tubescout

Name: tubescout
Author: not0lucky

本地服务

github.com/not0lucky搜索与检索09 周前更新

代码仓库

关于 tubescout

tubescout 是无需 API 密钥的 MCP 服务和技能包，供 AI Agent 研究 YouTube 视频。它提供搜索、元数据、字幕、频道数据和需求信号，并通过技能引导基于证据的分析。

主要功能

01按条件筛选视频搜索
02获取元数据和互动信号
03获取单条或批量字幕
04查看频道上传内容及播放量
05获取关键词搜索建议
06使用六种研究技能

适用场景

01查找某主题的近期视频
02分析视频中的主张和数据
03研究关键词的受众需求
04比较频道策略与视频表现

MCP 相关

MCP 服务向 MCP 客户端提供 YouTube 搜索、视频与频道数据、字幕及搜索建议。配套技能为 Agent 提供研究方法。

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置

{
  "mcpServers": {
    "not0lucky-tubescout": {
      "command": "npx",
      "args": [
        "-y",
        "tubescout"
      ]
    }
  }
}

启动命令npx -y tubescout

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

npmtubescout0.1.1stdio

工具

收录的工具列表 · 更新于 2 周前

参数	类型	必填	说明
query	string	是	搜索查询
sortBy	enum	否	结果排序方式（默认：相关性）relevance \| upload_date \| view_count \| rating
duration	enum	否	短 <4 分钟，中 4-20 分钟，长 >20 分钟short \| medium \| long
maxResults	integer	否	返回的最大结果数（默认 15）
uploadDate	enum	否	仅包含在此时间范围内上传的视频hour \| today \| week \| month \| year

详细介绍

TubeScout 🔭

将 YouTube 变成 AI Agent 的研究引擎。 一个 MCP 服务（无需 API 密钥）加上一套技能包，让 Claude Code、Codex 和 OpenCode 能像查询数据库一样搜索 YouTube、大规模读取字幕，并从视频中挖掘证据——论点、数字、需求信号，而不是凭感觉。

创意挖掘工具会扫描 Reddit 和论坛。YouTube 上的创业者会展示真凭实据——收入仪表盘、实操指南、镜头前的真实数字——但没有工具能挖掘这些内容。TubeScout 可以。

快速开始（60 秒）

Claude Code

claude mcp add --scope user tubescout -- npx -y tubescout

Codex

codex mcp add tubescout -- npx -y tubescout

OpenCode — 在 "mcp" 下添加到 ~/.config/opencode/opencode.json：

"tubescout": { "type": "local", "command": ["npx", "-y", "tubescout"], "enabled": true }

就这么简单——无需 API 密钥，也无需配置。然后可以向 Agent 提出这样的问题：

“找出过去一个月里关于 n8n 的观看次数最高的 5 个视频，并总结人们正在为什么问题发愁。”

最简单的一站式方案（Claude Code）：安装为插件 — 只需两条命令即可安装 MCP 服务和全部 6 个技能：

/plugin marketplace add not0lucky/tubescout
/plugin install tubescout@tubescout

或者手动安装技能包（适用于 Claude Code、Codex 和 OpenCode）：

git clone https://github.com/not0lucky/tubescout && cd tubescout
./scripts/install-skills.sh   # installs into ~/.claude/skills, ~/.codex/skills, ~/.config/opencode/skills

工具

工具	功能
`search_videos`	使用筛选条件搜索（上传时间范围、时长、按观看次数／日期排序）
`get_video`	完整元数据和互动数据（`likesPer1kViews` 共鸣信号）
`get_transcript`	通过可靠的三策略回退链获取纯文本字幕
`get_transcripts`	批量获取字幕（最多 10 个视频），单个视频出错不会影响其他视频
`get_channel_videos`	分析频道定位，并列出近期上传视频及其观看次数
`get_search_suggestions`	YouTube 自动补全 = 关键词研究中的真实搜索需求

技能（研究方法）

技能	用途
`/yt-breakdown <urls>`	以怀疑者视角分析视频：提取所有论点和数字，并检验其中的利益动机、幸存者偏差和可验证性
`/yt-idea-mine <niche>`	挖掘某个细分领域中的产品创意，以需求信号和实际创作者在镜头前描述的痛点为依据
`/yt-validate <idea>`	给出是否推进的结论：需求、市场饱和度，以及竞争对手的数字实际说明了什么
`/yt-channel-intel <channel>`	解读频道策略：发布节奏、表现异常的视频，以及实际表现出色的内容与发布内容之间的差异
`/yt-playbook <tutorial url>`	将教程转化为可执行步骤——精确的命令、设置，以及教程中一带而过的注意事项——并适配你的技术栈
`/yt-gap <niche>`	找出需求与供给之间的缺口：搜索量大、但相关视频质量差、年代久远或不合适的主题——可用于内容规划或产品构思

所有技能都能感知上下文：它们会读取对话内容，了解你正在构建什么、使用什么技术栈，以及已经分析过哪些视频，并据此结合你的实际优势定制结论，而不是给出泛泛的建议。

查看针对三个“我如何每月赚取 $X”视频进行的一次真实 /yt-breakdown 分析，了解哪些内容经得起怀疑者的检验，哪些没有。

工作原理（如实说明）

这里没有魔法，这正是重点：

youtubei.js 使用 YouTube 内部的 InnerTube API——也就是网站本身使用的 API。无需密钥，也没有配额。
字幕来自 YouTube 自带的字幕，并通过回退链获取：ANDROID 客户端的 timedtext 字幕轨道 → InnerTube 字幕接口（已知会间歇性返回 400 错误，因此会通过退避策略重试）→ 本地 yt-dlp（如果你已安装）。每条响应都会告知提供数据的 source。
所有分析都由你的 Agent 完成。服务负责提供数据；技能负责提供方法。

限制

请在本地运行。 YouTube 会严格限制数据中心 IP 的速率——本项目按设计采用本地 stdio 服务，而非托管服务。
YouTube 可能会在不通知的情况下更改内部机制；如果因此出现问题，请更新（npx 始终获取最新版本），并提交 issue，附上出错视频的 ID。
无法为已停用字幕的视频生成转录文本（这种情况很少见；错误信息会明确说明）。
抓取字幕处于 YouTube 服务条款的灰色地带——用于本地研究工具没有问题，但不要基于此开发收费托管产品。

Development

npm install && npm run build
npm test          # unit tests (offline)
npm run test:live # live smoke tests against real videos — run before publishing
npm run inspect   # MCP Inspector against the built server

MIT — see LICENSE.

Built by Anir — I automate things. More at agramprojects.com.

支持 Markdown

登录后评论