VidLens
Deine KI kann das Web lesen.
Jetzt kann sie es auch sehen.
npx vidlens-mcp setupVideo-Recherche: YouTube und öffentliche Social-Videos suchen, transkribieren, vergleichen und zitieren.
Lokale Bibliothek aufbauen: einmal importieren, dann Transkripte, Kommentare, Frames und OCR durchsuchen, ohne dasselbe Video erneut abzurufen.
Visuelle Beweise prüfen: den exakten Frame, Zeitstempel, Übereinstimmungsgrund und die Quelle in einer visuellen Galerie plus strukturierter Client-Ausgabe finden.
VidLens ist ein MCP-Server, der deiner KI-Agenten Augen für Video gibt — YouTube, X, TikTok, Instagram, andere Videoseiten oder eine Datei auf deiner Festplatte. Füge einen Link ein und stelle eine Frage. VidLens liest das Transkript, schaut sich die Frames an und antwortet mit Zeitstempeln, die du überprüfen kannst. Alles, was es aufnimmt, landet in einer Bibliothek auf deinem eigenen Rechner, sodass dein Agent dasselbe Video nie zweimal ansehen muss.
Keine API-Schlüssel zum Starten. Funktioniert in Claude Desktop, Claude Code und Codex. Leistungsfähige Clients können VidLens' strukturierte Ergebnisse in native Diagramme, Karten, Tabellen und visuelle Berichte in ihren eigenen Antwortoberflächen verwandeln.
VidLens in Aktion sehen
Related MCP server: @kirbah/mcp-youtube
Ausprobieren
Sobald VidLens eingerichtet ist, füge einen dieser Befehle in deinen KI-Client ein:
„Suche auf YouTube nach M5 Max MacBook Pro-Reviews. Worüber sind sich die Reviewer einig, und wo sind sie unterschiedlicher Meinung?"
VidLens sucht, liest die Transkripte der verschiedenen Reviewer und fasst Konsens und Dissens mit Quellen und Zeitstempeln zusammen.
„Transkribiere dieses Video und fasse es zusammen: https://x.com/username/status/123..."
Eine einzelne öffentliche X-, Instagram- oder TikTok-Video-URL benötigt in der Regel überhaupt keinen API-Schlüssel. VidLens ruft sie ab, transkribiert sie und behält das Transkript, sodass du später Folgefragen stellen kannst — in dieser Sitzung oder in jeder zukünftigen.
„Finde den Frame in diesem Video, in dem sie das Benchmark-Diagramm zeigen."
Die visuelle Suche betrachtet, was auf dem Bildschirm zu sehen ist — Folien, Diagramme, Whiteboards, Produktaufnahmen — und zeigt das tatsächliche Frame-Bild mit seinem Zeitstempel in der lokalen Browser-Galerie, nicht nur eine Textvermutung.
Native Client-Präsentation
VidLens liefert portable strukturierte Beweise zurück: Quellen, Zeitstempel, Bewertungen, OCR, Beschreibungen, Herkunft und Einschränkungen. Codex, Claude und andere leistungsfähige Clients können diese Beweise in ihre eigenen nativen Diagramme, Vergleichskarten, Tabellen und visuellen Berichte einarbeiten.
Die Präsentation gehört dem Client und nicht einer eingebetteten VidLens-Oberfläche. Zur Inspektion extrahierter Frames kann searchVisualContent auch die Browser-Galerie öffnen.
So funktioniert es
Videoquellen gehen links hinein. VidLens nimmt sie über den Weg auf, der funktioniert — die YouTube-API, wenn ein Schlüssel konfiguriert ist, yt-dlp oder direkte Seiten-Extraktion — und speichert die Ergebnisse in einer lokalen Bibliothek: Transkripte, Frames und Einbettungen. Deine Agenten fragen diese Bibliothek von jedem MCP-Client aus ab.
Zwei Ehrlichkeitsgarantien sind eingebaut:
Fallbacks statt Fehlschläge. Jedes YouTube-Datentool versucht mehrere Wege, bevor es aufgibt, sodass ein fehlender Schlüssel oder ein erschöpftes Kontingent sich elegant verschlechtert, statt zu brechen.
Herkunftsnachweis bei Antworten. Tool-Antworten berichten, welcher Weg die Daten geliefert hat und ob etwas unvollständig war. Keine stille Verschlechterung.
