TubeScout 🔭

将 YouTube 变成你 AI 代理的研究引擎。 一个 MCP 服务器（无需 API 密钥）外加一个技能包，让 Claude Code、Codex 和 OpenCode 像使用数据库一样搜索 YouTube、大规模读取转录文本，并从视频中挖掘证据——主张、数字、需求信号——而不是凭感觉。

创意引擎工具会扫描 Reddit 和论坛。而 YouTube 是创始人展示实证的地方——收入看板、运营手册、镜头前的真实数字——但此前没有任何工具去挖掘它。TubeScout 做到了。

快速开始（60 秒）

Claude Code

claude mcp add --scope user tubescout -- npx -y tubescout

Codex

codex mcp add tubescout -- npx -y tubescout

OpenCode — 将以下内容添加到 ~/.config/opencode/opencode.json 的 "mcp" 下：

"tubescout": { "type": "local", "command": ["npx", "-y", "tubescout"], "enabled": true }

就是这样——无需 API 密钥，也无需配置。然后你可以让你的代理问这类问题：

“找到上个月关于 n8n 的 5 个观看量最高的视频，并总结人们在哪些方面有困惑。”

最省事的一体化方案（Claude Code）：以插件方式安装 — MCP 服务器 + 全部 6 个技能，只需两条命令：

/plugin marketplace add not0lucky/tubescout
/plugin install tubescout@tubescout

或者手动安装技能包（适用于 Claude Code、Codex 和 OpenCode）：

git clone https://github.com/not0lucky/tubescout && cd tubescout
./scripts/install-skills.sh   # installs into ~/.claude/skills, ~/.codex/skills, ~/.config/opencode/skills

Related MCP server: youtube-mcp

工具

技能（研究方法）

所有技能都是上下文感知的：它们会读取对话，了解你在构建什么、你的技术栈，以及已经分析过的视频，并根据你真正的优势来定制判断，而不是给出泛泛的建议。

查看 一次真实的 /yt-breakdown 运行，它分析三支“我是如何每月赚 $X”的视频——包括哪些内容经得起怀疑论者的审视，哪些经不起。

工作原理（说实话）

这里没有任何魔法，而这正是关键：

• youtubei.js 与 YouTube 内部的 InnerTube API 通信——就是网站本身在用的那个。无需密钥，也没有配额。

• 转录文本来自 YouTube 自己的字幕，通过一条回退链获取：ANDROID-client 的 timedtext 轨道 → InnerTube 转录端点（已知会间歇性返回 400——会退避重试）→ 如果你本地有 yt-dlp，就用它。每个响应都会告诉你数据由哪个 source 提供。

• 所有分析都发生在你的代理中。服务器提供数据；技能提供方法。

限制

• 在本地运行。 YouTube 对数据中心 IP 限流非常严格——这本来就是一个本地 stdio 服务器，不是托管服务。

• YouTube 会在不通知的情况下更改内部机制；如果损坏，请更新（npx 总是拉取最新版）并用出问题的视频 ID 提交 issue。

• 关闭了字幕的视频无法转录（很少见；错误信息会明确说明）。

• 抓取字幕处于 YouTube ToS 的灰色地带——用于本地研究工具没问题，但不要基于它构建托管的付费产品。

开发

npm install && npm run build
npm test          # unit tests (offline)
npm run test:live # live smoke tests against real videos — run before publishing
npm run inspect   # MCP Inspector against the built server

MIT — 见 LICENSE。

由 Anir 构建 — 我热爱自动化。更多内容见 agramprojects.com。