Supadata

Supadata MCP 服务

一个与 Supadata 集成的模型上下文协议（MCP）服务，可用于提取视频字幕、抓取网页、爬取网站和发现站点。

功能

• 从 YouTube、TikTok、Instagram、Twitter 和文件 URL 提取视频字幕
• 抓取网页、爬取网站和发现 URL
• 获取 YouTube、TikTok、Instagram 和 Twitter 的媒体元数据
• 使用 AI 从视频内容中提取结构化数据

安装

有关 Claude、ChatGPT、Cursor、Windsurf、VS Code 和其他客户端的设置说明，请参阅集成指南。

运行

Stdio（默认）

运行此软件包会在 stdio 上启动 MCP 服务。MCP 客户端 （Claude Desktop、Cursor、VS Code、Windsurf 等）启动该服务时会使用此方式：

SUPADATA_API_KEY=your-api-key npx -y @supadata/mcp

客户端配置示例：

{
  "mcpServers": {
    "supadata": {
      "command": "npx",
      "args": ["-y", "@supadata/mcp"],
      "env": { "SUPADATA_API_KEY": "your-api-key" }
    }
  }
}

Streamable HTTP（托管）

同一组工具通过 src/worker.ts 中的 Cloudflare Worker 以 Streamable HTTP 提供， 部署地址为 https://api.supadata.ai/mcp，并使用 OAuth 2.1。 使用 npm run dev（wrangler）在本地运行。/mcp 也接受直接通过 x-api-key 标头进行身份验证。

OAuth 连接会在使用期间保持有效，闲置 30 天后过期。 过期后，客户端必须重新登录；Codex 会不断重试已过期的登录，而不会发出提示，因此如果 Supadata 工具在 Codex 中无法使用，请运行 codex mcp login supadata。

配置

环境变量

• SUPADATA_API_KEY：你的 Supadata API 密钥（stdio 服务必需）。请前往 dash.supadata.ai 获取
• DEBUG：设为 true 可启用详细日志
• RUN_STDIO：设为 true 可在导入模块时强制启动 stdio 服务，而不是仅在直接执行模块时启动

如何选择工具

根据需求选择合适的工具：

• 字幕： 从平台和文件 URL 中提取视频字幕
• 抓取： 已知确切 URL 时，从单个页面提取内容
• 映射： 发现网站上的所有可用 URL
• 爬取： 全面提取多个相关页面的内容
• 元数据： 获取媒体 URL 的元数据（YouTube、TikTok、Instagram、Twitter）
• 提取： 使用 AI 从视频内容中提取结构化数据

工具	适用场景	返回内容
transcript	提取视频字幕	text/markdown
metadata	获取媒体元数据	JSON object
extract	使用 AI 提取结构化数据	JSON object
scrape	提取单个页面内容	markdown/html
map	发现站点 URL	URL[]
crawl	提取多个页面	markdown/html[]

可用工具

字幕（supadata_transcript）

从受支持的视频平台（YouTube、TikTok、Instagram、Twitter）和文件 URL 中提取字幕。

用法：

supadata_transcript --url "https://youtube.com/watch?v=example" --lang "en"

检查字幕状态（supadata_check_transcript_status）

使用任务 ID 检查字幕提取任务的进度。

用法：

supadata_check_transcript_status --id "550e8400-e29b-41d4-a716-446655440000"

元数据（supadata_metadata）

获取受支持平台（YouTube、TikTok、Instagram、Twitter）上媒体 URL 的元数据。返回平台信息、标题、描述、作者详情、互动统计、媒体详情、标签和创建日期。

用法：

supadata_metadata --url "https://youtube.com/watch?v=example"

提取（supadata_extract）

使用 AI 从视频 URL 中提取结构化数据。请提供要提取内容的提示词、输出格式的 JSON Schema，或同时提供两者。异步处理时会返回任务 ID。

用法：

supadata_extract --url "https://youtube.com/watch?v=example" --prompt "Extract the main topics discussed"

检查提取状态（supadata_check_extract_status）

使用任务 ID 检查提取任务的进度。

用法：

supadata_check_extract_status --id "550e8400-e29b-41d4-a716-446655440000"

抓取（supadata_scrape）

使用高级选项从单个 URL 提取内容。

用法：

supadata_scrape --url "https://example.com" --lang "en"

地图（supadata_map）

发现网站上所有已索引的 URL，以便在抓取前找到相关页面。

用法：

supadata_map --url "https://example.com"

爬取（supadata_crawl）

启动异步爬取任务，从网站的多个页面中提取内容。

用法：

supadata_crawl --url "https://example.com/blog" --limit 100

检查爬取状态（supadata_check_crawl_status）

使用任务 ID 检查爬取任务的进度。

用法：

supadata_check_crawl_status --id "550e8400-e29b-41d4-a716-446655440000"

开发

# Install dependencies
npm install

# Build
npm run build

# Run tests
npm test

贡献

1. 复刻此代码库
2. 创建功能分支
3. 运行测试：npm test
4. 提交拉取请求

许可证

MIT 许可证——详情请参阅 LICENSE 文件