Alles befindet sich in einem Verzeichnis auf deiner Festplatte. Keine externe Datenbank, kein Docker. Sichere es, indem du es kopierst; lösche es, um neu zu beginnen.
Installation
Setup-Assistent (empfohlen)
npx vidlens-mcp setupDer Assistent erkennt Claude Desktop, Claude Code und Codex, prüft die lokalen Abhängigkeiten, die VidLens benötigt, und bietet eine einfache Wahl:
Kostenloses Setup (empfohlen): keine API-Schlüssel. YouTube-Suche, Transkripte, Metadaten und die lokale Bibliothek funktionieren sofort.
Erweitertes Setup: optionale APIs, Sprach-zu-Text, Websuche oder Browser-Cookies einzeln hinzufügen. Drücke Enter, um alles zu überspringen, was du nicht brauchst; gespeicherte Werte werden behalten und nie angezeigt.
Drücke Enter, um Kostenlos zu wählen, oder führe npx vidlens-mcp setup --enhanced aus, wann immer du erweiterte Funktionen möchtest. Für Claude Code registriert das Setup VidLens außerdem in der Benutzer-MCP-Registrierung, installiert die gemeinsame VidLens-Workflow-Fähigkeit und prüft das Ergebnis nach Möglichkeit mit claude mcp list.
Manuelle Konfiguration
Claude Desktop — zu ~/Library/Application Support/Claude/claude_desktop_config.json hinzufügen:
{
"mcpServers": {
"vidlens-mcp": {
"command": "npx",
"args": ["-y", "vidlens-mcp", "serve"]
}
}
}Claude Code — den Assistenten bevorzugen:
npx vidlens-mcp setup --client claude_code
claude mcp listWenn du es stattdessen von Hand konfigurierst, füge denselben mcpServers.vidlens-mcp-Eintrag zu ~/.claude.json hinzu.
Codex — den Setup-Helfer verwenden, damit der MCP-Server und die gebündelten VidLens-Fähigkeiten gemeinsam registriert werden:
npx vidlens-mcp setup --client codexClient neu starten
Claude Desktop vollständig beenden und neu öffnen (⌘Q, nicht nur das Fenster schließen) — MCP-Server werden beim Start geladen. Für Claude Code eine neue Sitzung starten oder nach dem Setup /mcp ausführen.
Aus einem lokalen Checkout
npm install in einem Checkout legt die Binärdatei nicht auf deinen PATH. Verwende npm run setup aus dem Checkout oder npm install -g . / npm link, wenn du den nackten vidlens-mcp-Befehl während der Entwicklung möchtest.
Deine Bibliothek
VidLens ist dauerhafter Speicher für Videoarbeit, kein Sitzungs-Notizblock. Alles, was du importierst, bleibt unter VIDLENS_DATA_DIR auf der Festplatte erhalten: Transkriptsammlungen, Kommentarsammlungen, heruntergeladene Medien und visuelle Indizes. Sogar die aktive Sammlung wird gemerkt.
Mit einem Aufruf abrufen. Zu Beginn einer Sitzung gibt recallWorkspace eine kompakte Übersicht über alles bereits Gespeicherte zurück, sodass ein Agent weiß, was er hat, bevor er erneut sucht oder importiert. Tool-Beschreibungen tragen dieselbe Erinnerung in jeden Client, sodass Agenten zuerst prüfen, statt erneut abzurufen.
Per URL oder Asset-Schlüssel wiederverwenden. Das Transkript eines importierten Social-Videos kann über seine ursprüngliche URL oder seinen Asset-Schlüssel erneut abgerufen werden — kein erneuter Download, keine erneute Transkription.
Eine gemeinsame Bibliothek für alle Agenten. Das Standard-Datenverzeichnis ist für jeden Client dasselbe, sodass Claude Desktop, Claude Code und Codex eine Bibliothek teilen — in einem importieren, in einem anderen suchen.
⚠️ Lege
VIDLENS_DATA_DIRnicht in Dropbox, iCloud, Google Drive oder einen anderen Dateisynchronisationsordner. VidLens verwendet SQLite (mit WAL), und Live-Datenbanken unter einem Dateisynchronisierer werden beschädigt oder erzeugen Konfliktkopien. Behalte das Datenverzeichnis auf einer lokalen Festplatte — der Standardort tut das bereits.
