Представляем stemsplit-mcp: ИИ-разделение стемов внутри Claude Desktop, Cursor, Cline, Windsurf и Zed через Model Context Protocol (2026)

TL;DR. Мы только что выпустили stemsplit-mcp — официальный сервер Model Context Protocol для StemSplit. Установите его один раз через npx, направьте ИИ-ассистента на сервер, и можно запускать удаление вокала, генерацию караоке, извлечение минусовок и полное разделение на 4 или 6 стемов прямо из чата — на локальных аудиофайлах или YouTube-ссылках. Работает в Claude Desktop, Cursor, Cline, Windsurf, Zed и любом другом MCP-совместимом клиенте. Лицензия MIT, open source на GitHub, инфраструктуру держать не нужно.

Форма ИИ-воркфлоу меняется, когда разделение стемов перестаёт быть «API, в который я curl-ом стучусь из скрипта», и становится «штукой, которую мой чат и так умеет». В этом посте — как и зачем.

---

Что только что вышло

stemsplit-mcp v0.2.0 на npm. Запуск — одна команда:

npx -y stemsplit-mcp

Сервер говорит на Model Context Protocol — открытом стандарте, который Anthropic выпустила в конце 2024 года, чтобы ИИ-ассистенты общались с внешними инструментами через единый JSON-RPC интерфейс. MCP поддерживают Claude Desktop, Cursor, Cline, Windsurf, Zed, OpenDevin, Goose и растущий список других клиентов.

Что он предоставляет:

Плюс 4 ресурса (живой баланс, последние задачи, детали задачи, детали YouTube-задачи) и 4 prompt-а (создание караоке, изоляция вокала, шестистемный сэмплер-пак, YouTube-минусовка). Полная справка — в README на GitHub.

Главный сценарий: бросаете в чат путь или YouTube-ссылку — получаете стемы. Без HTTP-обвязки, без кода поллинга, без временных файлов, которые надо потом убирать.

---

Почему MCP — правильный формат для аудио

Если вы хоть раз интегрировали API для разделения стемов — наш или чужой — вы знаете этот танец:

POST /jobs            → возвращает job_id
GET  /jobs/:id        → поллим каждые 5 с, пока status=COMPLETED
GET  presigned_url    → качаем каждый стем на диск

Три эндпоинта, цикл поллинга, истекающие URL, ретраи на временные 5xx. Каждая команда, которая интегрирует аудио, переписывает один и тот же код. MCP сворачивает всё это в одно.

Фокус в том, что аудиофайлы не путешествуют через контекст чата — они слишком большие. Вместо этого MCP обменивается ссылками — путями файлов и URL — а реальные байты текут между вашим компьютером, API StemSplit и Cloudflare R2. LLM видит только:

• «Стем вокала находится по пути ~/Downloads/stemsplit/job_abc123/vocals.mp3».

И может цепочкой передать это следующему инструменту (транскрибировать, нормализовать, загрузить в DAW-проект — что угодно). Сам 30-мегабайтный MP3 LLM никогда не читает.

Поэтому этот MCP-сервер прекрасно работает и с локальными LLM, и с моделями с маленьким контекстом. Протокол задизайнен ровно под паттерн «делай тяжёлую работу на своей машине и возвращай ссылку».

---

Установка меньше чем за 2 минуты

Понадобится три вещи:

1. Node.js 20+ (node --version чтобы проверить)
2. API-ключ StemSplit — генерируется на stemsplit.io/app/settings/api
3. MCP-совместимый клиент — конфиги по клиентам ниже

На самом деле сам npm-пакет ставить не обязательно — большинство клиентов запускают сервер через npx -y stemsplit-mcp и кешируют при первом запуске. Если хочется глобальную установку: npm install -g stemsplit-mcp.

Claude Desktop

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

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

Перезапустите Claude. В индикаторе MCP в нижней части окна появится «stemsplit» с зелёным кружком, когда всё готово.

Cursor

Добавьте в ~/.cursor/mcp.json (или через Settings → MCP):

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

Cline (VS Code), Windsurf, Zed

Структура та же — command, args, env. Полные сниппеты по клиентам — в руководстве docs.

