Youtube MCP Server

🚀 YouTube MCP 服務器

這是一個全面的模型上下文協議（MCP）服務器，可通過 YouTube 數據 API v3 提供即時的 YouTube 數據訪問。該服務器使 AI 助手能夠搜索、分析並檢索有關 YouTube 視頻、頻道、播放列表等的詳細信息。

🚀 快速開始

本服務器為 AI 助手提供了便捷的途徑來訪問和處理 YouTube 上的豐富數據。你可以按照以下步驟進行安裝和配置，以開啟使用之旅。

✨ 主要特性

14 項完整功能

1. get_video_details - 獲取全面的視頻信息，包括標題、描述、統計數據和元數據。
2. get_playlist_details - 檢索播放列表信息和元數據。
3. get_playlist_items - 列出播放列表中的視頻並附帶詳細信息。
4. get_channel_details - 獲取頻道信息，包括訂閱者數量、視頻數量和描述。
5. get_video_categories - 列出特定地區可用的視頻類別。
6. get_channel_videos - 獲取 YouTube 頻道的近期視頻。
7. search_videos - 使用可自定義的參數在 YouTube 上搜索視頻。
8. get_trending_videos - 檢索特定地區的熱門視頻。
9. get_video_comments - 獲取視頻的評論，並支持排序選項。
10. analyze_video_engagement - 分析參與度指標並提供洞察。
11. get_channel_playlists - 列出 YouTube 頻道的播放列表。
12. get_video_caption_info - 獲取可用的字幕/轉錄信息。
13. evaluate_video_for_knowledge_base - 進行智能內容評估，併為知識庫管理提供技術新鮮度評分。
14. get_video_transcript - 從 YouTube 視頻中提取實際的轉錄內容。

關鍵能力

• ✅ 來自 YouTube 數據 API v3 的即時數據。
• ✅ 全面的錯誤處理和 API 配額管理。
• ✅ 支持多種 URL 格式（youtube.com、youtu.be、@用戶名、頻道 ID）。
• ✅ 具備技術新鮮度評分的智能內容評估。
• ✅ 靈活的搜索和過濾選項。
• ✅ 結合行業基準的參與度分析。
• ✅ 支持特定地區的熱門內容和類別。
• ✅ 符合 MCP 協議，便於與 AI 無縫集成。

📦 安裝指南

第 1 步：克隆倉庫

git clone https://github.com/dannySubsense/youtube-mcp-server.git
cd youtube-mcp-server

第 2 步：安裝依賴

pip install -r requirements.txt

第 3 步：獲取 YouTube API 密鑰

1. 訪問 Google 雲控制檯。
2. 創建一個新項目或選擇一個現有項目。
3. 啟用 YouTube 數據 API v3。
4. 創建憑證（API 密鑰）。
5. （可選）為了安全起見，將 API 密鑰限制為僅用於 YouTube 數據 API v3。

第 4 步：配置 API 密鑰

在項目根目錄下創建一個 credentials.yml 文件：

youtube_api_key: "YOUR_YOUTUBE_API_KEY_HERE"

重要提示：切勿將 credentials.yml 文件提交到版本控制系統！

第 5 步：測試服務器

python test_server.py

這將對所有 14 個功能進行全面測試，以確保一切正常工作。

💻 使用示例

基礎用法

基本視頻信息

# 獲取詳細的視頻信息
result = await get_video_details("https://www.youtube.com/watch?v=dQw4w9WgXcQ")

# 也支持使用視頻 ID
result = await get_video_details("dQw4w9WgXcQ")

搜索與發現

# 搜索近期的 Python 教程
tutorials = await search_videos(
    query="Python tutorial",
    max_results=10,
    order="date"
)

# 獲取美國的熱門視頻
trending = await get_trending_videos(region_code="US", max_results=5)

頻道分析

# 獲取頻道信息
channel_info = await get_channel_details("@3Blue1Brown")

# 獲取頻道的近期視頻
recent_videos = await get_channel_videos("@3Blue1Brown", max_results=5)

# 獲取頻道的所有播放列表
playlists = await get_channel_playlists("@3Blue1Brown")

高級用法

內容評估（特色功能）

# 評估視頻是否值得添加到知識庫
# 包括針對教育內容的技術新鮮度評分
evaluation = await evaluate_video_for_knowledge_base("Z6nkEZyS9nA")

# 示例輸出：
# 🟢 強烈推薦 - 有價值內容的有力指標
# ⏰ 內容新鮮度：非常新（2 天前）
# 🚀 技術時效性：React 2025 內容 - 框架發展迅速

轉錄提取（新增功能）

# 從視頻中提取完整的轉錄內容
transcript = await get_video_transcript("Z6nkEZyS9nA")

# 也支持使用 URL 和不同語言
transcript_spanish = await get_video_transcript(
    "https://www.youtube.com/watch?v=Z6nkEZyS9nA", 
    language="es"
)

