--- title: "Transcript MCP-server voor AI-agents" description: "Verbind Claude, ChatGPT, Cursor of OpenAI-agentbouwer met de transcript.im MCP-server en geef je agent transcripties, batches en YouTube-discovery als tools." canonical: "https://transcript.im/nl/mcp" markdown: "https://transcript.im/nl/mcp.md" --- # Transcript MCP-server voor AI-agents Verbind Claude, ChatGPT, Cursor of OpenAI-agentbouwer met de transcript.im MCP-server en geef je agent transcripties, batches en YouTube-discovery als tools. ## Links - [Canonieke HTML](https://transcript.im/nl/mcp) - [Markdown](https://transcript.im/nl/mcp.md) De transcript.im MCP-server geeft een AI-client een transcriptietool die hij direct kan aanroepen. Richt Claude, ChatGPT, Cursor of OpenAI-agentbouwer op de server, geef een API-sleutel op, en het model kan een transcriptie ophalen uit een openbare link, een batch starten, ondertitels exporteren of YouTube doorzoeken zonder browser en zonder maatwerk-integratie. Het is een extern HTTP-eindpunt, dus een gehoste client heeft alleen de URL en een sleutel nodig in plaats van een lokale installatie. - Eén extern eindpunt op `https://mcp.transcript.im/mcp`, geverifieerd met je API-sleutel — niets om te installeren. - Elf tools voor transcripties, batches, exports, YouTube-discovery en verbruik. - Geen AI-tools — je client draait het model al; de server levert transcripties en platformgegevens. - Hetzelfde account en dezelfde extractiepijplijn die je al via de REST API gebruikt. - Lange transcripties worden opgedeeld in stukken met een paginatoken, zodat één resultaat het contextvenster niet overspoelt. ## Wat de transcript.im MCP-server doet Het Model Context Protocol laat een client tools ontdekken en aanroepen die een server publiceert. De transcript.im MCP-server gebruikt dat oppervlak voor één taak: een openbare video- of audiolink omzetten in een transcriptie en de platformvragen eromheen beantwoorden. Een client roept `get_transcript` aan met een URL; de server bereikt de transcript.im-extractiepijplijn, gebruikt de ondertitels van de maker als die er zijn en valt terug op AI-transcriptie als dat niet zo is. Omdat het zware werk op de server gebeurt, heeft de client geen downloader, browserautomatisering of eigen spraak-naar-tekstmodel nodig. Hij heeft een toolaanroep nodig. Dat is precies waar een MCP-transcriptserver past: het model is al de reden dat je hier bent, dus de server blijft gericht op data. - Transcriptie-extractie als tool — één aanroep maakt van een link tekst met tijdstempels. - Ook YouTube-discovery — video's zoeken, kanalen omzetten, uploads en afspeellijstitems tonen en metadata van ondertitels lezen. - Batches en exports — zet veel links in de wachtrij en exporteer daarna de voltooide set. - Geen model erin — de server levert data; de client bepaalt wat ermee gebeurt. ## Tools die je agent kan aanroepen ### Transcripties `get_transcript` haalt een transcriptie op uit een URL of leest het volgende stuk van een lange transcriptie, en `get_transcript_info` geeft de metadata van een video en de ondertitelsporen die de API ervoor kan vinden, voordat je je vastlegt op een extractie. Samen laten ze een agent bepalen of een video het transcriberen waard is, een taalprioriteit aanvragen die hij echt nodig heeft en daarna de woorden ophalen met of zonder tijdstempels. ### Batches en exports `create_batch` start een run vanuit een URL-lijst, een afspeellijst of een kanaal, `get_batch` meldt de status, aantallen en de volgende pagina met items, en `export_batch` zet een voltooide batch om in tekst of ondertitels. Zo verwerkt een agent de hele backlog van een maker in plaats van één clip per keer, en een mislukte link wordt apart gemeld in plaats van de rest weg te gooien. ### YouTube-discovery `search_video` vindt video's of kanalen op onderwerp, `get_channel` zet een handle of URL om, `list_channel_video` toont de uploads van een kanaal, `list_playlist_item` loopt een afspeellijst door en `list_caption` leest de metadata van ondertitels en de transcriptietekst van een video. Dit zijn de tools waarmee een agent een niche onderzoekt, controleert wat een maker heeft gepubliceerd en de juiste bron kiest voordat hij iets transcriberen. ### Account `get_usage` meldt het verbruiksoverzicht van het account, zodat een agent ziet wat het account al heeft gebruikt voordat hij aan een grote batch of een lang kanaal begint, in plaats van halverwege een run een limiet te ontdekken. ## Verbind de client die je al gebruikt ### Claude Voeg de externe server toe als aangepaste connector of registreer hem vanaf de opdrachtregel. Claude onderhandelt met de MCP-server, stelt de tools beschikbaar in het gesprek en houdt ze beschikbaar over beurten heen, zodat je in gewone taal om een transcriptie kunt vragen en daarna een samenvatting kunt vragen zonder de link te herhalen. ### ChatGPT Voeg een MCP-connector toe en kies verificatie met een API-sleutel. ChatGPT roept de transcriptietools dan aan zoals elke andere verbonden app, wat betekent dat een geplakte videolink in een chat leesbare tekst kan worden die het model kan citeren, vertalen of beredeneren. ### Cursor en andere editors Richt de `mcpServers`-configuratie van de editor op de externe URL met je API-sleutel. De agent van de editor kan dan een link transcriberen en het resultaat direct in je project of notities schrijven. ### OpenAI-agentbouwer Voeg een MCP-tool toe met de server-URL