YouTube Comments MCP Server
Enables fetching and analyzing YouTube video comments and replies through the YouTube Data API. Supports sorting by relevance or time and returns structured JSON data for comment analysis, summarization, and translation tasks.
README
yt_mcp — YouTube Comments MCP Server
一個遵循 Model Context Protocol (MCP) 的本機伺服器。提供工具:
fetch_comments(videoUrl, order="relevance|time", max=300)以 YouTube Data API v3 取得並展開 頂層留言+回覆,回傳 JSON 字串。
需求
- Python 3.10+
- 已啟用 YouTube Data API v3 的 API 金鑰
安裝
uv venv
source .venv/bin/activate
uv pip install "mcp[cli]" httpx python-dotenv
設定金鑰(擇一)
A. 用 .env(推薦)
在專案根目錄建立 .env:
YOUTUBE_API_KEY=YOUR_API_KEY_HERE
B. 寫在客戶端設定的 env(見下方範例)
在 Claude Desktop 使用(本機 STDIO)
- 開啟:Settings → Developer → Local MCP servers → Edit Config
- 加入(請把絕對路徑換成你的實際路徑):
{
"mcpServers": {
"yt_comments": {
"command": "<abs path>/yt_mcp/.venv/bin/python",
"args": ["<abs path>/yt_mcp/server.py"],
"env": { "YOUTUBE_API_KEY": "YOUR_API_KEY" } // 若已用 .env,可移除此段
}
}
}
也可不填
env,改用專案根目錄的.env。
- 回到 Local MCP servers 啟動
yt_comments。 - 新開對話請 Claude 呼叫:
yt_comments.fetch_comments(
videoUrl="https://www.youtube.com/watch?v=XXXXXXXXXXX",
order="relevance",
max=300
)
接著請模型做摘要/分類/翻譯並輸出報告。
在 MCP Inspector 測試
- Transport:
STDIO - Command:
<abs path>/yt_mcp/.venv/bin/python - Arguments:
<abs path>/yt_mcp/server.py - Environment(可選):
YOUTUBE_API_KEY=YOUR_API_KEY
輸出格式(節選)
{
"video_id": "abcdEFGhijk",
"order": "relevance",
"requested": 300,
"total_returned": 278,
"items": [
{
"id": "...",
"parentId": null,
"author": "Somebody",
"publishedAt": "2025-01-01T12:34:56Z",
"likeCount": 42,
"text": "Great video!"
}
]
}
Troubleshooting
- Missing YOUTUBE_API_KEY
在
.env或設定的env補上金鑰,並確認金鑰已啟用 YouTube Data API v3。 - 找不到
server.py在設定裡把args改用絕對路徑(例如"/Users/you/yt_mcp/server.py")。 - ModuleNotFoundError
確認已在虛擬環境內安裝相依套件(
"mcp[cli]" httpx python-dotenv)。 - HTTP 403/400 可能是配額不足、影片關閉留言、或金鑰權限未開。
安全
.env已在.gitignore中,請勿提交金鑰。- 若曾不小心提交金鑰,請 旋轉金鑰 並清理 Git 歷史。
授權
MIT License。
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。