Einen KI-Sprachbot bauen wie eine Express-App


Das dialpress Node SDK macht aus SIP Routen und Handler. Hier sind eine Telefonanlage und ein KI-Sprachbot, die sich ein Gateway teilen – und Anrufe untereinander übergeben.
Wenn Sie eine Express-App schreiben können, können Sie eine Telefonanlage betreiben. npm install dialpress, verbinden Sie sich per gRPC mit dem Gateway, und jede SIP-Anfrage landet auf einem Pfad, den der Dial Plan festlegt.
Routen statt Zustandsautomaten
app.register beantwortet Telefone, die sich anmelden. app.message leitet Textnachrichten an die Nebenstelle weiter. app.invite wählt die Nebenstelle und sendet eine 486, wenn sie besetzt ist. Middleware, Params, Router() und Error-Handler funktionieren wie in Express 5.
Der Bot ist eine weitere App
Ein KI-Bot verbindet sich mit pathPrefixes: ['/ai'] und beansprucht diese Anrufe. Er nimmt ab, öffnet res.media() für das Audio des Anrufs, speist das PCM des Anrufers in die Spracherkennung und spielt seine Sprachausgabe in Echtzeit zurück – und ruft clear() auf, wenn der Anrufer unterbricht.
Übergaben halten den Anruf am Leben
Die Telefonanlage übergibt einen eingehenden Anrufer mit res.handoff('/ai/front-desk') an den Bot. Drückt der Anrufer die 0, gibt der Bot denselben Anruf mit einer Zusammenfassung des Gesagten an einen Menschen zurück. Dieselbe Call-ID, keine Weiterleitung, kein abgerissenes Audio.
Forken
Das SDK enthält Beispiele – einen Echo-Bot, einen Messaging-Bot, SIP zu SMS, SIP zu E-Mail – und einen lokalen Simulator. Forken Sie eines, richten Sie es auf Ihr Gateway, und Ihr Stack ist im Telefonnetz.
Praxisnotizen
Weiterlesen
SIP vs. WebRTC für KI-Sprachagenten
SIP erreicht jede Telefonnummer der Welt, WebRTC jeden Browser. Ein produktiver Sprachagent braucht beides – so passen sie zusammen.

Sprachagenten mit MCP Tools geben
Ihr Buchungssystem, Ihr CRM, Ihre Bestellabfrage – jede API kann zum Tool eines Sprachagenten werden, ohne eine Zeile Agenten-Code zu schreiben.

Warum Voice AI einen eigenen Stack braucht
Ein Sprachagent ist nur so gut wie der Anruf, auf dem er läuft. Warum wir SIP-Server, Media-Pfad, Speech und Agent-Runtime als einen Stack gebaut haben.