Über YouTube hinaus
Für X, Instagram, TikTok und generische Videoseiten verwendet VidLens eine Fähigkeitsleiter: Es nimmt den günstigsten Weg, der funktioniert, und ein API-Schlüssel ist eine Verbesserung, keine Voraussetzung.
Weg | Kosten | Am besten für | Was passiert |
Lokale Wiederverwendung | Kostenlos | Alles, was zuvor importiert wurde |
|
Öffentliche direkte URL | Kostenlos | Ein X-Status, Instagram-Reel/-Beitrag oder TikTok-Video | yt-dlp versucht die kanonische Beitrags-URL anonym; ffmpeg und lokale oder konfigurierte STT verarbeiten Medien ohne Untertitel |
Browser-unterstützt | Kostenlos mit einem unterstützten Host | Einen Beitrag finden oder verifizieren oder eine bestehende angemeldete Sitzung nutzen | Die Browsersteuerung deines Clients erfasst die kanonische URL und sichtbare Metadaten und übergibt die URL dann an VidLens zurück |
Lokale Datei-Übergabe | Kostenlos | Ein Video, das du speichern darfst | Die gespeicherte Datei zur Transkription und visuellen Indizierung importieren |
API-erweitert | Preise des Anbieters | Massenhafte, unbeaufsichtigte oder wiederholbare Entdeckung | Konfigurierte ScrapeCreators-, Brave-, SerpAPI-, YouTube-, Gemini- oder OpenAI-Funktionen werden automatisch ausgewählt |
Drei Einschränkungen, klar ausgesprochen:
Browser-Unterstützung ist hostabhängig. Der MCP-Server steuert selbst keinen Browser; er verlässt sich auf die Browser-Werkzeuge, die dein Client bereitstellt, und die unterscheiden sich je nach Host.
Ein Video zu sehen ist nicht dasselbe wie es zu exportieren. Ein Beitrag, der im Browser abgespielt wird, garantiert keinen automatischen Medieneexport.
Nur konkrete URLs. VidLens importiert spezifische Beitrags- oder Video-URLs, niemals Profile, Entdeckungsseiten, Hashtags oder Beliebtheitsseiten.
Für Social- und lokale Videoarbeit über einfachen Download hinaus installiere ffmpeg (brew install ffmpeg auf macOS) — Frame-Extraktion, visuelle Indizierung und STT-Audio-Chunking benötigen es.
Die Tools — 47 in 11 Modulen
Erkunden — YouTube-Entdeckung und -Recherche (1)
Tool | Was es tut |
| Absichtsbewusste Suche mit Multi-Query-Ranking, Transkriptzusammenfassungen, strukturierten Benchmark-Daten und Hintergrundindizierung. Ein Aufruf ersetzt 5–8 einzelne Tool-Aufrufe. |
Kern — Video- und Kanal-Intelligenz (7)
Werkzeug | Was es tut |
| YouTube nach Suchbegriff mit Metadaten durchsuchen |
| Tiefe Metadaten – Tags, Engagement, Sprache, Kategorie |
| Kanalstatistiken, Beschreibung, letzte Uploads |
| Die vollständige Videobibliothek eines Kanals durchsuchen |
| Vollständiges Transkript mit Zeitstempeln und Kapiteln |
| Top-Kommentare mit Likes und Engagement |
| Alle Videos in einer beliebigen Wiedergabeliste auflisten |
Wissensbasis – semantische Transkriptsuche (7)
Werkzeug | Was es tut |
| Die Transkripte einer gesamten Wiedergabeliste indizieren |
| Bestimmte Videos per URL oder ID indizieren |
| Natürlichsprachliche Suche über indizierte Inhalte |
| Ihre indizierten Sammlungen durchsuchen |
| Suchen auf eine Sammlung beschränken |
| Über alle Sammlungen suchen |
| Eine Sammlung und ihren Index löschen |
Stimmungs- und Analyse (4)
Werkzeug | Was es tut |
| Kommentarstimmung mit Themen und Risikosignalen |
| Leistung über mehrere Videos vergleichen |
| Engagement-Analysen auf Wiedergabelistenebene |
| Vollständige Tiefenanalyse eines einzelnen Videos |
Creator-Intelligenz (4)
Werkzeug | Was es tut |
| Analysieren, was Video-Eröffnungen erfolgreich macht |
