Youtube Vision MCP
Servidor MCP de YouTube Vision ( youtube-vision )
Servidor MCP (Protocolo de Contexto de Modelo) que utiliza la API de Google Gemini Vision para interactuar con vídeos de YouTube. Permite a los usuarios obtener descripciones, resúmenes, respuestas a preguntas y extraer momentos clave de los vídeos de YouTube.
Características
Analiza vídeos de YouTube utilizando la API de Gemini Vision.
Proporciona múltiples herramientas para diferentes interacciones:
Descripción general o preguntas y respuestas (
ask_about_youtube_video)Resumen (
summarize_youtube_video)Extracción de momentos clave (
extract_key_moments)
Enumera los modelos Gemini disponibles que admiten
generateContent.Modelo Gemini configurable a través de variable de entorno.
Se comunica a través de stdio (entrada/salida estándar).
Related MCP server: YouTube Insights MCP Server
Prerrequisitos
Antes de utilizar este servidor, asegúrese de tener lo siguiente:
Node.js: Se recomienda la versión 18 o superior. Puede descargarla desde nodejs.org .
Clave API de Google Gemini: obtenga su clave API de Google AI Studio o Google Cloud Console.
Instalación y uso
Hay dos formas principales de utilizar este servidor:
Instalación mediante herrería
Para instalar youtube-vision-mcp para Claude Desktop automáticamente a través de Smithery :
npx -y @smithery/cli install @minbang930/youtube-vision-mcp --client claudeOpción 1: Usar npx (recomendado para un uso rápido)
La forma más sencilla de ejecutar este servidor es utilizando npx , que descarga y ejecuta el paquete sin necesidad de una instalación permanente.
Puedes configurarlo dentro del archivo de configuración de tu cliente MCP (Claude, VSCode...):
{
"mcpServers": {
"youtube-vision": {
"command": "npx",
"args": [
"-y",
"youtube-vision"
],
"env": {
"GEMINI_API_KEY": "YOUR_GEMINI_API_KEY",
"GEMINI_MODEL_NAME": "gemini-2.0-flash"
}
}
}
}Reemplace "YOUR_GEMINI_API_KEY" con su clave API de Google Gemini real.
Opción 2: Instalación manual (desde la fuente)
Si desea modificar el código o ejecutarlo directamente desde la fuente:
Clonar el repositorio:
git clone https://github.com/minbang930/Youtube-Vision-MCP.git cd youtube-visionInstalar dependencias:
npm installConstruir el proyecto:
npm run buildConfigurar y ejecutar: luego puede ejecutar el código compilado usando
node dist/index.jsdirectamente (asegúrese de queGEMINI_API_KEYesté configurado como una variable de entorno) o configurar su cliente MCP para ejecutarlo usando el comandonodey la ruta absoluta adist/index.js, pasando la clave API a través de la configuraciónenvcomo se muestra en el ejemplo npx.
Configuración
El servidor utiliza las siguientes variables de entorno:
GEMINI_API_KEY(Obligatorio): Su clave API de Google Gemini.GEMINI_MODEL_NAME(Opcional): El modelo específico de Gemini que se usará (p. ej.,gemini-1.5-flash). El valor predeterminado esgemini-2.0-flash. Importante: Para uso en producción o comercial, asegúrese de seleccionar una versión del modelo que no esté marcada como "Experimental" o "Vista previa".
Las variables de entorno deben configurarse en la sección env del archivo de configuración de su cliente MCP (por ejemplo, mcp_settings.json ).
Herramientas disponibles
1. ask_about_youtube_video
Responde una pregunta sobre el vídeo o proporciona una descripción general si no se hace ninguna pregunta.
Aporte:
youtube_url(cadena, obligatoria): la URL del vídeo de YouTube.question(cadena, opcional): La pregunta específica sobre el video. Si se omite, se genera una descripción general.
Salida: Texto que contiene la respuesta o descripción.
2. summarize_youtube_video
Genera un resumen de un vídeo de YouTube determinado.
Aporte:
youtube_url(cadena, obligatoria): la URL del vídeo de YouTube.summary_length(cadena, opcional): Longitud de resumen deseada ('corta', 'media', 'larga'). El valor predeterminado es 'mediana'.
Salida: Texto que contiene el resumen del vídeo.
3. extract_key_moments
Extrae momentos clave (marcas de tiempo y descripciones) de un vídeo determinado de YouTube.
