---
title: "MCP-сервер транскрибации для AI-агентов"
description: "Подключите Claude, ChatGPT, Cursor или OpenAI Agent Builder к MCP-серверу transcript.im и дайте своему агенту транскрипты, пакетную обработку и поиск по YouTube как инструменты."
canonical: "https://transcript.im/ru/mcp"
markdown: "https://transcript.im/ru/mcp.md"
---

# MCP-сервер транскрибации для AI-агентов

Подключите Claude, ChatGPT, Cursor или OpenAI Agent Builder к MCP-серверу transcript.im и дайте своему агенту транскрипты, пакетную обработку и поиск по YouTube как инструменты.

## Ссылки

- [Канонический HTML](https://transcript.im/ru/mcp)
- [Markdown](https://transcript.im/ru/mcp.md)


MCP-сервер transcript.im даёт AI-клиенту инструмент транскрибации, который он может вызывать напрямую. Направьте Claude, ChatGPT, Cursor или OpenAI Agent Builder на сервер, передайте API-ключ — и модель сможет получить транскрипт по публичной ссылке, запустить пакетную обработку, экспортировать субтитры или искать по YouTube без браузера и без отдельной интеграции. Это удалённая конечная точка HTTP, поэтому размещённому клиенту нужны только URL и ключ, а не локальная установка.

- Одна удалённая конечная точка `https://mcp.transcript.im/mcp`, аутентификация по вашему API-ключу — ничего устанавливать не нужно.
- Одиннадцать инструментов для транскриптов, пакетной обработки, экспорта, поиска по YouTube и статистики использования.
- Никаких AI-инструментов — модель уже работает на стороне вашего клиента; сервер предоставляет транскрипты и данные платформ.
- Тот же аккаунт и тот же конвейер извлечения, которые вы уже используете через REST API.
- Длинные транскрипты разбиваются на части с помощью токена страницы, чтобы один результат не переполнил контекстное окно.

## Что делает MCP-сервер transcript.im

Model Context Protocol позволяет клиенту обнаруживать и вызывать инструменты, которые публикует сервер. MCP-сервер transcript.im использует эту поверхность для одной задачи: превратить публичную ссылку на видео или аудио в транскрипт и ответить на связанные с платформой вопросы. Клиент вызывает `get_transcript` с URL; сервер обращается к конвейеру извлечения transcript.im, использует субтитры автора, если они есть, и переключается на AI-транскрибацию, если их нет.

Поскольку вся тяжёлая работа выполняется на сервере, клиенту не нужны собственный загрузчик, стек автоматизации браузера или модель распознавания речи. Ему нужен вызов инструмента. В этом и смысл MCP-сервера транскрибации: модель уже есть — ради неё вы здесь, поэтому сервер сосредоточен на данных.

- Извлечение транскрипта как инструмент — один вызов превращает ссылку в текст с таймкодами.
- Ещё и поиск по YouTube — ищите видео, находите каналы, получайте списки загрузок и элементов плейлистов, читайте метаданные субтитров.
- Пакеты и экспорт — ставьте в очередь множество ссылок, а затем экспортируйте готовый набор.
- Никакой модели внутри — сервер возвращает данные; клиент решает, что с ними делать.

## Инструменты, которые может вызывать ваш агент

### Транскрипты

`get_transcript` извлекает транскрипт по URL или читает следующую часть длинного транскрипта, а `get_transcript_info` возвращает метаданные видео и дорожки субтитров, которые API может для него определить, ещё до того как вы запустите извлечение. Вместе они позволяют агенту решить, стоит ли транскрибировать видео, запросить действительно нужный приоритет языка, а затем получить текст с таймкодами или без них.

### Пакеты и экспорт

`create_batch` запускает обработку из списка URL, плейлиста или канала, `get_batch` сообщает статус, счётчики и следующую страницу элементов, а `export_batch` превращает завершённый пакет в текст или субтитры. Так агент обрабатывает весь архив автора, а не по одному ролику за раз, и одна неудачная ссылка сообщается отдельно, не отбрасывая остальные.

### Поиск по YouTube

`search_video` находит видео или каналы по теме, `get_channel` определяет канал по handle или URL, `list_channel_video` выводит список загрузок канала, `list_playlist_item` проходит по плейлисту, а `list_caption` читает метаданные субтитров и текст транскрипта видео. Это инструменты, с помощью которых агент изучает нишу, проверяет, что опубликовал автор, и выбирает подходящий источник, прежде чем что-либо транскрибировать.

### Аккаунт

`get_usage` возвращает сводку по использованию аккаунта, поэтому агент видит, что уже израсходовано, до запуска большого пакета или длинного канала, а не обнаруживает лимит на середине обработки.

## Подключите клиент, которым уже пользуетесь

### Claude

Добавьте удалённый сервер как пользовательский коннектор или зарегистрируйте его из командной строки. Claude согласует MCP-сервер, открывает его инструменты диалогу и сохраняет их доступными между ходами, так что вы можете попросить транскрипт простыми словами и затем запросить резюме, не повторяя ссылку.

### ChatGPT

Добавьте MCP-коннектор и выберите аутентификацию по API-ключу. Тогда ChatGPT вызывает инструменты транскрибации как любое другое подключённое приложение: вставленная в чат ссылка на видео превращается в читаемый текст, который модель может цитировать, переводить или анализировать.

### Cursor и другие редакторы

Укажите в конфигурации `mcpServers` редактора удалённый URL вместе с вашим API-ключом. После этого агент редактора сможет транскрибировать ссылку и записать результат прямо в ваш проект или заметки.

