# 语音识别核心流程
语音输入 → 音频录制 → 格式转换 → API识别 → 结果清理 → 文本输出

# 优化策略
- 静音检测：避免无效API调用
- 提示词优化：针对QT操作场景定制
- 结果清理：过滤API返回的冗余信息
- 错误恢复：识别失败时的降级处理

# 针对QT操作的专用提示词
qt_prompts = {
    'login': "将音频转为简短文字，只要指令内容：如'登录账号xxx密码xxx'",
    'button': "将音频转为简短文字，只要指令内容：如'点击测试按钮'",
    'general': "将音频转为简短文字指令，不要解释代码，只要用户说的话"
}

# MCP客户端核心功能
class MCPClient:
    async def connect_to_server(self, url):
        # SSE传输协议连接
        # 默认: http://localhost:8000
        
    async def list_tools(self):
        # 获取QT应用可用工具
        # 返回: login, test_button, get_state等
        
    async def call_tool(self, tool_name, arguments):
        # 执行具体的QT操作
        # 异步调用，支持超时处理

# MCP服务器核心结构
@server.tool()
async def login(account: str, password: str) -> str:
    # QT应用登录接口
    
@server.tool() 
async def test_button(random_string: str = "default") -> str:
    # QT应用按钮测试接口
    
@server.tool()
async def get_state() -> str:
    # QT应用状态查询接口

# 工具注册模式
server.register_tool("custom_operation", custom_handler)

# 支持动态工具发现
tools = await server.get_available_tools()

# 类型安全的参数验证
@server.tool()
async def new_feature(param1: str, param2: int) -> Dict[str, Any]:
    # 自动参数类型验证和转换

# 连接顺序很重要
1. 启动MCP服务器 (端口8000)
2. 启动QT应用 (注册工具接口)
3. 启动语音客户端 (连接MCP服务器)

# 常见连接问题
- 端口被占用: netstat -an | findstr :8000
- 防火墙阻止: 添加端口例外规则
- 服务器未响应: 检查服务器启动状态

# 音频参数优化
VOICE_SAMPLE_RATE=16000      # 16kHz够用，无需更高
MAX_RECORDING_DURATION=10    # 限制录音时长
AUTO_CONFIRM_VOICE=false     # 保持人工确认提高准确率

# API调用优化  
请求频率控制 < 60次/分钟
避免短时间内重复识别同一音频
设置合理的超时时间 (30秒)