使用说明
YouTube MCP服务器
用于YouTube智能的生产级模型上下文协议（MCP）服务器。使用官方的YouTube Data API v3从YouTube频道和视频中提取、分析和自动化见解。
专为人工智能代理、自动化管道和内容智能工作流而构建。
这有什么作用
此MCP服务器公开 16种专用工具 YouTube分析和自动化：
- 渠道情报 --订阅者数量、视频列表、上传模式、主题分析
- 视频分析 --详细的元数据、参与度指标、绩效比较
- 内容优化 --SEO评分、标签分析、缩略图评估
- 观众洞察 --评论提取、关键字分析、情感信号
- 趋势发现 --趋势视频跟踪、竞争基准测试
建于 零刮擦 -仅使用官方的YouTube Data API v3端点来提高可靠性和配额效率。
先决条件
YouTube数据API密钥
你 必须 拥有YouTube数据API v3密钥才能使用此服务器。
获取API密钥：
- 首选 Google 云控制台
- 创建新项目（或选择现有项目）
- 启用 YouTube数据API v3:
- 引导到 API和服务 → 图书馆
- 搜索“YouTube数据API v3”
- 点击 启用
- 创建凭据：
- 首选 API和服务 → 凭证
- 点击 创建凭据 → API密钥
- 复制API密钥
配额： 免费版每天提供10000个单位（根据复杂性，足以进行约100-500次工具调用）。
安装
步骤1：克隆存储库
git clone https://github.com/Yashkashte5/Youtube-MCP.git
cd Youtube-MCP
步骤2：安装依赖项
pip install -r requirements.txt
已安装的依赖项：
mcp--MCP协议服务器框架requests-YouTube数据API v3 HTTP客户端youtube-transcript-api--转录获取（无OAuth）Pillow--缩略图分析nltk--评论关键词的自然语言处理python-dotenv--环境变量管理
步骤3：配置API密钥
创建一个 .env 项目根目录中的文件：
YOUTUBE_API_KEY=YOUR_API_KEY_HERE
重要提示： 永不承诺 .env 到git。它已经在里面了 .gitignore.
运行服务器
独立式（用于测试）
python server.py
使用克劳德桌面
添加到您的 claude_desktop_config.json:
macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
窗户： %APPDATA%\Claude\claude_desktop_config.json
{
"mcpServers": {
"youtube-mcp": {
"command": "python",
"args": ["/absolute/path/to/Youtube-MCP/server.py"]
}
}
}
替换 /absolute/path/to/Youtube-MCP/ 根据您的实际项目路径。
然后： 完全退出并重新启动Claude Desktop。
工具参考（共16个）
通道分析
get_channel_overview
订阅者数量、总浏览量、视频数量、创建日期
get_channel_videos
最近的视频列表，包括观看次数、点赞、评论、持续时间
get_channel_tops
YouTube的主题类别（游戏、音乐、科技等）
比较通道
并排通道比较（最多5个通道）
get_upload_schedule
按天/小时发布频率、一致性得分
视频智能
获取_视频_详细信息
完整元数据：标题、描述、标签、统计数据
获取_视频_注释
按相关性和相似数排序的热门评论
get_video_transcript
NLP的自动生成或手动转录
比较视频
跨多个视频的性能比较
get_top_videos
按浏览量/点赞/参与度排名的频道最佳表现者
SEO与优化
analyze_thumbnail
缩略图URL、分辨率、文件大小元数据
获取视频得分
0-100分：标题、描述、标签、缩略图质量
get_tag_analysis
标签频率及其与视频性能的相关性
获取_渲染_视频
按地区/类别（音乐、游戏、电影）列出的热门视频
高级分析
get_engagement_stats
点赞率、评论率、每段视频的参与率
get_comment_keywords
评论中最常见的单词（已过滤停用词）
建筑
┌─────────────────────────────────────────────────────┐
│ AI Agent / Claude Desktop / MCP Client │
└──────────────────────┬──────────────────────────────┘
│ MCP Protocol
┌──────────────────────▼──────────────────────────────┐
│ server.py │
│ ├─ Tool registration & MCP handlers │
│ └─ JSON schema definitions │
└──────────────────────┬──────────────────────────────┘
│ Function calls
┌──────────────────────▼──────────────────────────────┐
│ main.py │
│ ├─ 16 tool implementations │
│ ├─ YouTube Data API v3 integration │
│ ├─ Transcript API │
│ └─ Data normalization & error handling │
└──────────────────────┬──────────────────────────────┘
│ HTTPS
┌──────────────────────▼──────────────────────────────┐
│ YouTube Data API v3 │
│ ├─ channels.list │
│ ├─ videos.list │
│ ├─ playlistItems.list │
│ ├─ commentThreads.list │
│ └─ Public data only │
└─────────────────────────────────────────────────────┘
设计原则：
- MCP=数据层 --确定性、规范化的JSON输出
- AI=推理层 --解读数据，生成洞察
- 禁止刮擦 -官方API仅用于可靠性
- 配额效率 --用途
playlistItems.list而不是昂贵search.list
项目结构
Youtube-MCP/
├── server.py # MCP server, tool registration, schema definitions
├── main.py # Tool implementations, YouTube API integration
├── requirements.txt
├── .env # API key
├── .gitignore
├── Demos/
└── README.md
示例用例
AI代理
- 自动YouTube研究助理
- 内容策略推荐系统
- 竞争情报机器人
分析管道
- 渠道绩效仪表板
- 参与度趋势跟踪
- 观众情绪分析
内容优化
- SEO审计自动化
- 标签优化建议
- 上传计划优化
研究
- YouTube生态系统分析
- 创作者行为模式
- 病毒含量动态
贡献
欢迎捐款。重点领域：
- 工具可靠性 --边缘案例处理、错误消息
- 演出 --配额优化、缓存策略
- 新工具 --播放列表分析、增长指标、预测
- 文档 --使用示例、最佳实践
贡献：
- 分叉存储库
- 创建要素分支(
git checkout -b feature/new-tool) - 提交更改(
git commit -m 'Add new tool: X') - 推送到分支(
git push origin feature/new-tool) - 打开拉取请求
许可证
MIT许可证——有关详细信息，请参阅许可证文件。
作者
Yash Kashte
github： @Yashkashte5
项目： Youtube MCP