### OpenAI Agent Builder

Добавьте MCP-инструмент с URL сервера и Bearer-учётными данными, и агент сможет использовать транскрипты как шаг внутри более крупного рабочего процесса, передавая текст в следующий этап без пользовательского коннектора.

## Подключение и аутентификация

Сервер — это удалённая конечная точка HTTP, поэтому для подключения клиента нужны URL и ключ, а не установка.

- Удалённый HTTP — добавьте `https://mcp.transcript.im/mcp` в свой MCP-клиент; на вашей машине ничего запускать не нужно.
- API-ключ — отправьте ключ как `Authorization: Bearer <key>` или `x-api-key`; сервер передаёт его в REST API, поэтому действуют тот же аккаунт и те же разрешения.
- Обнаружение инструментов — конечная точка отвечает на запросы обнаружения MCP, поэтому клиент может перечислить предоставляемые инструменты, прежде чем вызвать один из них.
- Те же результаты — инструменты, разбиение на части и ошибки совпадают с тем, что тот же аккаунт получает от REST API, поэтому поведение не зависит от клиента.

## Длинные транскрипты остаются управляемыми

Двухчасовая запись может дать гораздо больше текста, чем модель должна получить в одном результате вызова инструмента, поэтому сервер возвращает длинные транскрипты ограниченными частями. Каждая часть сообщает `truncated: true` и непрозрачный `nextPageToken`; повторный вызов `get_transcript` только с этим токеном возвращает следующую часть, и агент повторяет, пока транскрипт не закончится.

- Ограниченные результаты — размер части ограничен, поэтому один результат вызова инструмента не переполнит контекстное окно и не вытеснит предыдущие рассуждения.
- Постраничная навигация без состояния — токен несёт позицию, серверная сессия между вызовами не сохраняется, поэтому следующую часть может отдать любая реплика.
- JSON-пагинация — JSON-транскрипт разбивается по сегментам, поэтому структурированный потребитель сохраняет ожидаемую схему, проходя по тексту.
- Опрос задачи — видео без субтитров возвращает id задачи, и агент опрашивает её, пока транскрипт не будет готов.
- Читаемое начало — первой части достаточно, чтобы ответить на вопрос о начале, поэтому короткий дополнительный запрос не должен вытягивать весь транскрипт.

## Ошибки, на которые ваш агент может реагировать

Когда вызов инструмента завершается неудачей, сервер возвращает ошибку MCP с читаемым текстом, а не стек вызовов. Вместе с результатом передаются структурированные детали, чтобы агент мог восстановиться, а не гадать: `code`, HTTP-`status`, `upgradeUrl` при достижении лимита и `availableLanguages`, когда запрошенный язык недоступен. Это превращает тупик в следующее действие — попробовать другой язык, выбрать другую ссылку или сообщить о лимите человеку в диалоге. Модель, которая может прочитать причину сбоя, способна исправить следующую попытку, и в этом разница между агентом, который повторяет с пользой, и тем, который зацикливается на одном и том же сломанном вызове.

## Похожие

- [REST API](/ru/api)
- [Agent Skills](/ru/skills)
- [Документация API](/docs)
- [Расшифровка видео ютуб](/ru/youtube-transcript)
- [Конспект видео](/ru/youtube-video-summarizer)
- [Генератор субтитров](/ru/youtube-subtitle-generator)
- [Скачать субтитры YouTube](/ru/youtube-subtitle-downloader)
- [YouTube Channel Transcript](/ru/youtube-channel-transcript)
- [YouTube Playlist Transcript](/ru/youtube-playlist-transcript)
## Частые вопросы о MCP-сервере

### Что такое MCP-сервер transcript.im?

MCP-сервер transcript.im — это интерфейс Model Context Protocol, который предоставляет извлечение расшифровок, пакетные задания, экспорт и поиск по YouTube в виде инструментов, которые может вызывать AI-клиент.

### Какие клиенты могут подключиться к MCP-серверу transcript.im?

Claude, ChatGPT, Cursor, OpenAI Agent Builder и любой другой MCP-клиент могут подключиться к удалённому HTTP-эндпоинту с помощью API-ключа.

### Включает ли MCP-сервер transcript.im инструменты AI?

Нет. Сервер намеренно предоставляет только инструменты для работы с данными и их извлечения, поскольку модель, которая делает пересказ или переписывает результат, уже работает на стороне клиента.

### Как агент получает расшифровку по ссылке на видео?

Он вызывает инструмент расшифровки, передавая ссылку; сервер сначала использует существующие субтитры, а если их нет — переходит к AI-транскрибации, и возвращает текст с таймкодами.

### Как MCP-сервер обрабатывает длинные расшифровки?

Они возвращаются ограниченными фрагментами. Каждый результат содержит флаг усечения и токен страницы; чтобы прочитать следующий фрагмент, агент снова вызывает инструмент с этим токеном.

### Может ли агент запустить пакетную обработку через MCP-сервер transcript.im?

Да. Инструменты пакетной обработки принимают список URL, плейлист или канал, сообщают статус и количество и экспортируют готовый набор в виде текста или субтитров.

### Работает ли MCP-сервер transcript.im с поиском и каналами YouTube?

Да. Отдельные инструменты охватывают поиск видео и каналов, определение канала, загрузки канала, элементы плейлиста и метаданные субтитров.

### Как MCP-сервер аутентифицирует клиента?

Он принимает API-ключ как Bearer-токен или заголовок `x-api-key` и передаёт его в REST API, поэтому его вызовы попадают в тот же аккаунт, что и прямой запрос к API.

## Подключите MCP-сервер transcript.im

Добавьте URL сервера в свой MCP-клиент, укажите API-ключ и попросите агента получить расшифровку.

- [Создать API-ключ](/app/account/api-keys)
- [Изучить контракт API](/docs)