transcriptor-mcp 是一个 MCP（Model Context Protocol）服务器，旨在让 AI 助手能够“观看”视频。通过连接该服务器，用户可以向 Claude、ChatGPT、Cursor 等 AI 应用询问视频的转录文本、章节、元数据或单帧画面。它支持 11 个视频平台，不仅限于 YouTube。
主要能力
该服务器提供以下工具：
- get_transcript：获取干净的纯文本转录，不含时间戳、HTML 或说话人姓名。长转录会分部分返回，每个响应提供 next_cursor 以便获取下一部分。
- get_raw_subtitles：获取原始 SRT 或 VTT 格式的字幕内容，支持分部分返回。
- get_available_subtitles：列出可用的官方和自动生成字幕的语言代码。
- get_video_info：获取扩展元数据，包括身份信息（videoId、标题、描述、网页 URL）、作者信息（上传者、频道等）、数字信息（时长、上传日期、观看次数、点赞数、评论数）、分类信息（标签、类别、直播状态等）和图片信息（缩略图）。
- get_chapters：获取视频章节，每个章节包含开始时间、结束时间和标题。
- get_video_frame：获取指定时间点的视频帧，支持 jpeg 或 png 格式，可指定宽度和质量。需要 ffmpeg。
- get_playlist_transcript：获取播放列表中多个视频的转录。
- search_videos：搜索 YouTube 视频，支持限制数量、偏移、上传日期过滤和响应格式（json 或 markdown）。
使用方式
连接托管端点
托管端点为 transcriptor.gateway.mcpal.io。对于 Claude Code，运行一条命令后执行 /mcp 并在浏览器中批准登录即可。对于其他 MCP 客户端，使用提供的配置添加服务器。
自托管
可以使用 Docker 运行服务器。镜像在端口 4200 上提供 Streamable HTTP 服务，然后将客户端指向 http://localhost:4200/mcp。对于 stdio，需要给镜像一个显式命令。服务器启动时不需要环境变量，所有变量都是可选的。
环境要求
需要 Node.js 22 或更高版本（20 仍可用但已停止支持），以及 PATH 中的 yt-dlp。帧捕获需要 ffmpeg，WHISPER_MAX_DURATION_SECONDS 需要 ffprobe。
适用场景
- 内容摘要和分析：获取视频转录和元数据，用于总结或内容分析。
- 视频问答：向 AI 询问视频内容，基于转录回答问题。
- 章节导航：获取视频章节，快速定位内容。
- 帧提取：获取特定时间点的画面，用于视觉参考。
- 播放列表处理：批量获取播放列表中视频的转录。
- 视频搜索：搜索 YouTube 视频并获取结果。
限制
- 服务器不下载视频或音频文件，只返回文本、元数据和单帧。
- search_videos 仅适用于 YouTube，通过 yt-dlp ytsearch 实现。
- 大多数非 YouTube 平台不说明视频语言，当工具无法确定时，会返回轨道列表，需要用户再次调用并指定 type 和 lang。
- 托管端点受服务条款和隐私政策约束；自托管服务器仅受 MIT 许可证约束。
- 服务器本身不检查 bearer 令牌，需要反向代理或网关进行身份验证和 TLS。
- 传输方面，服务器仅接受 POST /mcp，GET 和 DELETE 返回 405，且无状态，不发送 Mcp-Session-Id。
平台支持
支持 YouTube、Twitter/X、Instagram、TikTok、Twitch、Vimeo、Facebook、Bilibili、VK、Dailymotion、Reddit 共 11 个平台。每个接受视频的工具都支持这些平台的链接。
交互界面
get_transcript、get_video_info、get_video_frame 和 search_videos 四个工具具有交互界面。支持 MCP Apps 和 ChatGPT Apps SDK 的客户端会在聊天中显示此界面。其他客户端以文本和 JSON 形式获取相同数据。
项目结构
源代码包括 src/mcp.ts（stdio 入口）、src/mcp-http.ts（Streamable HTTP）、src/mcp-core.ts（工具、提示、小部件）、src/youtube.ts（yt-dlp）、src/whisper.ts、src/cache.ts、src/index.ts（REST API）、load/（k6）和 src/e2e/（Docker 冒烟测试）。
许可证
MIT © 2026 samson-art。
