Skip to main content
Glama
enesjakozh
MalikElate

YouTube Transcript Extractor MCP

by MalikElate
OverviewSchemaSourceRelated ServersDiscussionsAdmin
TypeScript

YouTube トランスクリプト抽出ツール MCP 🎥

AIアシスタントがYouTube動画からトランスクリプトを抽出できるようにするモデルコンテキストプロトコル（MCP）サーバー。CursorおよびClaude Desktopとの統合用に構築されたこのツールにより、AIはYouTube動画コンテンツを直接分析・操作できるようになります。

特徴

  • 🎯 公開されている YouTube 動画からトランスクリプトを抽出します

  • 🔌 カーソルとクロードデスクトップとの簡単な統合

  • 🚀 型安全性のために TypeScript で構築

  • 📦 シンプルなセットアップと展開

  • 🛠️ モデルコンテキストプロトコルに基づく

Related MCP server: YouTube Translate MCP

前提条件

  • Node.js (v16 以上)

  • pnpm（推奨）またはnpm

  • トランスクリプトを抽出するためのYouTube動画のURL

インストール

  1. リポジトリをクローンします。

git clone https://github.com/yourusername/yt-mcp.git
cd yt-mcp

  1. 依存関係をインストールします:

pnpm install

  1. プロジェクトをビルドします。

pnpm run build

構成

カーソル用

  1. カーソル設定を開く

  2. MCPに移動→新しいMCPサーバーを追加

  3. 次の設定を構成します。

    • 名前: youtube-transcript

    • タイプ: command

    • コマンド: node /absolute/path/to/yt-mcp/build/index.js

クロードデスクトップ向け

この構成を Claude Desktop 構成に追加します。

{
  "mcpServers": {
    "youtube-transcript": {
      "command": "node",
      "args": ["/absolute/path/to/yt-mcp/build/index.js"]
    }
  }
}

使用法

設定が完了すると、AIは動画のURLを指定してツールを呼び出すことで、YouTube動画からトランスクリプトを抽出できるようになります。例：

// The AI will use this format internally
const transcript = await extractTranscript({
  input: "https://www.youtube.com/watch?v=VIDEO_ID"
});

技術的な詳細

サーバーは以下を使用して構築されます:

制限事項

  • 公開されているYouTube動画でのみ機能します

  • 動画には字幕が有効になっている必要があります

  • 一部の動画には自動生成された字幕が付いている場合がありますが、100%正確ではない可能性があります。

トラブルシューティング

よくある問題と解決策:

  1. 「ビデオIDが見つかりません」というエラー

    • YouTubeのURLが完全かつ正しいことを確認してください

    • 動画が公開されているかどうかを確認する

  2. 「トランスクリプトが利用できません」というエラー

    • 動画に字幕が有効になっていることを確認する

    • ツールが機能していることを確認するために別のビデオを試してください

  3. ビルドエラー

    • すべての依存関係がインストールされていることを確認してください

    • Node.jsのバージョンを確認してください（v16以上である必要があります）

貢献

貢献を歓迎します！お気軽にプルリクエストを送信してください。大きな変更については、まずIssueを開いて、変更したい点について議論してください。

ライセンス

マサチューセッツ工科大学

Available Tools

1 tool
youtube-transcript-extractorC

Extracts the transcript of a YouTube video.

ParametersJSON Schema
NameRequiredDescriptionDefault
inputYesa youtube video url

TDQS

C2.9/5.0
Behavior2/5

Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?

No annotations are provided, so the description carries the full burden of behavioral disclosure. While 'Extracts' implies a read operation, it lacks details on permissions, rate limits, error handling, or output format. This leaves significant gaps in understanding the tool's behavior beyond its basic function.

Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.

Conciseness5/5

Is the description appropriately sized, front-loaded, and free of redundancy?

The description is a single, efficient sentence: 'Extracts the transcript of a YouTube video.' It is front-loaded with the core purpose and contains no unnecessary words, making it highly concise and well-structured.

Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.

Completeness2/5

Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?

For a tool with no annotations and no output schema, the description is incomplete. It lacks information on behavioral traits (e.g., error cases, rate limits) and output details (e.g., transcript format, structure). While concise, it does not provide enough context for an agent to use the tool effectively beyond basic invocation.

Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.

Parameters3/5

Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?

The input schema has 100% description coverage, with the parameter 'input' documented as 'a youtube video url.' The description does not add any meaning beyond this, such as URL format examples or validation rules. Given the high schema coverage, the baseline score of 3 is appropriate.

Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.

Purpose4/5

Does the description clearly state what the tool does and how it differs from similar tools?

The description clearly states the tool's purpose: 'Extracts the transcript of a YouTube video.' It specifies the verb ('Extracts') and resource ('transcript of a YouTube video'), making the function unambiguous. However, with no sibling tools mentioned, there's no opportunity to differentiate from alternatives, preventing a perfect score.

Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.

Usage Guidelines2/5

Does the description explain when to use this tool, when not to, or what alternatives exist?

The description provides no guidance on when to use this tool versus alternatives, prerequisites, or limitations. It simply states what the tool does without context for its application, leaving the agent to infer usage scenarios independently.

Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

  1. 1 tool update
    • First observedyoutube-transcript-extractor
Deploy Server
One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

TDQS

B3.1/5.0

Scored across 1 tool

Disambiguation5/5

With only one tool, there is no possibility of ambiguity or overlap between tools. The tool's purpose is singular and clearly defined, so an agent cannot misselect among multiple options.

Naming Consistency5/5

The single tool name follows a clear verb-noun pattern (youtube-transcript-extractor), and with no other tools to compare, consistency is inherently perfect. There are no deviations or mixed conventions to evaluate.

Tool Count2/5

One tool is too few for a server that appears to handle YouTube transcript extraction, as it lacks complementary operations like listing videos, handling errors, or supporting multiple formats. This minimal scope may limit agent workflows and feels incomplete for the domain.

Completeness2/5

The server is severely incomplete for YouTube transcript extraction, as it only provides extraction without supporting operations like validation, search, or handling different transcript types. This creates significant gaps that could cause agent failures in real-world scenarios.

Maintenance

ActivityInactive
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

Appeared in Searches