一个通过MCP协议下载YouTube视频转录并将其提供给LLM的工具，适用于视频内容分析和信息提取。
该项目将下载YouTube视频的成绩单，并使其可供您的法学硕士使用。它通过MCP协议来实现这一点。
使用以下格式的提示：
下载成绩单
下载成绩单https://www.youtube.com/watch?v=QGzgsSXdPjo.使用MCP服务器。
获取摘要
总结成绩单
从成绩单中提取新的有趣信息。这个提示通常会显示非常有趣的信息：
突出显示成绩单中的新信息
我构建此服务是为了更好地了解MCP服务器的工作原理。它还让我能够探索如何使用LLM（在本例中为Claude）构建软件。
我抓住了（重要的） 鼓励 我在构建服务器时使用的。
一个快速、轻量级的模型上下文协议（MCP）服务器，通过Puppeteer的结构化可访问性数据为LLM提供浏览器自动化功能，支持可选视觉模式以实现复杂的视觉理解，并具有灵活的跨平台配置。
一个通过简单接口检索YouTube视频字幕的服务器，支持多语言提取和时间戳标记。
一个用于精确数值计算的模型上下文协议服务器，使LLM能够使用计算器进行数值计算。
Jinni是一款高效为大型语言模型提供项目上下文的工具，通过整合相关项目文件视图，克服逐个读取文件的限制和低效问题。
一个用于查询和操作JSON数据的服务器实现，通过标准化工具使LLM能够与JSON数据交互。
MCP代码执行器是一个允许LLM在指定Python环境中执行Python代码的服务，支持增量代码生成和环境动态配置。