# 示例輸出：
# 📝 完整轉錄：[完整的視頻轉錄文本]
# ⏰ 帶時間戳的片段：[00:15] 歡迎來到本教程...
# 單詞計數：約 2847 個單詞

參與度分析

# 分析視頻的參與度指標
engagement = await analyze_video_engagement("dQw4w9WgXcQ")

# 獲取視頻的評論
comments = await get_video_comments("dQw4w9WgXcQ", max_results=10, order="relevance")

📚 詳細文檔

功能參考

特殊功能：智能內容評估

evaluate_video_for_knowledge_base 函數包含高級的內容評估：

技術新鮮度評分

• 高波動性主題（React、AWS、AI/ML）：強烈傾向於近期內容。
• 中波動性主題（Python、通用編程）：適度的新鮮度加分。
• 穩定主題（算法、數學）：最小的時效性懲罰。

質量指標

• 觀看次數和參與度指標。
• 手動或自動生成的字幕。
• 內容類型檢測（教程、評測等）。
• 時長適宜性。
• 技術時效性指標（2024、2025、“最新”、版本號）。

智能推薦

• 🟢 強烈推薦 - 高質量 + 近期技術內容。
• 🟡 適度推薦 - 有一些積極指標。
• 🔴 有限推薦 - 質量指標較少。

API 配額使用

每日限制：10000 單位（默認）。 監控使用情況，以避免配額耗盡。

集成指南

Claude Desktop 集成

1. 安裝服務器：按照上述安裝步驟進行操作。
2. 添加到 Claude Desktop 配置：編輯你的 Claude Desktop 配置文件：
   • Windows：%APPDATA%\Claude\claude_desktop_config.json
   • Mac：~/Library/Application Support/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "youtube": {
      "command": "python",
      "args": ["/path/to/youtube-mcp-server/youtube_mcp_server.py"],
      "env": {
        "YOUTUBE_API_KEY": "your_youtube_api_key_here"
      }
    }
  }
}

3. 重啟 Claude Desktop。
4. 驗證集成：向 Claude 提問：“你能在 YouTube 上搜索 Python 教程嗎？”

Cursor 集成

1. 安裝服務器：按照上述安裝步驟進行操作。
2. 在 Cursor 設置中配置：
   • 打開 Cursor 設置。
   • 導航到 MCP 服務器。
   • 使用 Python 命令和參數添加新服務器。
3. 設置 API 密鑰的環境變量。
4. 使用 Cursor 進行測試：讓它搜索 YouTube 內容。

自定義項目集成

對於自定義應用程序或其他 MCP 客戶端：

from youtube_mcp_server import (
    get_video_details,
    search_videos,
    evaluate_video_for_knowledge_base
)

# 示例用法
async def example():
    # 搜索視頻
    results = await search_videos("machine learning", max_results=5)
    print(results)

    # 評估視頻是否適合知識庫
    evaluation = await evaluate_video_for_knowledge_base("dQw4w9WgXcQ")
    print(evaluation)

環境變量設置

你也可以使用環境變量代替憑證文件：

export YOUTUBE_API_KEY="your_api_key_here"

🔧 技術細節

錯誤處理

服務器包含全面的錯誤處理，以應對以下情況：

• 無效的 API 密鑰。
• 配額超出錯誤。
• 網絡連接問題。
• 無效的視頻/頻道 ID。
• 地區限制。
• 評論/字幕禁用。

測試

運行全面的測試套件：

python test_server.py

這將使用真實的 YouTube 內容對所有 14 個功能進行測試，並提供詳細的輸出。

開發說明

本項目採用以下方式進行開發：

• 增量方法 - 一次開發一個功能。
• 測試驅動開發 - 在集成之前對每個功能進行測試。
• 用戶協作 - 持續反饋和審批環節。
• 備份協議 - 安全開發，具備回滾能力。 詳細的開發和測試流程請參閱 documents/testing.md。

故障排除

常見問題

“未找到 API 密鑰”錯誤：

• 確保 credentials.yml 文件存在且格式正確。
• 檢查文件權限。
• 驗證 API 密鑰有效且未受限。

“配額超出”錯誤：

• 檢查你的 Google 雲控制檯配額使用情況。
• 考慮升級配額或優化請求。
• 對頻繁訪問的數據使用緩存。

“未找到視頻”錯誤：

• 驗證視頻 ID 或 URL 是否正確。
• 檢查視頻是否為私有或受限。
• 確保視頻未被刪除。

MCP 連接問題：

• 驗證配置中的 Python 路徑。
• 檢查所有依賴項是否已安裝。
• 配置更改後重啟 MCP 客戶端。

📄 許可證

本項目採用 MIT 許可證 - 詳情請參閱 LICENSE 文件。

🙏 致謝

• 基於 模型上下文協議 構建。
• 由 YouTube 數據 API v3 提供支持。
• 使用 FastMCP 進行開發。

準備好為你的 AI 助手賦予 YouTube 功能了嗎？立即開始吧！ 🚀