팟캐스트 추천 — 팟캐스트 발견 MCP 🎰🎙️

차트 너머의 팟캐스트 추천: 롱테일 팟캐스트 발견, 추천, 랜덤 스핀 — 무작위 탐색 쿼리가 차트가 계속 재활용하는 인기작 대신 숨은 쇼를 떠올리게 하고, 모든 선택물에는 피드 URL, 발행 주기, 평균 에피소드 길이가 포함되어 있습니다.

아무 에이전트에게 "내가 들어보지 못한 비잔틴 역사 팟캐스트를 찾아줘" 라고 묻거나 "팟캐스트 하나 놀라게 추천해줘" 라고 물어보세요 — podcast-recommendations가 답하는 도구입니다. API 키 없음, 설정 없음. Apple의 무인증 iTunes 팟캐스트 엔드포인트(검증됨)와 직접적인 RSS 피드 읽기 기반: 300KB 피드가 약 200토큰의 쇼 정보가 되고, 모든 계산은 서버에서 수행됩니다.

이 도구가 왜 필요한가

검색 API는 모든 쿼리에 같은 차트 상위권만 반환하고, LLM은 이미 모두가 아는 유명 팟캐스트만 추천합니다. podcast-recommendations는 발견 문제를 해결합니다.

• 무작위 탐색 쿼리("덜 알려진 범죄 실화", "역사 소식지")는 상위 10개를 반복하지 않고 롱테일을 낚아냅니다.

• 하드 필터는 폐쇄된 쇼, 단일 에피소드 실험, 성인 콘텐츠(선택 동의), 그리고 제외 목록의 항목을 제거합니다. 게시자 수준의 중복 제거로 여러 선택이 다양성 있게 유지됩니다.

• 피드 미리보기가 발행 주기(매일/매주/…)와 평균 에피소드 길이를 서버에서 계산합니다 — 모델이 따로 계산하지 않아도 되는 통근 시간용 정보.

• 정직한 출처: 모든 추천은 어떤 쿼리가 이 쇼를 찾았는지 명시합니다. 신뢰할 수 있는 발견.

도구

추가로 프롬프트: surprise-me, commute-pick.

빠른 시작

# 1-Line Universal Installer (auto-configures Claude Desktop, Cursor, Claude Code, VS Code, ...)
curl -fsSL "https://podcast-recommendations.builditwithai.xyz/install" | bash

# Or run directly via your preferred runtime:
uvx podcast-recommendations
npx -y podcast-recommendations

예제

User:  find me a podcast about true crime I haven't heard of

roulette(topic="true crime", exclude=["Serial", "Casefile"])
→ picks: [{
     title: "Milk and Murder", episode_count: 23,
     cadence: "biweekly", typical_episode: "24m",
     why_picked: "surfaced by the probe query “true crime chronicles”…",
     feed_url: "https://www.spreaker.com/show/4529395/episodes/feed",
     recent_episodes: ["24. Lindsey Baum - Part Two (2022-05-11, 10m)", ...] }]

텔레메트리 및 개인정보 보호

플릿 표준(스키마 v2, 이중 엔드포인트 폴백)을 통한 익명 사용 텔레메트리(개인 식별 정보 없음, 쿼리 없음, 경로 없음). 언제든지 거부할 수 있습니다: PODCAST_RECOMMENDATIONS_TELEMETRY=false 또는 DO_NOT_TRACK=1.

개발

uv venv && uv pip install -e ".[dev]"
DO_NOT_TRACK=1 .venv/bin/python -m pytest tests/ -q   # unit + live + e2e

실제 테스트는 실제 iTunes 엔드포인트와 실제 팟캐스트 피드를 대상으로 하며, 오프라인일 때는 스스로 건너뜁니다.

라이선스

MIT