Which integrations are available for this server?

Integrates with Google Gemini models to provide AI-powered video reporting and summarization. Enables local, offline video analysis and summarization by connecting to Ollama instances running various LLMs. Integrates with OpenAI models like GPT-4o-mini for intelligent video summarization and content processing. Supports using PostgreSQL as a persistent database backend for caching and searching video data. Allows for monitoring YouTube channels for new content updates through integrated RSS feed tracking. Provides local storage and caching for video metadata, transcripts, and analysis results to optimize performance. Enables searching for videos, fetching metadata, extracting transcripts, analyzing comments, and processing playlists to provide comprehensive video intelligence.

How do I use MCP YouTube Intelligence?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@MCP YouTube Intelligence Summarize this video and analyze the viewer sentiment: https://youtu.be/LV6Juz0xcrY" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

Python License MCP PyPI

🌐 English | 한국어

MCP YouTube Intelligence

YouTube 영상을 지능적으로 분석하는
MCP (Model Context Protocol)는 Claude, Cursor 같은 AI 도구가 외부 서비스를 사용할 수 있게 해주는 표준 프로토콜입니다. 이 서버를 연결하면 "이 영상 요약해줘" 한마디로 분석이 완료됩니다.

🎯 핵심 가치: 원본 자막(2,000~30,000 토큰)을 서버에서 처리하여 LLM에는 ~200–500 토큰만 전달합니다.

🤔 왜 이 서버인가?

대부분의 YouTube MCP 서버는 원본 자막을 그대로 LLM에 던집니다.

기능	기존 MCP 서버	MCP YouTube Intelligence
자막 추출	✅	✅
서버사이드 요약 (토큰 최적화)	❌	✅
구조화된 리포트 (요약+토픽+엔티티+댓글)	❌	✅
채널 모니터링 (RSS)	❌	✅
댓글 감성 분석	❌	✅
토픽 세그멘테이션	❌	✅
엔티티 추출 (한/영 200+개)	❌	✅
자막/YouTube 검색	❌	✅
배치 처리	❌	✅
SQLite/PostgreSQL 캐시	❌	✅

🚀 빠른 시작

1. 설치

pip install mcp-youtube-intelligence pip install yt-dlp # 자막 추출에 필요

💡 LLM 없이도 기본 요약(핵심 문장 추출)은 동작합니다. 고품질 요약을 원하면 아래 LLM 설정을 참고하세요.

2. 첫 번째 명령어 실행

# 리포트 생성 — 요약, 토픽, 엔티티, 댓글을 한번에 분석 (LLM 연동필요) mcp-yt report "https://www.youtube.com/watch?v=LV6Juz0xcrY" # 자막 요약만 mcp-yt transcript "https://www.youtube.com/watch?v=LV6Juz0xcrY" # 영상 ID만 써도 됩니다 mcp-yt report LV6Juz0xcrY

⚠️ zsh 사용자: URL에 ?가 있으므로 반드시 따옴표로 감싸세요.

📋 리포트 출력 예시

mcp-yt report "https://www.youtube.com/watch?v=LV6Juz0xcrY" 실행 결과 (extractive 요약):

# 📹 Video Analysis Report: OpenClaw Use Cases that are Actually Helpful! (ClawdBot) > Channel: Duncan Rogoff | AI Automation | Duration: 16:29 | Language: en_ytdlp ## 1. Summary OpenClaw is the most powerful AI agent framework in the world right now and it's about to replace your entire workflow. I spent over $200 in the last 48 hours stress testing the system so you don't have to. It defines who it is, how it behaves, and crucial behavioral boundaries. If you think open claw is cool, just check out this video up here of 63 insane use cases that other people are doing. ## 2. Key Topics | # | Topic | Keywords | Timespan | |---|-------|----------|----------| | 1 | framework, world, right | framework, world, right | 0:00~0:05 | | 2 | like, really, there | like, really, there | 0:05~2:23 | | 3 | like, max, using | like, max, using | 2:23~4:22 | | 4 | going, like, something | going, like, something | 4:22~5:03 | | 5 | like, agents, basically | like, agents, basically | 5:03~6:04 | | ... | ... | ... | ... | | 15 | think, open, claw | think, open, claw | 16:24~16:29 | ## 4. Keywords & Entities - **Technology**: GitHub, LLM, GPT - **Company**: Anthropic, Apple ## 5. Viewer Reactions - Total comments: 20 - Sentiment: Positive 45% / Negative 0% / Neutral 55% - Top opinions: - **@geetee2583** (positive, 👍8): Great info. Just need your inset video out of the way... - **@bdog4026** (positive, 👍3): This tool is wild! Definitely the most in depth explanation... - **@magalyvilela4917** (neutral, 👍3): Came to this video wondering it gonna teach me how to set up...