---

Как это выглядит на практике

После настройки рабочий процесс — это просто разговор. Несколько примеров, которые мы используем сами:

Убрать вокал из локального файла

«Сделай караоке-версию из /Users/me/Music/song.mp3».

LLM выбирает separate_stems с outputType=BOTH. Сервер загружает файл, поллит до завершения, скачивает вокал + минусовку в ~/Downloads/stemsplit/<job-id>/ и сообщает ассистенту локальные пути. Ассистент показывает вам путь к минусовке.

YouTube → акапелла за один промт

«Достань чистый вокал из https://youtu.be/dQw4w9WgXcQ».

Выбирает separate_youtube. StemSplit на стороне сервера скачивает видео, прогоняет разделение, возвращает путь к стему вокала. Никакого yt-dlp и танцев с лимитами.

Шесть стемов для семплирования

«Разбей ~/Music/funk-bass.wav на все 6 стемов в максимальном качестве».

Выбирает separate_stems с outputType=SIX_STEMS и quality=BEST. Получаете drums, bass, vocals, other, piano и guitar — каждый в отдельном файле.

Превэри́тельная проверка

«Сколько минут у меня осталось?»

Выбирает get_balance. Удобно перед запуском длинной задачи.

---

Что внутри коробки

Несколько решений, которые начинают играть роль, как только сервер становится частью рабочего процесса:

Автоматические ретраи с экспоненциальным backoff и jitter

Единственный 502 во время десятиминутного поллинга раньше валил всю задачу. Теперь:

• GET-запросы ретраятся до 4 раз на сетевых ошибках, 5xx и 429 (с учётом Retry-After).
• POST на эндпоинты создания задач — консервативно. Ретраи только на сетевых ошибках, которые доказывают, что сервер запрос не видел, так что двойного списания не случится.
• Загрузки в R2 ретраятся до 3 раз. На каждую попытку файл переоткрывается как свежий стрим (web-ReadableStream нельзя перематывать).
• Скачивания из R2 ретраятся на 5xx, но никогда на 403 — 403 означает, что presigned URL истёк, и правильный путь — взять свежий через get_job.

Каждый ретрай логируется в stderr, чтобы вы видели, как механика работает, если что-то пошло не так.

Валидация абсолютных путей

Раньше относительные пути вроде song.mp3 молча разрешались относительно рабочей директории MCP-сервера. Для Claude Desktop и Cursor это обычно системный root, о котором LLM знать не может. Теперь относительные пути отвергаются сразу с сообщением, объясняющим LLM, что делать: «Передайте абсолютный путь типа /Users/you/Music/song.mp3 или путь с тильдой типа ~/Music/song.mp3. Если не знаете — спросите пользователя».

Структурированные ответы об ошибках

Каждая ошибка содержит машиночитаемый code (INSUFFICIENT_CREDITS, RATE_LIMIT_EXCEEDED, FILE_TOO_LARGE, UNSUPPORTED_FORMAT и т.д.), человекочитаемое сообщение и подсказки для распространённых случаев. LLM не нужно парсить английский, чтобы понять, что произошло.

Уведомления о прогрессе

Полл-итерации пробрасываются как progress-события MCP. Длинные YouTube-задачи показывают в прогресс-UI Claude Desktop «10% → 35% → 70% → 100%» вместо того, чтобы выглядеть зависшими.

---

Сравнение с существующими опциями

MCP-сервер — правильный выбор, когда пользователь инструмента — это человек внутри ИИ-ассистента. Остальные опции — когда пользователем является программа.

В продакшене большинство команд использует две сразу: MCP-сервер для интерактивных задач и разовых джобов, плюс либо API, либо ONNX-модели для высокообъёмной обработки.

---

Open source by design

Весь проект под MIT: github.com/StemSplit/stemsplit-mcp.

Кодовая база достаточно компактная, чтобы прочитать за один заход — TypeScript, ~1,5 тыс. строк, без экзотических зависимостей кроме официального @modelcontextprotocol/sdk и zod. Ретрай-хелпер, классификатор источников, логика поллинга и маппер ошибок — каждый в своём файле с юнит-тестами.