| Optimierungs-Einblicke für Tags und Titel |
| Kurzform- vs. Langform-Leistung |
| Beste Veröffentlichungszeiten für Engagement |
Entdeckung und Trends (2)
Werkzeug | Was es tut |
| Momentum, Sättigung und Content-Lücken in jedem Thema |
| Kanal-Landschaft und Top-Performer |
Universelle Videoquellen (5)
Werkzeug | Was es tut |
| YouTube-, X-, Instagram-, TikTok-, generische URLs und lokale Dateien in Quell-Metadaten und Fähigkeitsflags auflösen |
| Natives YouTube und lokale Assets durchsuchen, mit ScrapeCreators-Unterstützung für TikTok/Instagram sowie konfigurierbarem Brave/SerpAPI/DuckDuckGo-Fallback |
| Soziale Plattformen über ScrapeCreators durchsuchen; liefert eine Rangliste mit Engagement-Metriken und importierbaren URLs, wo verfügbar |
| URLs oder lokale Dateien in den lokalen Medien-Store importieren, optional mit visuellem Index oder Transkript |
| YouTube-, soziale/generische URLs und lokale Dateien über native Untertitel oder konfigurierte STT transkribieren |
Medien-Assets (5)
Werkzeug | Was es tut |
| Video, Audio oder Thumbnails aus jeder unterstützten Quelle herunterladen oder aufnehmen |
| Gespeicherte Mediendateien durchsuchen |
| Heruntergeladene Assets aufräumen |
| Schlüsselbilder aus Videos extrahieren |
| Speichernutzung und Diagnose |
Visuelle Suche und Beweise (3)
Werkzeug | Was es tut |
| Frames extrahieren; Apple Vision OCR und Feature-Prints, Gemini-Frame-Beschreibungen und Gemini-semantische Einbettungen ausführen |
| Frames nach Bedeutung und Text durchsuchen; liefert zeitgestempelte Beweise und kann die externe Browser-Galerie öffnen |
| Bild-zu-Bild-Frame-Ähnlichkeit mit Apple Vision Feature-Prints |
Die visuelle Suche ist ein eigener Index, getrennt von Transkripten. Jeder Treffer enthält seinen Zeitstempel, das Quellvideo, OCR-Text und eine visuelle Beschreibung. Lokale Frame-Pfade und file:-URLs werden aus MCP-Ergebnissen entfernt; die Browser-Galerie liest die Bilder lokal, ohne diese Pfade dem Client preiszugeben.
Kommentar-Wissensbasis (6)
Werkzeug | Was es tut |
| Die Kommentare eines Videos für die Suche indizieren |
| Natürlichsprachliche Suche über den Kommentar-Korpus |
| Kommentar-Sammlungen durchsuchen |
| Kommentarsuchen beschränken |
| Alle Kommentar-Sammlungen durchsuchen |
| Eine Kommentar-Sammlung löschen |
Diagnose (3)
Werkzeug | Was es tut |
| Sitzungsstart-Zusammenfassung aller bereits importierten Inhalte – zuerst aufrufen, um erneutes Importieren zu vermeiden |
| Vollständiger Systemdiagnosebericht |
| Vor dem Importieren von Inhalten validieren |
Optionale API-Schlüssel
VidLens funktioniert ohne Schlüssel. Fügen Sie sie für Skalierung und Zuverlässigkeit hinzu:
Schlüssel | Was er freischaltet | Kostenlos? | Wo |
| Bessere Metadaten, Kommentar-API, YouTube-API-Suche | Google-Kontingent gilt | Google Cloud Console → YouTube Data API v3 aktivieren → API-Schlüssel erstellen |
| Höherwertige Einbettungen für semantische und visuelle Suche, Frame-Beschreibungen | Anbieterpreise und -limits gelten | |
| Optionaler STT-Anbieter für Transkription | Kostenpflichtig | |
| Direkte soziale Suche und Trends für TikTok, Instagram, Threads, Pinterest, Reddit und unterstützte Endpunkte | Anbieterpreise gelten | |
| Strukturierte Websuche für soziale und generische URL-Erkennung | Unterschiedlich | Brave Search API oder SerpAPI |
⚠️ Die YouTube- und Gemini-Schlüssel sind separate Schlüssel von separaten Google-Diensten. Ein Gemini-Schlüssel funktioniert nicht für YouTube-API-Aufrufe und umgekehrt.
