--- title: "AI エージェント向け transcript.im MCP サーバー" description: "Claude、ChatGPT、Cursor、OpenAI Agent Builder を transcript.im MCP サーバーに接続し、文字起こし・バッチ・YouTube 検索をツールとしてエージェントに渡します。" canonical: "https://transcript.im/ja/mcp" markdown: "https://transcript.im/ja/mcp.md" --- # AI エージェント向け transcript.im MCP サーバー Claude、ChatGPT、Cursor、OpenAI Agent Builder を transcript.im MCP サーバーに接続し、文字起こし・バッチ・YouTube 検索をツールとしてエージェントに渡します。 ## リンク - [正規の HTML](https://transcript.im/ja/mcp) - [マークダウン](https://transcript.im/ja/mcp.md) transcript.im MCP サーバーは、AI クライアントが直接呼び出せる文字起こしツールを提供します。Claude、ChatGPT、Cursor、OpenAI Agent Builder をサーバーに向け、API キーを渡すだけで、モデルは公開リンクから文字起こしを取得し、バッチを開始し、字幕を書き出し、YouTube を検索できます。ブラウザも独自の連携も不要です。リモート HTTP エンドポイントなので、ホスト型クライアントに必要なのは URL とキーだけであり、ローカルへのインストールは不要です。 - `https://mcp.transcript.im/mcp` のリモートエンドポイント 1 つ。API キーで認証し、インストールするものはありません。 - 文字起こし、バッチ、書き出し、YouTube 検索、利用状況のための 11 のツール。 - AI ツールは含みません。モデルはすでにクライアント側で動いており、サーバーは文字起こしとプラットフォームのデータを提供します。 - REST API ですでに使っているのと同じアカウント、同じ抽出パイプライン。 - 長い文字起こしはページトークンで分割され、1 つの結果がコンテキストウィンドウをあふれさせません。 ## transcript.im MCP サーバーが行うこと Model Context Protocol を使うと、クライアントはサーバーが公開したツールを検出して呼び出せます。transcript.im MCP サーバーはその面を 1 つの仕事に使います。公開された動画や音声のリンクを文字起こしに変え、その周辺のプラットフォームの問いに答えることです。クライアントは URL を添えて `get_transcript` を呼び出します。サーバーは transcript.im の抽出パイプラインに到達し、作成者の字幕があれば使い、なければ AI 文字起こしに切り替えます。 重い処理はサーバー側にあるため、クライアントにはダウンローダーも、ブラウザ自動化のスタックも、自前の音声認識モデルも要りません。必要なのはツール呼び出し 1 つです。それが MCP 文字起こしサーバーの役割です。モデルはすでにここにいる理由であり、サーバーはデータに集中します。 - ツールとしての文字起こし抽出：1 回の呼び出しでリンクがタイムスタンプ付きテキストになります。 - YouTube 検索も：動画やチャンネルを検索し、チャンネルを解決し、アップロードとプレイリスト項目を一覧し、字幕メタデータを読み取ります。 - バッチと書き出し：多数のリンクをキューに入れ、完成したセットを書き出します。 - 中にモデルはなし：サーバーはデータを返し、クライアントがその扱いを決めます。 ## エージェントが呼び出せるツール ### 文字起こし `get_transcript` は URL から文字起こしを抽出し、長いものでは次のブロックを読み取ります。`get_transcript_info` は、抽出を決める前に動画のメタデータと API が解決できる字幕トラックを返します。2 つを組み合わせることで、エージェントは動画を文字起こしする価値があるか判断し、本当に必要な言語の優先順位を指定し、タイムスタンプ付きまたはなしでテキストを取得できます。 ### バッチと書き出し `create_batch` は URL リスト、プレイリスト、チャンネルから実行を開始し、`get_batch` はステータス、件数、次の項目ページを報告し、`export_batch` は完了したバッチをテキストまたは字幕に変換します。エージェントが 1 本ずつではなく作成者のバックログ全体を処理する方法であり、失敗したリンクは残りを捨てずに個別に報告されます。 ### YouTube 検索 `search_video` はトピックで動画やチャンネルを探し、`get_channel` はハンドルや URL を解決し、`list_channel_video` はチャンネルのアップロードを一覧し、`list_playlist_item` はプレイリストをたどり、`list_caption` は動画の字幕メタデータと文字起こし本文を読み取ります。エージェントがニッチを調べ、作成者が何を公開しているか確認し、文字起こしする前に適切なソースを選ぶためのツールです。 ### アカウント `get_usage` はアカウントの利用状況の概要を返すので、エージェントは大きなバッチや長いチャンネルに踏み込む前に、すでに何を使ったかを確認でき、実行の途中で上限に気づく事態を避けられます。 ## すでに使っているクライアントを接続する ### Claude リモートサーバーをカスタムコネクタとして追加するか、コマンドラインから登録します。Claude は MCP サーバーとネゴシエートし、そのツールを会話に公開してターンをまたいで利用可能に保つので、自然な言葉で文字起こしを頼み、リンクを繰り返さずに続けて要約を頼めます。 ### ChatGPT MCP コネクタを追加し、API キー認証を選びます。すると ChatGPT は他の接続アプリと同じように文字起こしツールを呼び出すため、チャットに貼った動画リンクが、モデルが引用・翻訳・分析できる読めるテキストになります。 ### Cursor とその他のエディタ エディタの `mcpServers` 設定を API キーとともにリモート URL に向けます。エディタのエージェントはリンクを文字起こしし、結果をプロジェクトやノートに直接書き込めます。 ### OpenAI Agent Builder サーバー URL と Bearer 資格情報を指定して MCP ツールを追加すると、エージェントは文字起こしをより大きなワークフローの 1 ステップとして使い、独自コネクタなしで次の処理へテキストを渡せます。 ## 接続と認証 サーバーはリモート HTTP エンドポイントなので、クライアントの接続はインストールではなく URL とキーです。 - リモート HTTP：MCP クライアントに `https://mcp.transcript.im/mcp` を追加します。自分のマシンで動かすものはありません。 - API キー：キーを `Authorization: Bearer ` または `x-api-key` として送ります。サーバーがそれを REST API に転送するため、同じアカウントと権限が適用されます。 - ツール検出：エンドポイントは MCP の検出リクエストに応答するので、クライアントは呼び出す前に公開されたツールを列挙できます。 - 同じ結果：ツール、分割、エラーは同じアカウントが REST API から受け取るものと一致するため、動作はクライアントに依存しません。 ## 長い文字起こしを扱いやすく 2 時間の録音は、モデルが 1 つのツール結果として受け取るには多すぎるテキストを生みます。そこでサーバーは長い文字起こしを区切ったブロックで返します。各ブロックは `truncated: true` と不透明な `nextPageToken` を報告し、そのトークンだけで `get_transcript` を再度呼ぶと次のブロックが返り、エージェントは文字起こしを使い切るまで繰り返します。 - 区切られた結果：各ブロックに上限があるため、1 つの結果がコンテキストウィンドウをあふれさせたり、以前の推論を押し出したりしません。 - ステートレスなページング：トークンが位置を運び、呼び出しの間にサーバーセッションを保持しないので、どのレプリカでも次のブロックを返せます。 - JSON ページング：JSON の文字起こしはセグメント単位でページングするため、構造化された利用側は期待するスキーマを保ったままテキストをたどれます。 - ジョブのポーリング：字幕のない動画はジョブ ID を返し、エージェントは文字起こしが準備できるまでポーリングします。 - 読める冒頭：最初のブロックだけで冒頭に関する問いに答えられるので、短い追問が文字起こし全体を取得する必要はありません。 ## エージェントが対応できるエラー ツール呼び出しが失敗すると、サーバーはスタックトレースではなく読めるテキストの MCP エラーを返します。構造化された詳細が結果とともに運ばれるので、エージェントは推測せずに復帰できます。`code`、HTTP `status`、上限に達したときの `upgradeUrl`、要求した言語がないときの `availableLanguages` です。これにより行き止まりが次の行動に変わります。別の言語を試す、別のリンクを選ぶ、会話中の人に上限を伝える。失敗の理由を読めるモデルは次の試行を自分で修正でき、これが有益に再試行するエージェントと、壊れた同じ呼び出しをループするエージェントの違いです。 ## 関連 - [REST API](/ja/api) - [Agent Skills](/ja/skills) - [API ドキュメント](/docs) - [ユーチューブ 文字起こし](/ja/youtube-transcript) - [YouTube 要約](/ja/youtube-video-summarizer) - [字幕ジェネレーター](/ja/youtube-subtitle-generator) - [YouTube 字幕 ダウンロード](/ja/youtube-subtitle-downloader) - [チャンネル文字起こし](/ja/youtube-channel-transcript) - [プレイリストの文字起こし](/ja/youtube-playlist-transcript) ## MCP サーバー FAQ ### transcript.im MCP サーバーとは何ですか？ transcript.im MCP サーバーは、文字起こしの抽出、バッチジョブ、書き出し、YouTube 検索を、AI クライアントが呼び出せるツールとして公開する Model Context Protocol の面です。 ### transcript.im MCP サーバーに接続できるクライアントは？ Claude、ChatGPT、Cursor、OpenAI Agent Builder、その他の MCP クライアントが、API キーを使ってリモート HTTP エンドポイントに接続できます。 ### transcript.im MCP サーバーには AI ツールが含まれますか？ いいえ。サーバーは意図的にデータと抽出ツールだけを公開します。結果を要約したり書き直したりするモデルは、すでにクライアント側で動いているためです。 ### エージェントは動画リンクからどうやって文字起こしを取得しますか？ リンクを添えて文字起こしツールを呼び出します。サーバーは既存の字幕を先に使い、なければ AI 文字起こしに切り替え、タイムスタンプ付きのテキストを返します。 ### MCP サーバーは長い文字起こしをどう扱いますか？ 区切ったブロックで返します。各結果に切り捨てのフラグとページトークンが付き、エージェントはそのトークンでツールを再度呼び出して次のブロックを読みます。 ### エージェントは transcript.im MCP サーバーでバッチを実行できますか？ はい。バッチツールは URL リスト、プレイリスト、チャンネルを受け取り、ステータスと件数を報告し、完成したセットをテキストまたは字幕として書き出します。 ### transcript.im MCP サーバーは YouTube 検索とチャンネルに対応しますか？ はい。専用ツールが動画とチャンネルの検索、チャンネルの解決、チャンネルのアップロード、プレイリスト項目、字幕メタデータを扱います。 ### MCP サーバーはクライアントをどう認証しますか？ API キーを Bearer トークンまたは `x-api-key` ヘッダーとして受け取り、REST API に転送します。そのため呼び出しは直接の API リクエストと同じアカウントに届きます。 ## transcript.im MCP サーバーを接続 MCP クライアントにサーバー URL を追加し、API キーを渡して、エージェントに文字起こしを頼みましょう。 - [API キーを作成](/app/account/api-keys) - [API 契約を読む](/docs)