Aporte:
youtube_url(cadena, obligatoria): la URL del vídeo de YouTube.number_of_moments(entero, opcional): Número de momentos clave a extraer. El valor predeterminado es 3.
Salida: Texto que describe los momentos clave con marcas de tiempo.
4. list_supported_models
Enumera los modelos Gemini disponibles que admiten el método generateContent (obtenido a través de la API REST).
Entrada: Ninguna
Salida: Texto que enumera los nombres de modelos admitidos.
Notas importantes
Selección de modelos para producción: Al utilizar este servidor con fines comerciales o de producción, asegúrese de que el
GEMINI_MODEL_NAMEseleccionado sea una versión estable y apta para producción. Según las Condiciones de Servicio de la API de Gemini , los modelos marcados como "Experimental" o "Vista previa" no están permitidos para la implementación en producción.Condiciones del servicio de la API: El uso de este servidor se basa en la API de Google Gemini. Los usuarios son responsables de revisar y cumplir las Condiciones del servicio de las API de Google y las Condiciones adicionales del servicio de la API de Gemini . Tenga en cuenta que las políticas de uso de datos pueden variar entre las versiones gratuita y de pago de la API de Gemini. No comparta información confidencial al usar las versiones gratuitas.
Responsabilidad del contenido: No se garantiza la precisión ni la pertinencia del contenido generado mediante la API de Gemini. Sea prudente antes de confiar en el contenido generado o publicarlo.
Licencia
Este proyecto está licenciado bajo la Licencia MIT. Consulte el archivo de LICENCIA para más detalles.
Available Tools
4 toolsask_about_youtube_videoB
Answers a question about the video or provides a general description if no question is asked.
Inputs: youtube_url (required), question.
extract_key_momentsC
Extracts key moments (timestamps and descriptions) from a given YouTube video.
Inputs: youtube_url (required), number_of_moments.
list_supported_modelsB
Lists available Gemini models that support the 'generateContent' method.
Inputs: no named parameters.
summarize_youtube_videoC
Generates a summary of a given YouTube video URL using Gemini Vision API.
Inputs: youtube_url (required), summary_length.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 4 tools
The tools have mostly distinct purposes, but 'ask_about_youtube_video' and 'summarize_youtube_video' could be confused as both provide descriptive outputs about video content. However, 'ask_about_youtube_video' is question-driven while 'summarize_youtube_video' is general, and the other tools ('extract_key_moments', 'list_supported_models') are clearly differentiated.
Three tools follow a consistent verb_noun pattern ('ask_about_youtube_video', 'extract_key_moments', 'summarize_youtube_video'), but 'list_supported_models' deviates by using 'list' instead of a more descriptive verb like 'get' or 'retrieve', and it lacks the 'youtube_video' domain specificity. This mixed convention reduces predictability.
With 4 tools, the count is reasonable for a focused YouTube video analysis server. It covers core functionalities like description, summarization, moment extraction, and model listing, though it could be slightly expanded for more comprehensive coverage (e.g., adding video metadata retrieval).
The server covers key video analysis tasks (description, summarization, moment extraction) and model support listing, but there are notable gaps. For example, it lacks tools for video metadata (e.g., title, duration, uploader), search capabilities, or interaction with YouTube's API beyond vision-based analysis, which limits agent workflows in broader YouTube contexts.
Maintenance
Related MCP Connectors
MCP server for Clipkit — gives AI agents a video toolbox via the Clipkit schema.
MCP server for Google Veo AI video generation
Multimodal video analysis MCP — transcription, vision, and OCR for any video URL.
Real-time YouTube transcripts, comments, channels & video search MCP. Local npx or hosted OAuth.
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceA Model Context Protocol server that analyzes YouTube videos, enabling users to extract transcripts, generate summaries, and query video content using Gemini AI.13MIT
- FlicenseBqualityDmaintenanceAn MCP server that extracts transcripts, metadata, and summaries from YouTube videos across various URL formats including Shorts and standard links. It provides comprehensive video data and insights for analysis within MCP-compatible environments.3-
- AlicenseAqualityCmaintenanceMCP server that fetches YouTube video transcripts and optionally summarizes them. Supports multiple transcript formats (text, JSON, SRT, WebVTT), multi-language retrieval, and flexible YouTube URL parsing.649 PyPI6MIT
- AlicenseNot gradedqualityDmaintenanceA local MCP server for extracting YouTube video transcripts, metadata, and performing visual analysis using Gemini Vision or local Whisper models. It enables users to process video content through various tools for subtitle retrieval and frame analysis.23 npmMIT