# Free setup asks for no keys.
npx vidlens-mcp setup
# Enhanced setup optionally prompts for keys, STT, web search, and cookies.
npx vidlens-mcp setup --enhanced
# Or pass everything non-interactively.
npx vidlens-mcp setup \
--youtube-api-key YOUR_YOUTUBE_KEY \
--gemini-api-key YOUR_GEMINI_KEY \
--stt-provider auto \
--cookies-from-browser chromeCookies und Sprache-zu-Text
Für Plattformen, die anonymen Zugriff drosseln, kann der Assistent Cookies über ein Browserprofil oder einen Dateipfad speichern:
npx vidlens-mcp setup --cookies-from-browser chrome --cookies-profile Default
npx vidlens-mcp setup --x-cookies-file /path/to/x-cookies.txtOder über Umgebungsvariablen: VIDLENS_COOKIES_FROM_BROWSER, VIDLENS_X_COOKIES_FILE, VIDLENS_INSTAGRAM_COOKIES_FILE, VIDLENS_TIKTOK_COOKIES_FILE.
Die STT-Auswahl erfolgt automatisch: zuerst lokales whisper.cpp, dann Gemini, dann OpenAI. Überschreiben mit VIDLENS_STT_PROVIDER=whisper-cpp|gemini|openai|none|auto. Wenn der Assistent fragt, ist die Eingabetaste für auto für die meisten Menschen die richtige Antwort.
CLI
npx vidlens-mcp # Start MCP server (stdio)
npx vidlens-mcp serve # Start MCP server (explicit)
npx vidlens-mcp setup # Configure clients, keys, STT, cookies
npx vidlens-mcp doctor # Run diagnostics
npx vidlens-mcp doctor --no-live # Diagnostics without network checks
npx vidlens-mcp update-deps # Refresh managed yt-dlp and Deno helpers
npx vidlens-mcp version # Print versiondoctor prüft die Node.js-Version, die Aktualität von yt-dlp, STT- und Websuch-Anbieter, die Gültigkeit von API-Schlüsseln, die Gesundheit des Datenverzeichnisses und die MCP-Client-Registrierung für Claude Desktop, Claude Code und Codex.
Anforderungen
Anforderung | Status | Hinweise |
Node.js ≥ 22 | Erforderlich | Verwendet |
yt-dlp | Automatisch installiert | Wird während |
ffmpeg + ffprobe | Empfohlen | Für Medienvalidierung, Frame-Extraktion, visuelle Indizierung und STT-Audioverarbeitung benötigt |
YouTube-API-Schlüssel | Optional | Bessere Metadaten und Kommentarzugriff |
Gemini-API-Schlüssel | Optional | Bessere Einbettungen und Frame-Beschreibungen |
macOS | Optional | Apple Vision ermöglicht native OCR und Bildähnlichkeit; andere Plattformen können bei Konfiguration Gemini-Beschreibungen verwenden |
Sicherheit und Datenschutz
Ihre Bibliothek — Transkripte, Frames, Einbettungen, Medien — wird lokal gespeichert und bleibt auf Ihrem Rechner. Netzwerkaufrufe gehen nur an die Quellen, die Sie abfragen, und die APIs, die Sie konfigurieren.
Das Setup speichert konfigurierte Schlüssel in Ihrer lokalen MCP-Client-Konfiguration. Bevorzugen Sie das interaktive erweiterte Setup, das die Schlüsseleingabe maskiert; Schlüssel, die als CLI-Flags übergeben werden, können in der Shell-Historie verbleiben. Fehlermeldungen durchlaufen einen Secret-Redactor, sodass Schlüssel und Cookie-Pfade nicht in der Tool-Ausgabe ausgegeben werden.
Abrufe von Kanalseiten und generischen URLs lehnen private, link-lokale und Loopback-Adressen ab (SSRF-Schutz). Notausstieg für absichtliche lokale Nutzung:
VIDLENS_ALLOW_PRIVATE_URLS=1.
Fehlerbehebung
"Tool not found" in Claude Desktop. Vollständig beenden (⌘Q) und neu öffnen. MCP-Server werden nur beim Start geladen.
"YOUTUBE_API_KEY not configured" Warnung. Nur informativ, kein Fehler. VidLens funktioniert auch ohne.
