assemblyai-mcp
assemblyai-mcp
Ein MCP-Server für die AssemblyAI API. Transkription, Untertitel, Sprecherbeiträge, Wortsuche und LeMUR, bereitgestellt als Werkzeuge, die ein Agent aufrufen kann.
Geschrieben, weil ich einen brauchte und es keinen gab.
Installation
npm install -g assemblyai-mcpClaude Code:
claude mcp add assemblyai -e ASSEMBLYAI_API_KEY=your-key -- npx -y assemblyai-mcpAlles andere, das MCP über stdio spricht:
{
"mcpServers": {
"assemblyai": {
"command": "npx",
"args": ["-y", "assemblyai-mcp"],
"env": { "ASSEMBLYAI_API_KEY": "your-key" }
}
}
}Schlüssel gibt es im Dashboard.
Related MCP server: audio-transcription-mcp
Tools
Tool | Was es tut |
| Lädt eine lokale Audio- oder Videodatei hoch und liefert eine URL, die |
| Transkribiert Audio oder Video von einer URL. Wartet standardmäßig auf das Ergebnis. |
| Ruft ein Transkript anhand der ID ab, mit seinem Status, falls es noch läuft. |
| Letzte Transkripte auf dem Konto. |
| SRT oder VTT für ein abgeschlossenes Transkript. |
| Wo Wörter gesprochen werden, mit Anzahl und Zeitstempeln. |
| Wer was gesagt hat, wenn das Transkript mit |
| Beantwortet eine Frage aus einem oder mehreren Transkripten über LeMUR. |
| Fasst Transkripte über LeMUR zusammen. |
Drei Entscheidungen, die Sie kennen sollten
transcribe wartet. Ein Agent, der eine Job-ID und einen Status queued erhält, muss sich eine Polling-Schleife ausdenken, und meist erfindet er eine schlechte: festes Intervall, keine Obergrenze, keine Meldung, wenn er aufgibt. Warten ist das, was der Aufrufer gemeint hat. Übergeben Sie wait: false, wenn Sie tatsächlich die ID möchten. Bei Zeitüberschreitung sagt der Fehler, dass das Transkript nicht verloren ist, und nennt das Werkzeug, das es abrufen wird.
Lange Ausgaben sind begrenzt und weisen darauf hin. Transkripte können Hunderte Kilobyte umfassen. Ein Werkzeug, das alles zurückgibt, verbraucht das Kontextfenster für Text, den der Agent ohnehin zusammenfassen wird. Alles, was lange laufen kann, akzeptiert ein Limit und berichtet, wie viel es gekürzt hat, anstatt stillschweigend abzuschneiden.
Millisekunden werden zu Sekunden. Die API spricht in Millisekunden, was für eine API richtig und für ein Modell falsch ist, das eine Antwort schreibt, die ein Mensch lesen wird. Zeitstempel werden als Sekunden mit einer Dezimalstelle ausgegeben.
Entwicklung
npm install
npm run build
npm testDer API-Client (src/api.ts) weiß nichts über MCP und nimmt ein injiziertes fetch entgegen, sodass die Tests gegen einen skriptbasierten Transport ohne Netzwerk und ohne Schlüssel laufen. Die Tests decken ab, was in einem schlanken API-Wrapper gerne bricht: der Schlüssel, der nie eine URL erreicht, IDs, die escaped werden, sodass eine böswillige ID den Pfad nicht verändern kann, Nicht-JSON-Antworten (Untertitel kommen als Text an), Fehlerantworten, die den Satz der API anzeigen statt eines bloßen Status, und die Polling-Schleife, die sowohl bei completed als auch bei error stoppt.
Hinweis für AssemblyAI
Wenn Ihnen davon etwas nützt, nehmen Sie es. Es ist MIT-lizenziert und gehört Ihnen: Sie können es forken, umbenennen, übernehmen oder verwerfen. Wenn Sie es lieber als First-Party-Server hätten, helfe ich gerne dabei, es dorthin zu bringen.
MIT.
Available Tools
9 toolsask_transcriptC
Ask a question answered from one or more transcripts.
Inputs: question (required), transcript_ids (required), model.
get_speaker_turnsB
Get who said what, for a transcript made with speaker_labels.
Inputs: transcript_id (required), max_turns.
get_subtitlesA
Get SRT or VTT subtitles for a completed transcript.
Inputs: format (required), transcript_id (required), chars_per_caption.
get_transcriptA
Fetch a transcript by id, including its status if it is still running.
Inputs: transcript_id (required), max_characters.
list_transcriptsB
List recent transcripts on the account.
Inputs: limit, status.
search_transcriptA
Find where words are spoken in a transcript. Returns counts and timestamps.
Inputs: words (required), transcript_id (required).
summarize_transcriptC
Summarise one or more transcripts.
Inputs: transcript_ids (required), model, context, answer_format.
transcribeB
Transcribe an audio or video file from a URL. Waits for the result by default.
Inputs: audio_url (required), wait, auto_chapters, language_code, +2 more.
upload_fileA
Upload a local audio or video file and get a URL that transcribe accepts.
Inputs: file_path (required), max_size_mb.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 9 tools
Each tool targets a distinct part of the transcription workflow: upload, transcribe, retrieve, list, subtitles, search, speaker turns, Q&A, and summarization. Even the two transcript-based text tools, ask_transcript and summarize_transcript, are clearly separated by their descriptions.
Almost all tools follow a clear verb_noun pattern (upload_file, get_transcript, list_transcripts, ask_transcript). The only minor deviation is 'transcribe', which is a bare verb without an explicit object, but it remains predictable given the server's purpose.
Nine tools is a well-scoped set for a transcription-focused MCP server. Each tool earns its place, covering the main AssemblyAI features without unnecessary duplication or bloat.
The set covers the core lifecycle well: upload, transcribe, retrieve, list, subtitles, and several post-processing features. The main gap is the absence of a delete_transcript tool, which prevents full CRUD coverage, but agents can still complete typical transcription workflows.
Maintenance
Related MCP Connectors
MCP server for RiverScript, an AI transcription platform - fetches transcripts shared via a link.
MCP server for Speech-to-Text
An MCP server that provides tools to discover and retrieve podcast episodes transcripts.
An MCP server that provides congressional transcripts
Related MCP Servers
- AlicenseAqualityBmaintenanceMCP server for audio transcription using local faster-whisper or OpenAI Whisper API, enabling multilingual transcription with optional GPT post-processing.3160 PyPIMIT
- AlicenseNot gradedqualityDmaintenanceMCP server for audio transcription with speaker diarization. Transcribes MP3/WAV files using Faster-Whisper and pyannote.audio, outputs markdown with speaker labels, timestamps, summaries, and action items.1MIT
- AlicenseAqualityFmaintenanceMCP server for audio transcription using OpenRouter models, supporting verbatim, cleaned, and custom transcription modes.235 npm1MIT
- FlicenseNot gradedqualityDmaintenanceAn MCP server that provides speech-to-text transcription and speaker diarization using OpenAI Whisper and pyannote.audio.-