📖 CLI 전체 명령어

📊 리포트 (핵심 기능)

⚠️ **리포트의 요약 섹션은 LLM 연동이 필수입니다. Ollama 빠른 설정 (무료, 3분이면 끝):
# 1. Ollama 설치: https://ollama.ai # 2. 모델 다운로드 ollama pull qwen2.5:7b # 3. 환경변수 설정 export MYI_LLM_PROVIDER=ollama export MYI_OLLAMA_MODEL=qwen2.5:7b # 원격 서버라면 호스트도 지정 export MYI_OLLAMA_BASE_URL=http://your-server:11434

mcp-yt report "https://youtube.com/watch?v=VIDEO_ID" mcp-yt report VIDEO_ID --provider ollama # LLM 프로바이더 지정 mcp-yt report VIDEO_ID --no-comments # 댓글 제외 mcp-yt report VIDEO_ID -o report.md # 파일 저장

🎯 자막 추출 + 요약

mcp-yt transcript VIDEO_ID # 요약 (~200–500 토큰) mcp-yt transcript VIDEO_ID --mode full # 전체 자막 mcp-yt transcript VIDEO_ID --mode chunks # 청크 분할 mcp-yt --json transcript VIDEO_ID # JSON 출력

기타

mcp-yt video VIDEO_ID # 메타데이터 mcp-yt comments VIDEO_ID --max 20 # 댓글 (감성 분석 포함) mcp-yt entities VIDEO_ID # 엔티티 추출 mcp-yt segments VIDEO_ID # 토픽 세그멘테이션 mcp-yt search "키워드" --max 5 # YouTube 검색 mcp-yt monitor subscribe @채널핸들 # 채널 모니터링 mcp-yt playlist PLAYLIST_ID # 플레이리스트 mcp-yt batch ID1 ID2 ID3 # 배치 처리 mcp-yt search-transcripts "키워드" # 저장된 자막 검색

💡 모든 명령어에 --json 플래그를 추가하면 JSON 출력됩니다.

🔌 MCP 서버 연결

MCP 서버는 stdio 프로토콜로 통신합니다.

Claude Desktop / Cursor / OpenCode

설정 파일에 추가 (claude_desktop_config.json, .cursor/mcp.json, mcp.json):

{ "mcpServers": { "youtube": { "command": "uvx", "args": ["mcp-youtube-intelligence"], "env": { "MYI_LLM_PROVIDER": "ollama", "MYI_OLLAMA_MODEL": "qwen2.5:7b" } } } }

💡 uvx는 uv 패키지 매니저의 실행 명령어입니다. pip install uv로 설치하세요.
클라우드 LLM을 쓰려면 env에 API 키를 추가하면 됩니다: "OPENAI_API_KEY": "sk-..."

Claude Code

claude mcp add youtube -- uvx mcp-youtube-intelligence

MCP Tools (9개)

Tool	설명	예상 토큰
`get_video`	메타데이터 + 요약	~200–500
`get_transcript`	자막 (summary/full/chunks)	~200–500
`get_comments`	댓글 + 감성 분석	~200–500
`monitor_channel`	RSS 채널 모니터링	~100–300
`search_transcripts`	저장된 자막 검색	~100–400
`extract_entities`	엔티티 추출	~150–300
`segment_topics`	토픽 분할	~100–250
`search_youtube`	YouTube 검색	~200
`get_playlist`	플레이리스트 분석	~200–500

`get_video`

파라미터	타입	필수	설명
`video_id`	string	✅	YouTube 영상 ID

`get_transcript`

파라미터	타입	필수	기본값	설명
`video_id`	string	✅	—	YouTube 영상 ID
`mode`	string	❌	`"summary"`	`summary` · `full` · `chunks`

`get_comments`

파라미터	타입	필수	기본값	설명
`video_id`	string	✅	—	YouTube 영상 ID
`top_n`	int	❌	`10`	반환할 댓글 수
`summarize`	bool	❌	`false`	요약 뷰