"API_KEY_SERVICE_BLOCKED". Der Schlüssel darf den angeforderten Google-Dienst nicht aufrufen. Aktivieren Sie in der Google Cloud Console die YouTube Data API v3 und erlauben Sie diese API in den API-Einschränkungen des Schlüssels. Behalten Sie geeignete Anwendungseinschränkungen für den Ort bei, an dem Sie VidLens ausführen; machen Sie den Schlüssel nicht uneingeschränkt, es sei denn, Sie führen nur eine kurze Diagnose durch und schränken ihn sofort wieder ein.
Gemini-Schlüssel funktioniert nicht für YouTube. Es handelt sich um separate Dienste mit separaten Schlüsseln. Siehe Optionale API-Schlüssel.
Soziale Videos werden heruntergeladen, aber die visuelle Analyse schlägt fehl. Installieren Sie ffmpeg und führen Sie dann das Setup erneut aus:
brew install ffmpegnpx vidlens-mcp doctor --no-livedownloadAsset kann ein Video oft ohne ffmpeg abrufen, aber indexVisualContent, extractKeyframes, Medienvalidierung und STT-Audioverarbeitung benötigen ffmpeg oder ffprobe.
Sonstiges:
npx vidlens-mcp doctorLizenz
MIT
Available Tools
41 toolsanalyzePlaylistC
Expand and analyze a playlist in one call with partial success and aggregate benchmarks. [~5-20s, scales with playlist size]
Inputs: playlistUrlOrId (required), analyses (required), maxVideos, commentsSampleSize, +2 more.
analyzeVideoSetB
Run multiple analyses across a video set with partial success, item-level errors, and provenance. [~5-20s, scales with video count]
Inputs: videoIdsOrUrls (required), analyses (required), commentsSampleSize, transcriptMode, +1 more.
buildVideoDossierB
Build a one-shot video dossier with core metadata/transcript readiness, optionally extended with comments, sentiment, and provenance. [~3-10s]
Inputs: videoIdOrUrl (required), commentSampleSize, includeComments, includeSentiment, +2 more.
checkImportReadinessA
Diagnose whether a video is importable, including transcript availability, sparse-transcript warnings, and yt-dlp/API issues. [~1-3s]
Inputs: videoIdOrUrl (required), language, dryRun.
checkSystemHealthA
Check setup and provider health: yt-dlp, YouTube API, Gemini embeddings, and local storage. [~3-10s]
Inputs: runLiveChecks, dryRun.
clearActiveCollectionA
Clear the active collection so transcript search fans back out across all collections. [~instant]
Inputs: no named parameters.
clearActiveCommentCollectionA
Clear the active comment collection so comment search fans back out across all comment collections. [~instant]
Inputs: no named parameters.
compareShortsVsLongC
Compare recent Shorts vs long-form performance for a channel and suggest a format mix. [~3-10s]
Inputs: channelIdOrHandleOrUrl (required), lookbackDays, dryRun.
discoverNicheTrendsA
Discover what's trending in a niche right now. Returns top-performing and recent videos, momentum signals (accelerating/steady/decelerating), saturation analysis, content gap opportunities, keyword patterns, and format breakdown. Grounded in YouTube search data with honest limitations disclosed. [~5-15s]
Inputs: niche (required), regionCode, maxResults, lookbackDays, +1 more.
downloadAssetA
Download a YouTube video, audio track, or thumbnail to local storage. Returns asset manifest entry with file path. Does NOT perform visual indexing — this is honest file storage. [~30-120s, downloads media]
Inputs: videoIdOrUrl (required), format (required), maxSizeMb.
expandPlaylistC
Expand a playlist into individual videos for downstream analysis and batch workflows. [~1-3s]
Inputs: playlistUrlOrId (required), maxVideos, includeVideoMeta, dryRun.
exploreNicheCompetitorsA
Discover active channels in a niche by analyzing who ranks in YouTube search results. Returns channel-level stats, top videos, and a landscape summary. Useful for competitive reconnaissance before entering a niche. [~5-20s]
Inputs: niche (required), regionCode, maxChannels, dryRun.
exploreYouTubeA
ALWAYS use this tool FIRST when the user wants to find, discover, or explore YouTube videos. Do NOT use web search for YouTube video discovery — use this tool instead. Searches YouTube directly with intelligent multi-query ranking and parallel enrichment. Returns ranked videos with transcript summaries, key moments, and readiness for follow-up. IMPORTANT: When results contain benchmark scores, statistics, or comparisons, ALWAYS create visual charts and infographics (bar charts, comparison tables) from the data immediately — do not wait for the user to ask. Use 'specific' mode to find one best video. Use 'explore' for topic discovery across creators. Depth: 'quick' for metadata, 'standard' for key moments + transcript summaries, 'deep' for background indexing. [~2s quick, ~5-10s standard, ~15-30s deep]
Inputs: query, searches, mode, creator, +8 more.
