Youtube Vision

YouTube Vision MCP 服务（youtube-vision）

利用 Google Gemini Vision API 与 YouTube 视频交互的 MCP（Model Context Protocol）服务。用户可以获取视频描述、摘要、问题解答，并提取 YouTube 视频中的关键时刻。

功能

• 使用 Gemini Vision API 分析 YouTube 视频。
• 提供多种工具，支持不同的交互方式：
  • 通用描述或问答（ask_about_youtube_video）
  • 摘要（summarize_youtube_video）
  • 提取关键时刻（extract_key_moments）
• 列出支持 generateContent 的 Gemini 模型。
• 通过环境变量配置 Gemini 模型。
• 通过 stdio（标准输入/输出）通信。

前提条件

使用此服务前，请确保具备以下条件：

• Node.js： 推荐使用 18 或更高版本。可从 nodejs.org 下载。
• Google Gemini API 密钥： 从 Google AI Studio 或 Google Cloud Console 获取 API 密钥。

安装与使用

使用此服务主要有两种方式：

通过 Smithery 安装

通过 Smithery 为 Claude Desktop 自动安装 youtube-vision-mcp：

npx -y @smithery/cli install @minbang930/youtube-vision-mcp --client claude

选项 1：使用 npx（推荐快速使用）

运行此服务最简单的方式是使用 npx，它会下载并运行此软件包，无需永久安装。

你可以在 MCP 客户端的设置文件（Claude、VSCode .. ）中进行配置：

{
  "mcpServers": {
    "youtube-vision": {
      "command": "npx",
      "args": [
        "-y",
        "youtube-vision"
      ],
      "env": {
        "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY",
        "GEMINI_MODEL_NAME": "gemini-2.0-flash"
      }
    }
  }
}

将 "YOUR_GEMINI_API_KEY" 替换为你实际的 Google Gemini API 密钥。

选项 2：手动安装（从源代码安装）

如果你想修改代码或直接从源代码运行：

1. 克隆代码库：

   git clone https://github.com/minbang930/Youtube-Vision-MCP.git
   cd youtube-vision
   

2. 安装依赖项：

   npm install
   

3. 构建项目：

   npm run build
   

4. 配置并运行： 然后，你可以直接使用 node dist/index.js 运行编译后的代码（请确保已将 GEMINI_API_KEY 设置为环境变量），也可以配置 MCP 客户端，通过 node 命令和 dist/index.js 的绝对路径运行，并按照 npx 示例所示，通过 env 设置传入 API 密钥。

配置

此服务使用以下环境变量：

• GEMINI_API_KEY（必填）：你的 Google Gemini API 密钥。
• GEMINI_MODEL_NAME（可选）：要使用的特定 Gemini 模型（例如，gemini-1.5-flash）。默认为 gemini-2.0-flash。**重要：**用于生产或商业用途时，请确保选择未标记为“Experimental”或“Preview”的模型版本。

环境变量应在 MCP 客户端设置文件（例如，mcp_settings.json）的 env 部分中设置。

可用工具

1. ask_about_youtube_video

回答有关视频的问题；如果没有提出问题，则提供通用描述。

• 输入：
  • youtube_url（字符串，必填）：YouTube 视频的网址。
  • question（字符串，可选）：要询问的有关视频的具体问题。省略时，将生成通用描述。
• **输出：**包含答案或描述的文本。

2. summarize_youtube_video

生成指定 YouTube 视频的摘要。

• 输入：
  • youtube_url（字符串，必填）：YouTube 视频的 URL。
  • summary_length（字符串，可选）：所需的摘要长度（'short'、'medium'、'long'）。默认为 'medium'。
• **输出：**包含视频摘要的文本。

3. extract_key_moments

提取指定 YouTube 视频的关键时刻（时间戳和描述）。

• 输入：
  • youtube_url（字符串，必填）：YouTube 视频的 URL。
  • number_of_moments（整数，可选）：要提取的关键时刻数量。默认为 3。
• **输出：**描述关键时刻及其时间戳的文本。

4. list_supported_models

列出支持 generateContent 方法的可用 Gemini 模型（通过 REST API 获取）。

• **输入：**无
• **输出：**列出受支持模型名称的文本。

重要说明

• **生产环境的模型选择：**将此服务用于生产或商业用途时，请确保所选的 GEMINI_MODEL_NAME 是适合生产使用的稳定版本。根据 Gemini API 服务条款，标记为 “Experimental” 或 “Preview” 的模型不得用于生产部署。
• **API 服务条款：**使用此服务须遵守 Google Gemini API 的相关规定。用户有责任查阅并遵守 Google APIs 服务条款和 Gemini API 附加服务条款。请注意，Gemini API 免费版和付费版的数据使用政策可能有所不同。使用免费版时，请勿提交敏感或机密信息。
• **内容责任：**不保证通过 Gemini API 生成的内容准确或恰当。在依赖或发布生成的内容前，请审慎判断。

许可证

本项目采用 MIT 许可证。详情请参阅 LICENSE 文件。