en een Bearer-credential, en de agent kan transcripties gebruiken als stap in een grotere workflow, waarbij de tekst naar wat daarna komt gaat zonder aangepaste connector. ## Verbinden en verifiëren De server is een extern HTTP-eindpunt, dus een client verbinden is een URL en een sleutel in plaats van een installatie. - Extern HTTP — voeg `https://mcp.transcript.im/mcp` toe aan je MCP-client; er hoeft niets op je machine te draaien. - API-sleutel — stuur de sleutel als `Authorization: Bearer ` of `x-api-key`; de server stuurt hem door naar de REST API, zodat hetzelfde account en dezelfde rechten gelden. - Tool-discovery — het eindpunt beantwoordt MCP-discoveryverzoeken, zodat een client de tools kan opsommen die het aanbiedt voordat hij er een aanroept. - Dezelfde resultaten — de tools, chunking en fouten komen overeen met wat hetzelfde account via de REST API krijgt, dus het gedrag hangt niet van de client af. ## Lange transcripties blijven beheersbaar Een opname van twee uur levert veel meer tekst op dan een model in één toolresultaat zou moeten ontvangen, dus geeft de server lange transcripties in begrensde stukken terug. Elk stuk meldt `truncated: true` en een ondoorzichtige `nextPageToken`; als je `get_transcript` opnieuw aanroept met alleen dat token, krijg je het volgende stuk, en de agent herhaalt dit tot de transcriptie op is. - Begrensde resultaten — een stuk is afgetopt, zodat één toolresultaat het contextvenster niet overspoelt of eerdere redeneringen niet wegdrukt. - Stateless paginering — het token draagt de positie en er wordt geen serversessie bijgehouden tussen aanroepen, zodat elke replica het volgende stuk kan leveren. - JSON-paginering — een JSON-transcriptie pagineert per segment, zodat een gestructureerde consumer het verwachte schema kan behouden terwijl hij de tekst doorloopt. - Job-polling — een video zonder ondertitels geeft een job-id terug, en de agent pollt die tot de transcriptie klaar is. - Leesbaar begin — het eerste stuk is genoeg om een vraag over de opening te beantwoorden, zodat een korte vervolgvraag niet de hele transcriptie hoeft op te halen. ## Fouten waarop je agent kan handelen Wanneer een toolaanroep mislukt, geeft de server een MCP-fout met leesbare tekst in plaats van een stacktrace. Gestructureerde details reizen mee met het resultaat, zodat de agent zich kan herstellen in plaats van te gissen: een `code`, een HTTP-`status`, een `upgradeUrl` wanneer een limiet is bereikt, en `availableLanguages` wanneer een gevraagde taal niet beschikbaar is. Dat maakt van een doodlopende weg een volgende actie — probeer een andere taal, kies een andere link of meld de limiet aan de persoon in het gesprek. Een model dat de reden van een fout kan lezen, kan zijn eigen volgende poging corrigeren; dat is het verschil tussen een agent die nuttig opnieuw probeert en een die blijft hangen op dezelfde kapotte aanroep. ## Gerelateerd - [REST API](/nl/api) - [Agent Skills](/nl/skills) - [API-documentatie](/docs) - [YouTube transcript generator](/nl/youtube-transcript) - [YouTube video summarizer](/nl/youtube-video-summarizer) - [YouTube subtitle generator](/nl/youtube-subtitle-generator) - [YouTube subtitle downloader](/nl/youtube-subtitle-downloader) - [YouTube channel transcript](/nl/youtube-channel-transcript) - [YouTube playlist transcript](/nl/youtube-playlist-transcript) ## MCP-server FAQ's ### Wat is de transcript.im MCP-server? De transcript.im MCP-server is een Model Context Protocol-interface die transcriptextractie, batchtaken, exports en YouTube-discovery beschikbaar stelt als tools die een AI-client kan aanroepen. ### Welke clients kunnen verbinding maken met de transcript.im MCP-server? Claude, ChatGPT, Cursor, OpenAI Agent Builder en elke andere MCP-client kunnen met een API-sleutel verbinding maken met het externe HTTP-endpoint. ### Bevat de transcript.im MCP-server AI-tools? Nee. De server stelt bewust alleen data- en extractietools beschikbaar, omdat de client al het model draait dat het resultaat samenvat of herschrijft. ### Hoe haalt een agent een transcript op uit een videolink? Hij roept de transcripttool aan met de link; de server gebruikt eerst bestaande ondertitels, valt terug op AI-transcriptie als die er niet zijn, en retourneert tekst met tijdstempels. ### Hoe gaat de MCP-server om met lange transcripts? Ze worden in begrensde stukken geretourneerd. Elk resultaat bevat een truncatievlag en een paginatoken, en de agent roept de tool opnieuw aan met dat token om het volgende stuk te lezen. ### Kan een agent een batch uitvoeren via de transcript.im MCP-server? Ja. De batchtools accepteren een lijst met URL's, een afspeellijst of een kanaal, rapporteren status en aantallen, en exporteren de voltooide set als tekst of ondertitels. ### Werkt de transcript.im MCP-server met YouTube-zoekopdrachten en kanalen? Ja. Speciale tools dekken zoeken naar video's en kanalen, kanaalresolutie, kanaaluploads, afspeellijstitems en ondertitelmetadata. ### Hoe authenticeert de MCP-server een client? Hij accepteert een API-sleutel als Bearer-token of `x-api-key`-header en stuurt die door naar de REST API, zodat de aanroepen op hetzelfde account terechtkomen als een direct API-verzoek. ## Verbind de transcript.im MCP-server Voeg de server-URL toe aan je MCP-client, geef een API-sleutel op en vraag je agent om een transcript. - [Een API-sleutel aanmaken](/app/account/api-keys) - [Lees het API-contract](/docs)