Realtime API 会话接远程 MCP，Base URL 填 TaoToken

1. 为什么 Realtime API 接远程 MCP 时Base URL 这一步最容易卡住OpenAI 正式推出 Realtime API 之后很多开发者第一反应是去跑 gpt-realtime 的实时会话音频直接进、文本或音频直接出中间不再走「语音转文字 → 语言模型 → 文字转语音」那条三段式管道。它还能在会话配置里直接挂远程 MCP 服务器地址让 API 自动处理工具调用另外支持图像输入、SIP 电话呼叫和可复用提示。听起来很顺但真正动手时痛点往往不在音频编解码也不在 MCP 协议本身而是「Key 和接口地址要按工具各配一套」——会话一个地址、函数调用一个地址、MCP 再一个地址配着配着就乱了。我这次只改一个动作把原文里「到官方控制台申请 Key」换成先打开 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 注册并创建 Key然后在调用端把 Base URL 统一填 https://taotoken.net/api注意不带 /v1也不加 UTM。Realtime API 自己的音频、MCP、函数调用能力一个都不动gpt-realtime 该怎么触发工具调用还怎么触发。适合谁适合已经拿到 Key、准备在文档或 Playground 里跑第一轮会话却被 Base URL 和 MCP 地址绕晕的人。下面按「接入配置」这条线把可复制的步骤走一遍。2. 前置准备Key 从哪拿Base URL 为什么统一写 TaoToken先说清楚边界TaoToken 在这里只承担「去哪拿 Key、Base URL 填什么」这一步语音、图像、MCP 这些仍然是 Realtime API 自己的事。你不需要改模型名也不需要改会话里 MCP 服务器的写法只改请求发往哪里。拿 Key 的入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 注册后在控制台创建 API Key。创建完先别急着写代码把两个值记下来配置项填写值说明API Key控制台创建的 Key用于鉴权别写进前端Base URLhttps://taotoken.net/api不带 /v1不加 UTM模型gpt-realtime保持 Realtime API 文档里的写法MCP 服务器地址你自己的 MCP 地址仍在会话配置里加不归 Base URL 管注意Base URL 只写到 https://taotoken.net/api 这一层。很多 SDK 会自己在后面拼 /v1/realtime你手动再加 /v1 就会变成 /v1/v1/realtime直接 404。这是接入配置里最高频的坑。如果你后面要长期跑编码类或 Agent 类任务可以顺带了解 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite但本篇的实时会话不依赖它先把 Key 和 Base URL 跑通再说。3. 可复制配置把 Realtime 会话指向 TaoTokenRealtime API 的会话建立方式官方文档里通常是先建会话、再连 WebSocket 或 WebRTC。这里用最贴近文档的写法演示重点看 base_url 和会话配置里 MCP 的位置。3.1 环境变量与客户端初始化export TAOTOKEN_API_KEY你在控制台创建的Key export TAOTOKEN_BASE_URLhttps://taotoken.net/apiimport os from openai import OpenAI client OpenAI( api_keyos.environ[TAOTOKEN_API_KEY], base_urlos.environ[TAOTOKEN_BASE_URL], # 注意不带 /v1 ) # 建一个 Realtime 会话模型保持 gpt-realtime session client.realtime.sessions.create( modelgpt-realtime, modalities[audio, text], instructions你是一个实时语音助手回答简洁。, ) print(session.id)这段跑通说明 Key 与通道已经生效。如果这里就报 401先回去检查 Key 有没有复制完整如果报 404八成是 Base URL 多写了 /v1。3.2 在会话配置里补远程 MCP 服务器地址Realtime API 的远程 MCP 支持是在会话配置里加 MCP 服务器地址API 自动处理工具调用。写法上它和 Base URL 是两回事别混在一起session client.realtime.sessions.create( modelgpt-realtime, modalities[audio, text], instructions需要查资料时调用 MCP 工具。, tools[ { type: mcp, server_label: my_mcp, server_url: https://your-mcp-server.example.com/sse, require_approval: never, } ], ) print(session.id, [t.get(type) for t in session.tools])这里 server_url 填你自己的 MCP 地址不是 TaoToken 的地址。TaoToken 只负责把请求送到模型侧MCP 服务器地址仍然由你在会话配置里声明。这一点想清楚后面排障就不会互相甩锅。3.3 图像输入与可复用提示的配置位置图像输入是在会话的消息里加图片内容可复用提示则是把消息、工具、变量打包成模板重复使用。