extractKeyframesA
Extract keyframe images from a locally downloaded video at regular intervals using ffmpeg. Requires the video to be downloaded first via downloadAsset. Does NOT do visual search or classification — produces raw frame images. [~30-60s, requires ffmpeg]
Inputs: videoIdOrUrl (required), intervalSec, maxFrames, imageFormat, +1 more.
findSimilarFramesA
Find frames that visually look like a reference frame using Apple Vision image feature prints. Accepts a frame assetId or a direct framePath and returns image-backed matches. [~30-60s, vision comparison]
Inputs: assetId, framePath, videoIdOrUrl, maxResults, +2 more.
findVideosB
Search YouTube videos by intent. Returns compact ranked results with provenance and engagement hints. [~1-3s]
Inputs: query (required), maxResults, order, regionCode, +5 more.
importCommentsA
Import a video's comments into the local comment knowledge base for semantic search. Fetches comments via the existing comment pipeline and indexes them for searchComments. [~3-10s]
Inputs: videoIdOrUrl (required), collectionId, maxTopLevel, includeReplies, +5 more.
importPlaylistC
Import a playlist into the local transcript knowledge base for semantic search in Claude Desktop. [~5-30s, ~2s per video]
Inputs: playlistUrlOrId (required), collectionId, maxVideos, chunkStrategy, +10 more.
importVideosB
Import one or more videos into a local transcript collection for later semantic search. [~5-20s, ~2s per video]
Inputs: videoIdsOrUrls (required), collectionId, chunkStrategy, chunkSizeSec, +9 more.
indexVisualContentA
Build a real visual index for a video using extracted frames, Apple Vision OCR, Apple Vision feature prints, and optional Gemini frame descriptions. Returns frame evidence with local image paths. [~30-120s, downloads + OCR + vision]
Inputs: videoIdOrUrl (required), intervalSec, maxFrames, imageFormat, +7 more.
inspectChannelB
Inspect a channel with summary stats and posting cadence heuristics. [~3-10s]
Inputs: channelIdOrHandleOrUrl (required), dryRun.
inspectVideoB
Inspect a single video with compact metadata, normalized ratios, and transcript availability. [~1-3s]
Inputs: videoIdOrUrl (required), includeTranscriptMeta, includeEngagementRatios, dryRun.
listChannelCatalogC
List a channel's recent catalog in compact creator-analysis shape. [~3-10s]
Inputs: channelIdOrHandleOrUrl (required), maxResults, sortBy, includeShorts, +3 more.
listCollectionsB
List local transcript collections, active search focus, and indexed video/chunk counts. [~instant]
Inputs: includeVideoList.
listCommentCollectionsC
List local comment collections, active search focus, and indexed comment counts. [~instant]
Inputs: includeVideoList.
listMediaAssetsB
List locally stored media assets. Filter by video or kind. Shows file paths, sizes, and manifest metadata. [~instant]
Inputs: videoIdOrUrl, kind, limit.
measureAudienceSentimentC
Heuristic audience sentiment analysis from comments with themes, risk signals, and quote samples. [~3-10s]
Inputs: videoIdOrUrl (required), sampleSize, includeThemes, includeRepresentativeQuotes, +1 more.
mediaStoreHealthB
Check health of the local media store: disk usage, asset counts, ffmpeg/yt-dlp availability. [~instant]
Inputs: no named parameters.
readCommentsC
Read top-level comments with optional replies and structured provenance. [~1-3s]
Inputs: videoIdOrUrl (required), maxTopLevel, includeReplies, maxRepliesPerThread, +3 more.
readTranscriptB
Read transcript in summary, key moments, chapters, or paginated full mode with long-video safeguards. [~1-3s]
Inputs: videoIdOrUrl (required), language, mode, includeTimestamps, +4 more.
recommendUploadWindowsB
Recommend upload windows from recent publishing history for a given timezone. [~3-10s]
Inputs: channelIdOrHandleOrUrl (required), timezone (required), lookbackDays, dryRun.