`monitor_channel`

파라미터	타입	필수	기본값	설명
`channel_ref`	string	✅	—	채널 URL/@핸들/ID
`action`	string	❌	`"check"`	`add`·`check`·`list`·`remove`

`search_transcripts`

파라미터	타입	필수	기본값	설명
`query`	string	✅	—	검색 키워드
`limit`	int	❌	`10`	최대 결과 수

`extract_entities` / `segment_topics`

파라미터	타입	필수	설명
`video_id`	string	✅	YouTube 영상 ID

`search_youtube`

파라미터	타입	필수	기본값	설명
`query`	string	✅	—	검색 키워드
`max_results`	int	❌	`10`	최대 결과 수
`order`	string	❌	`"relevance"`	`relevance`·`date`·`rating`·`viewCount`

`get_playlist`

파라미터	타입	필수	기본값	설명
`playlist_id`	string	✅	—	플레이리스트 ID
`max_videos`	int	❌	`50`	최대 영상 수

⚙️ 설정

LLM 프로바이더 설정

LLM 없이도 기본 요약(핵심 문장 추출)은 동작합니다. 고품질 요약을 원하면:

Ollama (추천 — 무료, 오프라인)

# 1. Ollama 설치: https://ollama.ai # 2. 모델 다운로드 ollama pull qwen2.5:7b # 3. 환경변수 설정 export MYI_LLM_PROVIDER=ollama export MYI_OLLAMA_MODEL=qwen2.5:7b # 4. (선택) 원격 Ollama 서버 사용 시 export MYI_OLLAMA_BASE_URL=http://your-server:11434

클라우드 LLM

# API 키만 설정하면 자동 감지 (MYI_LLM_PROVIDER=auto) export OPENAI_API_KEY=sk-... # OpenAI export ANTHROPIC_API_KEY=sk-ant-... # Anthropic export GOOGLE_API_KEY=AIza... # Google # 특정 프로바이더 지정 export MYI_LLM_PROVIDER=anthropic

클라우드 LLM 패키지: pip install "mcp-youtube-intelligence[llm]" (OpenAI) / [anthropic-llm] / [google-llm] / [all-llm]

⏱️ 실측 벤치마크

RTX 3070 8GB · Ollama · 한국어 자막 ~2,900자 (5분 19초 영상) load_duration 제외, 순수 생성 시간 기준

모델	Prompt 처리	생성 시간	속도	출력	품질
Extractive	-	즉시	-	379자	⭐⭐
qwen2.5:1.5b	7.8s	4.7s	30.4 tok/s	232자	⭐⭐
qwen2.5:7b	34.5s	18.8s	7.3 tok/s	766자	⭐⭐⭐⭐
aya-expanse:8b	29.5s	34.5s	6.2 tok/s	405자	⭐⭐⭐

⚠️ 첫 실행 시 모델 로드에 15~60초 추가. keep_alive로 메모리 유지하면 이후 로드 없음.

환경변수	기본값	설명
`MYI_DATA_DIR`	`~/.mcp-youtube-intelligence`	데이터 디렉토리
`MYI_STORAGE`	`sqlite`	`sqlite` · `postgres`
`MYI_SQLITE_PATH`	`{DATA_DIR}/data.db`	SQLite 경로
`MYI_POSTGRES_DSN`	—	PostgreSQL DSN
`MYI_YT_DLP`	`yt-dlp`	yt-dlp 경로
`MYI_MAX_COMMENTS`	`20`	최대 댓글 수
`MYI_LLM_PROVIDER`	`auto`	`auto`·`openai`·`anthropic`·`google`·`ollama`·`vllm`·`lmstudio`
`OPENAI_API_KEY`	—	OpenAI 키
`MYI_OPENAI_MODEL`	`gpt-4o-mini`	OpenAI 모델
`ANTHROPIC_API_KEY`	—	Anthropic 키
`MYI_ANTHROPIC_MODEL`	`claude-sonnet-4-20250514`	Anthropic 모델
`GOOGLE_API_KEY`	—	Google 키
`MYI_GOOGLE_MODEL`	`gemini-2.0-flash`	Google 모델
`MYI_OLLAMA_BASE_URL`	`http://localhost:11434`	Ollama URL
`MYI_OLLAMA_MODEL`	`llama3.1:8b`	Ollama 모델
`MYI_VLLM_BASE_URL`	`http://localhost:8000`	vLLM URL
`MYI_VLLM_MODEL`	—	vLLM 모델
`MYI_LMSTUDIO_BASE_URL`	`http://localhost:1234`	LM Studio URL
`MYI_LMSTUDIO_MODEL`	—	LM Studio 모델

