中文 | English
如乌鸦般智慧灵巧，用声音连接世界
Crow 是一个可扩展的开源语音助手服务（AI Agent），支持语音对话、大模型函数调用（Function Calling）和自定义 MCP（模型上下文协议）服务调度，为开发者提供语音驱动的 AI Agent 实现思路。
-
语音对话：支持实时语音识别与合成，赋予 AI 自然交互的能力。
-
大模型函数调用：支持大模型函数调用，支持自定义函数。
-
自定义 MCP 服务调度：支持自定义 MCP 服务调度。
Crow，即「乌鸦」，乌鸦是自然界中少有的能使用工具、拥有高级智慧的鸟类，在本项目中寓意：
-
能说：使用实时语音识别和合成，实现语音对话，如乌鸦般自然。
-
聪慧：整合大模型实现复杂决策，如乌鸦般机智。
-
协作：通过大模型函数调用（Function Calling）和 MCP 服务调度，实现工具协同。
本项目基于 go 1.24.2 版本开发，使用前须提前准备好对应的 go 语言环境。
- 克隆仓库
git clone https://github.com/Shinveam/crow.git
cd crow- 初始化项目
go mod tidy- 项目配置
- 按项目配置说明👈进行配置。
该项目提供了两种启动方式，完整的体验语音交互须使用方式一。
go run cmd/ws-server/main.go本项目提供了 html 和 python 的客户端示例（位于
example/），运行对应客户端可完整体验项目效果。
go run cmd/agent-cli/main.go-
Scheme：websocket
-
Port：28080（可在配置文件中修改）
-
Path：/crow/v1
-
客户端与服务端连接后，须发送消息类型为文本（opcode = 1）的 hello 消息（详看下方 hello 请求），发送完成后服务端会下发 hello 的确认消息，表示任务启动成功，可以开始后面的交互；
-
客户端可以采用文本的和音频的方式进行交互，若采用文本，须发送消息类型为文本的 chat 消息（详看下方 chat 请求）；
-
若采用语音交互，须上传待识别音频，消息类型设置为字节（opcode = 2），消息内容为音频块数据；
-
服务端消息均采用文本类型下发，内容为 JSON 序列化后的数据，详看下方参数说明；
1. hello 请求（点击展开）
功能描述：设置任务参数并启动任务
消息类型：文本（opcode = 1）
消息格式：JSON
| 参数名 | 类型 | 描述 | 是否必填 | 默认值 |
|---|---|---|---|---|
| type | string | 固定为 hello | 是 | 无 |
| enable_asr | bool | 是否启用ASR | 否 | false |
| enable_tts | bool | 是否启用TTS | 否 | false |
| asr_params | object | ASR设置参数（enable_asr为true时生效） | 否 | 无 |
| asr_params.format | string | 待识别音频格式 | 否 | pcm |
| asr_params.sample_rate | int | 待识别音频采样率，单位：Hz | 否 | 16000 |
| asr_params.channels | int | 待识别音频声道数，1：单声道，2：双声道 | 否 | 1 |
| asr_params.vad_eos | int | 语音活动检测（VAD）后端点时间，单位：毫秒 | 否 | 800 |
| asr_params.enable_punc | bool | 是否启用标点符号 | 否 | false |
| asr_params.language | string | 语种，如：zh（中文），en（英文） | 否 | zh |
| asr_params.accent | string | 方言，mandarin：普通话；cantonese：粤语 | 否 | mandarin |
| tts_params | object | TTS设置参数（enable_tts为true时生效） | 否 | 无 |
| tts_params.speaker | string | 发音人 | 否 | 无 |
| tts_params.format | string | TTS音频格式 | 否 | mp3 |
| tts_params.speed | float | 语速：[0.5-2.0] | 否 | 1.0 |
| tts_params.volume | int | 音量：[0-100] | 否 | 50 |
| tts_params.pitch | float | 语调：[0.5-2.0] | 否 | 1.0 |
| tts_params.sample_rate | int | 音频采样率，单位：Hz | 否 | 16000 |
| tts_params.language | string | 语种，如：zh（中文），en（英文） | 否 | zh |
2. hello 响应（点击展开）
消息类型：文本（opcode = 1）
