youtube-AI-summarizer-ollama3.2 8b-n8n-mcptool

MCPAI代理

提供方 rustinlabs

AI代理 未标注 无需鉴权 社区 / 第三方 Claude DesktopClaude

一个端到端的AI自动化系统,通过本地LLM处理、微服务和MCP集成实现YouTube视频结构化摘要生成。

一句话选型结论

按资料字段整理

youtube-AI-summarizer-ollama3.2 8b-n8n-mcptool 属于AI代理类 MCP 服务器,传输方式未标注,无需鉴权,可直接接入 Claude Desktop、Claude,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 1 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量1暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

AI摘要JavaScript本地部署视频处理工作流自动化本地LLMMCP集成

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 1 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 1 个工具,职责相对集中,接入后不容易误操作。
  • 已适配 Claude Desktop、Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
youtube-AI-summarizer-ollama3.2 8b-n8n-mcptool当前 1 未标注 未标注 无 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方rustinlabs上游标注的维护方 rustinlabs
分类AI代理本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

8.1 KB
来自项目仓库与上游目录的原文,未做删改

集成MCP的YouTube AI摘要生成器

一个端到端的人工智能自动化系统,使用自定义微服务、n8n工作流自动化、本地LLM处理(Ollama)和与Claude Desktop集成的模型上下文协议(MCP)来分析YouTube视频。

🎯 特性

  • YouTube转录提取:自定义Node.js微服务获取视频转录
  • AI分析:当地LLM(Ollama)生成结构化摘要,其中包含关键点和行动项
  • 工作流程自动化:n8n协调整个管道
  • MCP集成:通过Claude Desktop进行对话访问
  • 容器化:Docker和Docker Compose便于部署
  • API成本为零:完全在本地基础设施上运行

🏗️ 建筑```

User Request (Claude Desktop)
↓
MCP Server (Node.js)
↓
n8n Workflow (Docker)
↓
YouTube Transcript Microservice (Docker)
↓
Ollama LLM (Local)
↓
Structured Summary Response


### 组件

1. **YouTube转录微服务** (`youtube-transcript-api/`)

- Express.js API服务器
- 使用youtubei.js获取YouTube视频转录
- Docker化以实现一致的部署
- 在端口3000上显示REST API

1. **n8n工作流** (`n8n-workflow/`)

- Webhook触发器接收YouTube URL
- 提取视频ID
- 调用转录微服务
- 发送给Ollama进行人工智能分析
- 返回结构化JSON响应

1. **MCP服务器** (`youtube-mcp-server/`)

- 实现模型上下文协议
- 将Claude Desktop连接到n8n工作流
- 提供对话界面
- 工具: `summarize_youtube_video`

1. **Olama集成**

- 本地LLM处理(推荐qwen2.5:7b)
- API零成本
- 完全数据隐私
- 可定制的提示

## 📋 先决条件

- **Docker桌面** (最新版本)
- **Node.js** 18+和npm
- **奥拉玛** 已安装并正在运行
- **克劳德桌面版** 应用程序(用于MCP集成)
- **n8n** (通过Docker)

## 🚀 快速开始

### 1.克隆存储库```bash
git clone https://github.com/yourusername/youtube-ai-summarizer.git
cd youtube-ai-summarizer

2.安装Olama模型```bash

ollama pull qwen2.5:7b


### 3.使用Docker Compose启动服务```bash
docker-compose up -d

这将开始:

  • YouTube转录微服务(端口3000)
  • n8n(端口5678)

4.配置n8n工作流

  1. 打开n8nhttp://localhost:5678
  2. 导入工作流: n8n-workflow/youtube-summarizer-workflow.json
  3. 激活工作流

5.设置MCP服务器```bash

cd youtube-mcp-server
npm install


配置Claude桌面:```bash
# macOS
open ~/Library/Application\ Support/Claude/claude_desktop_config.json

添加此配置:```json
{
"mcpServers": {
"youtube-summarizer": {
"command": "node",
"args": [
"/ABSOLUTE/PATH/TO/youtube-mcp-server/index.js"
]
}
}
}


替换 `/ABSOLUTE/PATH/TO/` 你的实际路径。

### 6.重新启动克劳德桌面

完全退出并重新打开Claude Desktop。

### 7.测试一下!

在Claude Desktop中,问:

> “总结一下这个YouTube视频:https://www.youtube.com/watch?v=8jPQjjsBbIc"

## 📖 用法

### 通过克劳德桌面(推荐)```
You: "Summarize this YouTube video: https://www.youtube.com/watch?v=VIDEO_ID"

Claude: [Uses MCP tool to analyze and return structured summary]

通过API(直接)```bash

curl -X POST http://localhost:5678/webhook/youtube-summary \
-H "Content-Type: application/json" \
-d '{"url": "https://www.youtube.com/watch?v=VIDEO_ID"}'


### 响应格式```json
{
"success": true,
"videoId": "8jPQjjsBbIc",
"url": "https://www.youtube.com/watch?v=8jPQjjsBbIc",
"summary": {
"content": "SUMMARY: [One sentence summary]\n\nKEY POINTS:\n- Point 1\n- Point 2\n- Point 3\n\nACTION ITEMS:\n- Action 1\n- Action 2\n\nTOPICS: topic1, topic2, topic3"
},
"wordCount": 2074,
"timestamp": "2024-12-05T20:50:40.390Z"
}