🔍 트러블슈팅

문제	해결
`zsh: no matches found`	URL을 따옴표로 감싸기: `mcp-yt transcript "https://..."`
`yt-dlp not found`	`pip install yt-dlp` 또는 `export MYI_YT_DLP=/path/to/yt-dlp`
자막 없는 영상	`mcp-yt video`로 메타데이터만 가져오기
SQLite database locked	서버 인스턴스 하나만 실행 중인지 확인
LLM 요약 실패	자동으로 extractive 폴백됨. API 키 확인.

🤝 Contributing

git clone https://github.com/JangHyuckYun/mcp-youtube-intelligence.git cd mcp-youtube-intelligence pip install -e ".[dev]" pytest tests/ -v

📄 라이선스

Apache 2.0 — LICENSE

📝 변경 이력

날짜	버전	주요 변경
2025-02-18	v0.1.0	초기 릴리스 — 9개 MCP 도구, CLI, SQLite
2025-02-18	v0.1.1	Multi-LLM (OpenAI/Anthropic/Google), Apache 2.0
2025-02-18	v0.1.2	Local LLM (Ollama/vLLM/LM Studio), yt-dlp 자막 개선, 영어 기본 출력
2025-02-18	v0.1.3	Local LLM (Ollama/vLLM/LM Studio), yt-dlp 자막 개선, 영어 기본 출력

MCP YouTube Intelligence

MCP YouTube Intelligence

🤔 왜 이 서버인가?

🚀 빠른 시작

1. 설치

2. 첫 번째 명령어 실행

📋 리포트 출력 예시

📖 CLI 전체 명령어

📊 리포트 (핵심 기능)

🎯 자막 추출 + 요약

기타

🔌 MCP 서버 연결

Claude Desktop / Cursor / OpenCode

Claude Code

MCP Tools (9개)

`get_video`

`get_transcript`

`get_comments`

`monitor_channel`

`search_transcripts`

`extract_entities` / `segment_topics`

`search_youtube`

`get_playlist`

⚙️ 설정

LLM 프로바이더 설정

Ollama (추천 — 무료, 오프라인)

클라우드 LLM

추천 Ollama 모델

⏱️ 실측 벤치마크

🔍 트러블슈팅

🤝 Contributing

📄 라이선스

📝 변경 이력

Resources

Tools

New MCP Servers

Latest Blog Posts

MCP directory API

목적	모델	크기	한국어	영어	품질
다국어 (추천)	`qwen2.5:7b`	4.4GB	✅	✅	⭐⭐⭐⭐
영어 중심	`llama3.1:8b`	4.7GB	⚠️	✅	⭐⭐⭐⭐
한국어 특화	`gemma2:9b`	5.4GB	✅	✅	⭐⭐⭐⭐
경량	`qwen2.5:3b`	1.9GB	✅	✅	⭐⭐⭐
다국어 특화	`aya-expanse:8b`	4.8GB	✅	✅	⭐⭐⭐

MCP YouTube Intelligence

🤔 왜 이 서버인가?

🚀 빠른 시작

1. 설치

2. 첫 번째 명령어 실행

📋 리포트 출력 예시

📖 CLI 전체 명령어

📊 리포트 (핵심 기능)

🎯 자막 추출 + 요약

기타

🔌 MCP 서버 연결

Claude Desktop / Cursor / OpenCode

Claude Code

MCP Tools (9개)

get_video

get_transcript

get_comments

monitor_channel

search_transcripts

extract_entities / segment_topics

search_youtube

get_playlist

⚙️ 설정

LLM 프로바이더 설정

Ollama (추천 — 무료, 오프라인)

클라우드 LLM

추천 Ollama 모델

⏱️ 실측 벤치마크

🔍 트러블슈팅

🤝 Contributing

📄 라이선스

📝 변경 이력

Resources

Tools

New MCP Servers

Latest Blog Posts

MCP directory API

`get_video`

`get_transcript`

`get_comments`

`monitor_channel`

`search_transcripts`

`extract_entities` / `segment_topics`

`search_youtube`

`get_playlist`