gestiona toda la orquestación: clasificación de fuente, subida, polling, descarga y recuperación de errores. Tú escribes una frase; recibes las rutas de archivo. Para automatización servidor a servidor sin humano de por medio, la REST API es la herramienta correcta — misma auth, mismos modelos, pero sin runtime MCP.

¿Puedo usar stemsplit-mcp con modelos de IA locales o LLMs autohospedados en 2026?

Sí — cualquier cliente compatible con MCP funciona, incluidos los respaldados por modelos locales. El servidor MCP corre como proceso stdio y no le importa qué LLM hay al otro lado. Lo hemos probado con Claude Desktop (Claude 4.5 Sonnet / Opus), Cursor (modelo de backend libre), Cline (configurable), Windsurf, Zed y Goose corriendo modelos locales vía Ollama. La arquitectura es intencionadamente agnóstica al modelo.

¿Cómo maneja el servidor MCP las URLs de YouTube sin empaquetar yt-dlp?

Usa el endpoint /youtube-jobs del lado del servidor de StemSplit, que descarga el vídeo en nuestra infraestructura, ejecuta la separación y expone el resultado vía URLs presignadas. El servidor MCP en sí nunca invoca yt-dlp localmente, lo que significa cero problemas de límite de tasa, cero fallos específicos de plataforma y cero exposición legal para usuarios que ejecutan descargas locales. La contrapartida: la URL tiene que ser de acceso público. Vídeos privados o con restricción de edad no funcionan por esta vía.

¿La calidad de la separación con stemsplit-mcp es la misma que la de la app web de StemSplit?

Sí — exactamente la misma. El servidor MCP es un cliente fino que llama al mismo endpoint /api/v1/jobs que usa la app web. Los modelos, los niveles de calidad (FAST / BALANCED / BEST) y los formatos de salida (MP3 / WAV / FLAC) son idénticos. La única diferencia es la superficie del disparador: chat en tu asistente de IA en lugar de subida desde el navegador.

¿Qué clientes MCP funcionan con stemsplit-mcp?

Cualquier cliente que soporte el transporte stdio estándar de MCP. Verificado: Claude Desktop, Cursor, Cline (VS Code), Windsurf, Zed, Goose (cliente MCP open source de Block) y OpenDevin. Model Context Protocol es el estándar de Anthropic; la lista oficial de clientes es la fuente de verdad a medida que más clientes añaden soporte.

Pruébalo

Si tienes cuenta de StemSplit, consigue una clave de API y sigue la guía de configuración MCP. Si no, empieza gratis — la capa gratuita es de sobra para probar todas las herramientas de este servidor.

Si construyes algo chulo con esto, nos encantaría verlo: github.com/StemSplit/stemsplit-mcp/discussions o stemsplit.io/contact.

stemsplit-mcp tiene licencia MIT. El Model Context Protocol es un estándar abierto introducido por Anthropic a finales de 2024.