ElevenLabs、50超のメディアモデルをホステッドMCPに接続—エージェントが同一セッションで素材一式を生成可能に

ElevenLabsは9月14日、ホステッドMCPサーバーを拡張し、従来は主にElevenAgentsの管理を対象としていたツールを、ElevenCreativeの音声、文字起こし、吹き替え、効果音、音楽、画像、動画生成へと広げた。同社によると、単一の接続から50を超えるモデルを呼び出せる。ユーザーは対応するアシスタント上で、まずスクリプトを作成し、続いてナレーション、BGM、カバー画像、動画を生成でき、メディアごとに個別のAPI連携を実装する必要がない。

接続エンドポイントは`https://api.elevenlabs.io/v1/mcp`。Claude Codeでは1つのMCP設定コマンドで追加でき、ChatGPT、Claude、Cursorではディレクトリまたは設定画面から接続できる。認証には一度限りのOAuthフローを使用するため、長期利用するAPI keyをエージェント環境に配置する必要はない。生成結果はElevenCreativeワークスペースに保存され、Studioで引き続き編集および書き出しができる。これは従来のローカルMCPサーバーとは信頼モデルが異なる。サーバー、ツールディレクトリ、モデルルーティングのすべてをElevenLabsがホストするためだ。

技術面の変化は、生成ボタンがいくつか増えたというだけではない。MCPクライアントは実行時にツールを検出できるため、エージェントはタスクに応じてメディアモデルを選択し、セッションのコンテキストを維持しながら、ナレーション、音楽、または単一のショットだけを再生成できる。自動コンテンツパイプラインでは、従来は複数のSDK、ファイルの受け渡し、ポーリング処理を必要としていたフローを、単一のツールインターフェースからオーケストレーションできるようになる。ただし現時点で、エンドツーエンドのレイテンシ、失敗時のリトライ、モデルバージョンの固定、モデル間の一貫性に関する定量的な結果は公表されていない。

導入担当者は、特に権限とコスト管理を確認する必要がある。公式説明によれば、OAuthによるアクセス権限は読み取り専用のモニタリングからエージェントの完全な管理まで拡張でき、同じ接続から計算コストの高い動画生成も実行できる。API keyが不要だからといって、チームが低リスクだと判断すべきではない。利用可能なツールを制限し、高コストな呼び出しや変更を伴う呼び出しには承認を必須としたうえで、実際に使用したモデル、プロンプト、素材の出典、出力バージョンを記録する必要がある。また、利用可能な機能はクライアントごとに段階的に提供される可能性があるため、本番導入前にツール一覧を個別に検証すべきだ。