消息格式：JSON
| 参数名 | 类型 | 描述 | 是否必选 |
|---|---|---|---|
| type | string | 固定为 hello | 是 |
| asr_params | object | ASR设置参数（enable_asr为true时生效） | 否 |
| asr_params.format | string | 待识别音频格式 | 否 |
| asr_params.sample_rate | int | 待识别音频采样率，单位：Hz | 否 |
| asr_params.channels | int | 待识别音频声道数，1：单声道，2：双声道 | 否 |
| asr_params.vad_eos | int | 语音活动检测（VAD）后端点时间，单位：毫秒 | 否 |
| asr_params.enable_punc | bool | 是否启用标点符号 | 否 |
| asr_params.language | string | 语种，如：zh（中文），en（英文） | 否 |
| asr_params.accent | string | 方言，mandarin：普通话；cantonese：粤语 | 否 |
| tts_params | object | TTS设置参数（enable_tts为true时生效） | 否 |
| tts_params.speaker | string | 发音人 | 否 |
| tts_params.format | string | TTS音频格式 | 否 |
| tts_params.speed | float | 语速：[0.5-2.0] | 否 |
| tts_params.volume | int | 音量：[0-100] | 否 |
| tts_params.pitch | float | 语调：[0.5-2.0] | 否 |
| tts_params.sample_rate | int | 音频采样率，单位：Hz | 否 |
| tts_params.language | string | 语种，如：zh（中文），en（英文） | 否 |
3. abort 请求（点击展开）
功能描述：可以在交互过程中发送该请求，用以打断当前的交互
消息类型：文本（opcode = 1）
消息格式：JSON
| 参数名 | 类型 | 描述 | 是否必填 | 默认值 |
|---|---|---|---|---|
| type | string | 固定为 abort | 是 | 无 |
4. chat 请求（点击展开）
功能描述：请求文本
消息类型：文本（opcode = 1）
消息格式：JSON
| 参数名 | 类型 | 描述 | 是否必填 | 默认值 |
|---|---|---|---|---|
| type | string | 固定为 chat | 是 | 无 |
| chat_text | string | 用户请求话术文本 | 是 | 无 |
5. chat 响应（点击展开）
功能描述：响应文本，文本请求和语音请求都会返回该类型消息，用以返回答复话术
消息类型：文本（opcode = 1）
消息格式：JSON
| 参数名 | 类型 | 描述 | 是否必选 |
|---|---|---|---|
| type | string | 固定为 chat | 是 |
| text | string | 答复话术 | 否 |
6. asr 响应（点击展开）
功能描述：ASR 响应结果 消息类型：文本（opcode = 1）
消息格式：JSON
| 参数名 | 类型 | 描述 | 是否必选 |
|---|---|---|---|
| type | string | 固定为 asr | 是 |
| result | string | 识别结果 | 否 |
| state | int | 识别状态，0：识别中，1：单句识别结束，2：asr结束 | 否 |
7. tts 响应（点击展开）
功能描述：TTS 响应结果 消息类型：文本（opcode = 1）
消息格式：JSON
| 参数名 | 类型 | 描述 | 是否必选 |
|---|---|---|---|
| type | string | 固定为 tts | 是 |
| audio | string | base64 编码的音频数据 | 否 |
| state | int | 识别状态，0：合成中，1：合成结束 | 否 |
8. 错误响应（点击展开）
功能描述：错误响应
消息类型：文本（opcode = 1）
消息格式：JSON
| 参数名 | 类型 | 描述 | 是否必选 |
|---|---|---|---|
| type | string | 固定为 error | 是 |
| error_code | int | 错误码，0：正常，非0：异常 | 是 |
| error_msg | string | 错误消息 | 否 |
- 客户端请求认证；
- 后台管理界面；
- 视觉模型支持；
感谢 OpenManus 为本项目提供灵感和代码借阅。
欢迎提交 Issue 反馈问题或建议，或者通过 Pull Request 贡献您的代码，共同推动项目进步，一起成长！