Terminálba költözteti az ElevenLabs API-t az új CLI v1

Egy felület a teljes ElevenLabs API-hoz

Az ElevenLabs közlése szerint a CLI v1 célja, hogy a platform API-ja terminálból is elérhető legyen. A vállalat azt írja, hogy az OpenAPI specifikációban közzétett minden ElevenLabs API-végpont alparancsként használható.

A példák alapján a CLI-vel listázhatók a munkaterület ügynökei strukturált JSON-formátumban, zenét lehet készíteni szöveges promptból, valamint szövegből beszédet lehet generálni és hangfájlba menteni. A bejelentésben szereplő parancsok között van az elevenlabs agents list --format json, az elevenlabs music compose, valamint az elevenlabs text-to-speech convert.

Az eszköz macOS-en Homebrew segítségével telepíthető a megadott brew install elevenlabs/tap/elevenlabs paranccsal. Windowsra a közlemény a Scoop használatát írja le, cURL esetén pedig egy GitHubról letöltött telepítőszkript futtatását adja meg.

Agents-as-code: ügynökök konfigurációja fájlokban

A CLI egyik központi újdonsága az agents-as-code megközelítés az ElevenAgentshez. Ennek lényege, hogy az ügynökök konfigurációját a fejlesztők helyi fájlokként kezelhetik, hasonlóan az alkalmazáskódhoz. A CLI szinkronban tartja ezeket a fájlokat a munkaterülettel.

Az ElevenLabs szerint a folyamat három parancs köré épül: az elevenlabs agents pull a munkaterület minden ügynökét helyi konfigurációs fájllá alakítja, az elevenlabs agents push --dry-run előnézetet ad arról, pontosan mi változna, az elevenlabs agents push pedig alkalmazza a módosításokat.

A bejelentés szerint ugyanaz a munkafolyamat gyártási környezetre is kiterjeszthető. A branchek elkülöníthetik a fejlesztést és a production környezetet, például úgy, hogy egy fejlesztői branch teszt telefonszámot és olcsóbb LLM-et használ, miközben a production környezetben a valódi szám és egy frontier model fut.

Új projektekhez az elevenlabs agents init állít elő kiinduló struktúrát, kezdősablonokkal olyan gyakori konfigurációkhoz, mint az ügyféltámogatás. Az ElevenLabs szerint néhány ügynöknél a dashboard még kezelhető, de sok ügyfélszervezeten átívelő ügynökflotta vagy más platformról történő tömeges migráció esetén a fájlok és a verziókezelés jelentik a skálázható munkafolyamatot.

Gépeknek és embereknek külön olvasható kimenet

Az ElevenLabs a CLI-t úgy írja le, mint amelyet eleve kódoló ügynökökre szabtak. A közlemény szerint egy CLI-t használó ügynök másként hibázik, mint egy ember: nem tud interaktív kérdésekre válaszolni, folyamatosan újrapróbálkozik, és abból tanul, amit a hibaüzenet ad neki.

Ehhez a CLI kétféle segítséget kínál. A --help az embereknek szól, míg a --schema az ügynököknek. Minden API-parancs géppel olvasható szerződést tud kiírni, amely tartalmazza a típusos bemeneteket, azok helyét, a kötelező mezőket és a válasz pontos alakját. A cég szerint ez segít abban, hogy az ügynök találgatás nélkül állítson össze érvényes hívást.

A hibakezelés is ehhez igazodik. Ügynököknek a hibák JSON-formában érkeznek, míg TTY-n keresztül észlelt emberi felhasználóknál egyszerűbb, olvasható hibaüzenet jelenik meg. Mindkét forma tartalmaz útmutatást a javításhoz. A forrás példája szerint, ha a text-to-speech convert parancsból hiányzik a voice_id paraméter, az ügynök JSON-hibát kap 400-as kóddal és validációs indoklással, az emberi felhasználó pedig egy rövidebb hibaüzenetet és egy --help tippet lát.

Mit jelent ez a fejlesztőknek és az ügynökös munkafolyamatoknak

A bejelentés alapján az ElevenLabs CLI v1 elsősorban azoknak a csapatoknak lehet fontos, amelyek terminálban, verziókezelt fájlokkal és automatizált ügynökökkel dolgoznak. A --dry-run mód lehetőséget ad arra, hogy a módosítások előnézete még azelőtt látszódjon, hogy bármi változna a munkaterületen.

A beépített --help és --schema mellett a CLI úgynevezett skilleket is kínál. Ezeket az elevenlabs generate-skills paranccsal lehet a projektbe telepíteni, és a közlemény szerint teljes munkafolyamatokat tanítanak a kódoló ügynöknek, például ügynök építését, beszéd generálását vagy hívás átírását.

Az ElevenLabs megfogalmazása szerint az ügynökök már a terminálban dolgoznak, a CLI v1 pedig a vállalat platformját is ebbe a környezetbe viszi. A felhasználói hatás így főként a fejlesztési folyamatban jelentkezhet: kevesebb külön felület, géppel feldolgozható kimenetek, fájlalapú ügynökkonfiguráció és ellenőrizhető változtatások.