Если хотите форкнуть и направить на собственный бэкенд разделения, поверхность изменений — в src/client.ts. MCP-обвязка в src/index.ts остаётся.

---

Что дальше

Это v0.2.0. В планах:

1. Аннотации инструментов (readOnlyHint, openWorldHint) — чтобы строгие MCP-клиенты пропускали запрос подтверждения для read-only инструментов вроде get_balance.
2. Параллельная скачка стемов — сейчас серийная, что в 6 раз медленнее, чем могло бы быть на шестистемных задачах.
3. Живая enumeration recent-jobs — чтобы MCP-клиенты могли нативно просматривать историю задач.
4. Subscribe / notify на ресурсах — для живого прогресса длинных YouTube-задач.

Следите за репозиторием на GitHub — каждая версия выходит с записью в CHANGELOG и тегированным GitHub Release.

---

Чем stemsplit-mcp отличается от прямого использования REST API StemSplit в 2026 году?

Для интерактивных сценариев — «почисти эти 5 дублей, что я только что записал», «сделай караоке-версию из этой YouTube-ссылки», «собери сэмплер из этого фанк-альбома» — MCP-сервер существенно лучше, потому что всю оркестровку (классификацию источника, загрузку, поллинг, скачивание, обработку ошибок) берёт на себя ИИ-ассистент. Вы пишете одну фразу — получаете локальные пути. Для server-to-server автоматизации без человека в петле подходит REST API — те же аутентификация и модели, но без MCP-рантайма.

Можно ли использовать stemsplit-mcp с локальными ИИ-моделями или self-hosted LLM в 2026?

Да — любой MCP-совместимый клиент работает, включая клиентов с локальными моделями. MCP-сервер живёт как stdio-процесс и не знает, какой LLM на другой стороне. Мы проверили работу с Claude Desktop (Claude 4.5 Sonnet / Opus), Cursor (любая backend-модель), Cline (конфигурируемый), Windsurf, Zed и Goose с локальными моделями через Ollama. Архитектура намеренно model-agnostic.

Как MCP-сервер работает с YouTube-ссылками без yt-dlp в комплекте?

Через серверный эндпоинт /youtube-jobs StemSplit — видео скачивается на нашей инфраструктуре, там же запускается разделение, результат отдаётся через presigned URL. Сам MCP-сервер yt-dlp локально не зовёт никогда. Это значит: ноль проблем с rate-limit, ноль платформо-зависимых установок, ноль юридических рисков для пользователей, гоняющих скачивания у себя. Компромисс — URL должен быть публично доступным; приватные и возрастные ограниченные видео по этому пути не пройдут.

Качество разделения через stemsplit-mcp такое же, как в веб-приложении StemSplit?

Да — буквально одинаковое. MCP-сервер — это тонкий клиент, который вызывает тот же эндпоинт /api/v1/jobs, что и веб-приложение. Модели, уровни качества (FAST / BALANCED / BEST) и форматы вывода (MP3 / WAV / FLAC) идентичны. Разница только в точке запуска — чат в ИИ-ассистенте вместо браузерного upload.

Какие MCP-клиенты совместимы с stemsplit-mcp?

Любой клиент с поддержкой стандартного MCP stdio-транспорта. Проверенные клиенты: Claude Desktop, Cursor, Cline (VS Code), Windsurf, Zed, Goose (open-source MCP-клиент от Block), OpenDevin. Model Context Protocol — стандарт Anthropic; официальный список клиентов — источник истины по мере появления новых.

---

Попробуйте

Если у вас уже есть аккаунт StemSplit, сгенерируйте API-ключ и пройдите руководство по установке MCP. Если нет — начните бесплатно. Бесплатного тарифа более чем достаточно, чтобы попробовать каждый инструмент сервера.

Если соберёте что-нибудь интересное — покажите: github.com/StemSplit/stemsplit-mcp/discussions или stemsplit.io/contact.

---

stemsplit-mcp — под MIT-лицензией. Model Context Protocol — открытый стандарт, представленный Anthropic в конце 2024 года.