removeCollectionB
Delete a local transcript collection and its search index. [~instant]
Inputs: collectionId (required).
removeCommentCollectionB
Delete a local comment collection and its search index. [~instant]
Inputs: collectionId (required).
removeMediaAssetB
Remove stored media assets. Specify assetId to remove one, or videoIdOrUrl to remove all assets for a video. [~instant]
Inputs: assetId, videoIdOrUrl, deleteFiles.
researchTagsAndTitlesC
Research title structures, keywords, and tag patterns around a seed topic. [~3-10s]
Inputs: seedTopic (required), regionCode, language, maxExamples, +1 more.
scoreHookPatternsC
Heuristically score first-30-second hooks across one or more videos. [~3-10s, ~1s per video]
Inputs: videoIdsOrUrls (required), hookWindowSec, dryRun.
searchCommentsA
Search imported comment collections with ranked results. Returns matching comments with author, like count, and relevance score. Uses active comment collection by default. [~instant]
Inputs: query (required), collectionId, maxResults, minScore, +2 more.
searchTranscriptsC
Search imported transcript-text collections with active-collection focus by default and return ranked timestamped chunks. [~instant]
Inputs: query (required), collectionId, maxResults, minScore, +2 more.
searchVisualContentA
Search the actual visual content of a video or your indexed frame library. Uses Apple Vision OCR, optional Gemini frame descriptions, and optional Gemini semantic embeddings. Always returns frame/image evidence with timestamps. [~1-3s if indexed, ~60-120s if auto-indexing]
Inputs: query (required), videoIdOrUrl, maxResults, minScore, +10 more.
setActiveCollectionA
Set the default collection that transcript search should focus on when collectionId is omitted. [~instant]
Inputs: collectionId (required).
setActiveCommentCollectionA
Set the default comment collection that searchComments should focus on when collectionId is omitted. [~instant]
Inputs: collectionId (required).
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 41 tools
Several tools have overlapping purposes, e.g., exploreYouTube vs findVideos both search YouTube; analyzePlaylist vs expandPlaylist vs importPlaylist may be confused; extractKeyframes vs indexVisualContent vs searchVisualContent overlap in visual processing. Search-related tools for transcripts, comments, and visual content are somewhat distinct but the active-collection setters/clearers add confusion.
Naming is inconsistent: mix of camelCase (clearActiveCollection, setActiveCollection, buildVideoDossier) and snake_case (checkImportReadiness, downloadAsset, searchComments). Verbs vary (check, build, list, find, inspect, read, score, measure, analyze) without a clear pattern. Some tools use nouns like 'mediaStoreHealth' which is inconsistent with verb-first conventions.
With 41 tools, the server has a heavy tool surface for what is essentially a YouTube media analysis and knowledge base tool. Many tools are highly specialized and could be consolidated (e.g., multiple playlist and import tools, multiple collection management tools). This will likely overwhelm an agent and increase latency.
The set covers core workflows: video discovery, import, transcript analysis, comment analysis, visual content, playlist handling, and media asset management. However, there are gaps: no tool for updating or deleting imported transcripts/collections beyond removal? Actually removeCollection exists, but there is no tool to update a video's metadata or re-index. Also, no tool to scrape comments for a single video without import? readComments exists but no search without import seems incomplete.
Related MCP Connectors
YouTube transcripts, search, channel/playlist listings and upload tracking for AI agents.
YouTube transcripts, search, channels, playlists and bulk transcript jobs for AI agents. 14 tools.
YouTube for AI agents: transcripts, comments, video stats, channel monitor, Shorts captions.
Transcripts, summaries, chapters and timestamped search for video links, for AI agents.
Related MCP Servers
- AlicenseAqualityDmaintenanceEnables AI agents to search, watch, summarize, clip, and extract transcripts from YouTube videos, all without needing an API key or leaving the chat.914 npm67Apache 2.0
- AlicenseNot gradedqualityBmaintenanceProvides AI agents with token-optimized access to YouTube data, including video details, transcripts, channel statistics, trending videos, and search.1,477 npmMIT
- AlicenseAqualityBmaintenanceAllows AI agents to fetch, search, and summarize YouTube video transcripts without an API key, including chapter summaries.4MIT
- AlicenseAqualityCmaintenanceEnables AI agents to search YouTube like a database, retrieve transcripts and channel data, and mine videos for claims, numbers, and demand signals — without needing an API key.6146 npmMIT