两者都不改 Base URL# 图像输入在会话消息里带图 client.realtime.sessions.messages.create( session_idsession.id, roleuser, content[ {type: input_text, text: 看看这张截图里有什么问题}, {type: input_image, image_url: https://example.com/shot.png}, ], )可复用提示建议把 instructions 和 tools 抽成变量多个会话共用避免每次手写 MCP 地址写错。4. 验证请求音频进去、文本出来再确认 MCP 工具调用配置写完必须验证不然你不知道是 Key 没生效还是 MCP 没触发。按原文最小的那一轮会话做音频进去、文本出来。4.1 最小一轮实时会话import base64 with open(hello.wav, rb) as f: audio_b64 base64.b64encode(f.read()).decode() resp client.realtime.sessions.messages.create( session_idsession.id, roleuser, content[{type: input_audio, audio: audio_b64}], ) print(resp)预期结果是返回文本内容。如果返回里带音频说明 modalities 配了 audio如果只有文本也正常说明通道通了。这一步成功Key 与 Base URL 就确认无误。4.2 确认 gpt-realtime 的工具调用仍按文档触发回到会话配置确认 MCP 服务器地址已加然后发一句会触发工具调用的话比如「帮我查一下今天的日程」。观察返回里有没有 tool_call 或 MCP 相关的调用记录。按文档Realtime API 会自动处理工具调用你不需要手动拼 function call 的往返。4.3 用调用记录确认 Key 与通道生效最后回到控制台看这次的调用记录确认请求确实走了你创建的 Key。这一步能区分「代码写对了但 Key 用错」和「Key 对了但 MCP 没配」。实测下来调用记录里能看到模型名、时间、用量基本就闭环了。5. 本篇常见错排查Base URL、MCP 地址、鉴权三类问题排障时先分类别一上来就怀疑模型。第一类Base URL 写错。最常见的是多写 /v1变成 https://taotoken.net/api/v1SDK 再拼一次就 404。正确写法就是 https://taotoken.net/api不带 /v1也不加 UTM 参数。另外别把 UTM 拼进 base_url那会让路径变成 /api?utm_source...请求直接跑偏。第二类MCP 地址和 Base URL 混用。有人把 MCP 服务器地址填到 base_url 里结果模型请求发去了 MCP 服务器。记住base_url 是模型通道server_url 是 MCP 通道两个字段各管各的。第三类鉴权失败。401 一般是 Key 没带或带错如果 Key 正确仍 401检查是不是把 Key 写进了前端或环境变量没生效。403 则可能是权限或额度问题回控制台确认。报错可能原因处理404Base URL 多了 /v1改成 https://taotoken.net/api401Key 缺失或错误重新复制控制台 KeyMCP 不触发server_url 写错或未加 tools检查会话配置里的 tools音频无返回modalities 未含 audio补上 modalities 配置提示排障时先用文本会话验证通道再加音频和 MCP一层层加比一次性全配上更容易定位。如果接入过程中卡在鉴权或文档细节可以直接看 API Keys 页面https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite和接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite里面把 Base URL 和 Key 的用法写得很直白。想先验证模型对话效果也可以去模型对话页https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite试一轮。6. 接入配置收尾Key 与 Base URL 固定能力仍归 Realtime API把这次的动作收一下Key 从 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 拿Base URL 统一写 https://taotoken.net/api语音、图像、MCP 这些仍是 Realtime API 自己的事。你不需要改 gpt-realtime 的模型名也不需要改 MCP 服务器的声明方式只改请求发往哪里。长期跑编码或 Agent 任务的话Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite可以把 Key 和通道固定下来省得每个工具各配一套。控制台https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite里能看调用记录验证这次配置是否真的生效。ClaudeCodeAnthropic 相关接入https://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaude_codeutm_campaignrewrite也是同样的 Base URL 逻辑配一次就能复用。最后留一个实用习惯把 base_url 和 api_key 写进环境变量别硬编码在脚本里MCP 地址单独放一个配置项和 Base URL 分开管理。这样下次换会话、加工具你只需要动 MCP 那一行Base URL 永远不动。