YouTubeからLinkedIn MCPサーバーへ

YouTube動画からLinkedIn投稿の下書きを自動生成するモデルコンテキストプロトコル（MCP）サーバー。YouTube動画のトランスクリプトに基づいて、高品質で編集可能なコンテンツの下書きを提供します。

特徴

• YouTube トランスクリプト抽出: 動画 URL を使用して YouTube 動画からトランスクリプトを抽出します

• トランスクリプト要約: OpenAI GPTを使用してビデオコンテンツの簡潔な要約を生成します

• LinkedIn 投稿生成: カスタマイズ可能なトーンとスタイルでプロフェッショナルな LinkedIn 投稿の下書きを作成します

• モジュラーAPI設計：明確に定義されたエンドポイントを備えたクリーンなFastAPI実装

• コンテナ化されたデプロイメント：Smitheryへのデプロイメント準備完了

Related MCP server: YouTube Translate MCP

セットアップ手順

前提条件

• Python 3.8以上

• Docker（コンテナ化されたデプロイメント用）

• OpenAI APIキー

• YouTube データ API キー (オプションですが、メタデータの精度向上のため推奨)

地域開発

1. リポジトリをクローンします。

   git clone <repository-url>
   cd yt-to-linkedin

2. 仮想環境を作成し、依存関係をインストールします。

   python -m venv venv
   source venv/bin/activate  # On Windows: venv\Scripts\activate
   pip install -r requirements.txt

3. API キーを使用してプロジェクト ルートに.envファイルを作成します。

   OPENAI_API_KEY=your_openai_api_key
   YOUTUBE_API_KEY=your_youtube_api_key

4. アプリケーションを実行します。

   uvicorn app.main:app --reload

5. APIドキュメントはhttp://localhost:8000/docsからアクセスできます。

Docker デプロイメント

1. Docker イメージをビルドします。

   docker build -t yt-to-linkedin-mcp .

2. コンテナを実行します。

   docker run -p 8000:8000 --env-file .env yt-to-linkedin-mcp

鍛冶屋の展開

1. Smithery CLI がインストールされ、設定されていることを確認してください。

2. Smithery にデプロイ:

   smithery deploy

APIエンドポイント

1. トランスクリプトの抽出

エンドポイント: /api/v1/transcript
メソッド: POST
説明: YouTube動画からトランスクリプトを抽出します

リクエスト本文:

{
  "youtube_url": "https://www.youtube.com/watch?v=VIDEO_ID",
  "language": "en",
  "youtube_api_key": "your_youtube_api_key"  // Optional, provide your own YouTube API key
}

応答：

{
  "video_id": "VIDEO_ID",
  "video_title": "Video Title",
  "transcript": "Full transcript text...",
  "language": "en",
  "duration_seconds": 600,
  "channel_name": "Channel Name",
  "error": null
}

2. トランスクリプトの要約

エンドポイント: /api/v1/summarize
メソッド: POST
説明: ビデオのトランスクリプトから要約を生成する

リクエスト本文:

{
  "transcript": "Video transcript text...",
  "video_title": "Video Title",
  "tone": "professional",
  "audience": "general",
  "max_length": 250,
  "min_length": 150,
  "openai_api_key": "your_openai_api_key"  // Optional, provide your own OpenAI API key
}

応答：

{
  "summary": "Generated summary text...",
  "word_count": 200,
  "key_points": [
    "Key point 1",
    "Key point 2",
    "Key point 3"
  ]
}

3. LinkedInの投稿生成

エンドポイント: /api/v1/generate-post
メソッド: POST
説明: ビデオ要約から LinkedIn の投稿を生成する

リクエスト本文:

{
  "summary": "Video summary text...",
  "video_title": "Video Title",
  "video_url": "https://www.youtube.com/watch?v=VIDEO_ID",
  "speaker_name": "Speaker Name",
  "hashtags": ["ai", "machinelearning"],
  "tone": "professional",
  "voice": "first_person",
  "audience": "technical",
  "include_call_to_action": true,
  "max_length": 1200,
  "openai_api_key": "your_openai_api_key"  // Optional, provide your own OpenAI API key
}

応答：

{
  "post_content": "Generated LinkedIn post content...",
  "character_count": 800,
  "estimated_read_time": "About 1 minute",
  "hashtags_used": ["#ai", "#machinelearning"]
}

4. 出力フォーマット

エンドポイント: /api/v1/output
メソッド: POST
説明: LinkedInの投稿を出力用にフォーマットする

リクエスト本文:

{
  "post_content": "LinkedIn post content...",
  "format": "json"
}

応答：

{
  "content": {
    "post_content": "LinkedIn post content...",
    "character_count": 800
  },
  "format": "json"
}

環境変数

注：APIキーの環境変数はオプション（各リクエストで指定可能）ですが、ローカル開発およびテストでは設定することをお勧めします。Smitheryにデプロイする場合、ユーザーはリクエストで独自のAPIキーを指定する必要があります。

ライセンス

マサチューセッツ工科大学