kimtaeyoon83/mcp-server-youtube-transcript

What it solves

このプロジェクトは、AIモデル（Model Context Protocol経由）がYouTube動画のテキスト文字起こしを取得・分析するための手段を提供します。AIモデルが動画の音声内容に直接アクセスできないという問題を解決し、動画のキャプションに基づいて要約、分析、または質問への回答を可能にします。

How it works

サーバーは主に2つのツールを実装しています：

• get_transcript: YouTubeの動画、Shorts、または動画IDからキャプションと字幕を抽出します。言語選択と自動フォールバック、オプションのタイムスタンプ、およびチャプターマーカーに基づいてスポンサーシップや広告を除去するフィルターをサポートしています。
• analyze_video: TwelveLabs Pegasusビデオ理解モデルを使用して、視覚的コンテンツを推論するためのオプションツールです。これにより、音声がほとんど、あるいは全くない動画でも、画面上で何が起きているかをAIが理解できるようになります。

Who it’s for

• YouTubeコンテンツをワークフローに統合したいAIエージェントおよびLLMユーザー（例：Claude Desktop）。
• YouTubeの文字起こしと視覚的分析が必要なAIアプリケーションを構築している開発者。

Highlights

• Shortsを含む複数のYouTube URL形式をサポート。
• プロモーションコンテンツや広告を削除するための組み込みフィルター。
• 音声がない動画のための、TwelveLabsによるオプションの視覚的分析。
• 自動フォールバックメカニズムを備えた言語固有の取得機能。
• 基本的な文字起こし取得のための外部依存関係なし。