🛠️ 配置

更改LLM模型

编辑n8n工作流Ollama节点:

  • qwen2.5:7b -平衡精度和速度(推荐)
  • 美洲驼3.1:8b -更好的指导
  • 骆驼3.2:3b -最快但不太准确

自定义提示

编辑n8n工作流中的“构建提示”节点以进行调整:

  • 输出格式
  • 分析深度
  • 要提取的具体见解

调整LLM温度

较低的温度(0.1-0.3)=更真实,更少创意
更高的温度(0.7-1.0)=更具创造力,更高的幻觉风险

推荐: 0.3 用于摘要

📁 项目结构```

youtube-ai-summarizer/
├── youtube-transcript-api/ # Microservice
│ ├── Dockerfile
│ ├── package.json
│ └── server.js
├── youtube-mcp-server/ # MCP Integration
│ ├── index.js
│ └── package.json
├── n8n-workflow/ # Automation Workflow
│ └── youtube-summarizer-workflow.json
├── docker-compose.yml # Orchestration
├── docs/ # Documentation
│ ├── MICROSERVICE.md
│ ├── MCP_SETUP.md
│ └── DOCKER_GUIDE.md
├── .gitignore
└── README.md


## 🔧 故障排除

### MCP服务器未在Claude中显示

1. 检查Claude Desktop配置路径是否正确
1. 验证到的绝对路径 `index.js`
1. 检查克劳德桌面日志: `~/Library/Logs/Claude/`
1. 确保您完全退出并重新打开Claude Desktop

### 微服务连接被拒绝```bash
# Check if container is running
docker ps

# View logs
docker logs youtube-transcript

# Restart container
docker restart youtube-transcript

Ollama没有回应```bash

Check if Ollama is running

ollama list

Start Ollama

ollama serve

Test connection

curl http://localhost:11434/api/tags


### n8n工作流错误

1. 验证所有服务是否正在运行: `docker-compose ps`
1. 检查n8n日志: `docker logs n8n`
1. 确保工作流已激活(在右上角切换)
1. 对于Docker n8n,请使用 `http://host.docker.internal:3000` 微服务
1. 对于Docker n8n,请使用 `http://host.docker.internal:11434` 对于Ollama

## 🚀 高级用法

### 数据库存储(可选)

添加SQLite存储以持久化摘要:```bash
# Install SQLite in n8n
# Add SQLite node to workflow after "Parse LLM Response"

看 docs/DATABASE_SETUP.md 了解详情。

批处理

处理多个视频:javascript // In MCP server, add batch tool { name: "batch_summarize_videos", description: "Summarize multiple YouTube videos", inputSchema: { type: "object", properties: { urls: { type: "array", items: { type: "string" } } } } }

与其他服务集成

  • Slack:将摘要发布到频道
  • 电子邮件:发送分析视频的每日摘要
  • 概念:保存到数据库
  • 谷歌表格:记录所有摘要

🎓 教育价值

该项目展示了:

  • 微服务架构:独立的集装箱服务
  • 工作流程自动化:n8n用于编排
  • 人工智能集成:本地LLM部署和提示
  • MCP协议:尖端AI工具使用协议
  • 码头工人:集装箱化和联网
  • API设计:RESTful端点
  • 错误处理:强大的错误管理
  • 生产实践:健康检查、日志记录、重启策略

📊 演出

  • 获取成绩单:500-2000ms(取决于视频长度)
  • LLM处理:2-10秒(取决于型号和转录长度)
  • 总管道:端到端约5-15秒
  • 内存使用:总计约300MB(所有集装箱)
  • 成本:0美元(完全本地)

🤝 贡献

欢迎投稿!拜托:

  1. 分叉存储库
  2. 创建要素分支(git checkout -b feature/amazing-feature)
  3. 提交您的更改(git commit -m 'Add amazing feature')
  4. 推到分支(git push origin feature/amazing-feature)
  5. 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

🙏 致谢

  • Anthropic -Claude桌面和MCP协议
  • n8n -工作流自动化平台
  • 奥拉玛 -本地LLM部署
  • youtubei.js -YouTube文字记录提取

📧 联系

鲁斯汀·科尔莫斯-

项目链接:https://github.com/rustinlabs/youtube-ai-summarizer


🎯 用例

  • 内容创作者:快速分析竞争对手的视频
  • 研究人员:从教育内容中提取关键点
  • 教育工作者:为学生总结讲座视频
  • 企业:分析行业网络研讨会和会议
  • 个人:从保存的视频中构建可搜索的知识库

内置于❤️ Rustin Kormos

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
youtube-AI-summarizer-ollama3.2 8b-n8n-mcptool 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

youtube-AI-summarizer-ollama3.2 8b-n8n-mcptool 怎么在 Claude Desktop、Claude 里配置?

它的传输方式未标注,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

youtube-AI-summarizer-ollama3.2 8b-n8n-mcptool 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

youtube-AI-summarizer-ollama3.2 8b-n8n-mcptool 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

youtube-AI-summarizer-ollama3.2 8b-n8n-mcptool 支持哪些客户端?

资料标注支持 Claude Desktop、Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

youtube-AI-summarizer-ollama3.2 8b-n8n-mcptool 能提供哪些能力?

资料显示约 1 个工具;能力标签包括 本地LLM、JavaScript、Claude、工作流自动化。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。