YouTube 到 LinkedIn MCP 服务器

一个模型上下文协议 (MCP) 服务器，可自动从 YouTube 视频生成 LinkedIn 帖子草稿。此服务器基于 YouTube 视频的文字稿，提供高质量、可编辑的内容草稿。

功能

• YouTube 文字稿提取: 使用视频 URL 从 YouTube 视频中提取文字稿
• 文字稿摘要: 使用 OpenAI GPT 生成视频内容的简洁摘要
• LinkedIn 帖子生成: 创建具有可定制语气和风格的专业 LinkedIn 帖子草稿
• 模块化 API 设计: 具有明确定义的端点的简洁 FastAPI 实现
• 容器化部署: 准备好在 Smithery 上部署

安装说明

前提条件

• Python 3.8+
• Docker（用于容器化部署）
• OpenAI API 密钥
• YouTube Data API 密钥（可选，但建议使用以获得更好的元数据）

本地开发

1. 克隆存储库：

   git clone <repository-url>
   cd yt-to-linkedin
   

2. 创建一个虚拟环境并安装依赖项：

   python -m venv venv
   source venv/bin/activate  # 在 Windows 上：venv\Scripts\activate
   pip install -r requirements.txt
   

3. 在项目根目录中创建一个 .env 文件，其中包含您的 API 密钥：

   OPENAI_API_KEY=your_openai_api_key
   YOUTUBE_API_KEY=your_youtube_api_key
   

4. 运行应用程序：

   uvicorn app.main:app --reload
   

5. 访问 API 文档：http://localhost:8000/docs

Docker 部署

1. 构建 Docker 镜像：

   docker build -t yt-to-linkedin-mcp .
   

2. 运行容器：

   docker run -p 8000:8000 --env-file .env yt-to-linkedin-mcp
   

Smithery 部署

1. 确保您已安装并配置了 Smithery CLI。

2. 部署到 Smithery：

   smithery deploy
   

API 端点

1. 文字稿提取

端点: /api/v1/transcript
方法: POST
描述: 从 YouTube 视频中提取文字稿

请求体:

{
  "youtube_url": "https://www.youtube.com/watch?v=VIDEO_ID",
  "language": "en",
  "youtube_api_key": "your_youtube_api_key"  // 可选，提供您自己的 YouTube API 密钥
}

响应:

{
  "video_id": "VIDEO_ID",
  "video_title": "视频标题",
  "transcript": "完整文字稿文本...",
  "language": "en",
  "duration_seconds": 600,
  "channel_name": "频道名称",
  "error": null
}

2. 文字稿摘要

端点: /api/v1/summarize
方法: POST
描述: 从视频文字稿生成摘要

请求体:

{
  "transcript": "视频文字稿文本...",
  "video_title": "视频标题",
  "tone": "professional",
  "audience": "general",
  "max_length": 250,
  "min_length": 150,
  "openai_api_key": "your_openai_api_key"  // 可选，提供您自己的 OpenAI API 密钥
}

响应:

{
  "summary": "生成的摘要文本...",
  "word_count": 200,
  "key_points": [
    "要点 1",
    "要点 2",
    "要点 3"
  ]
}

3. LinkedIn 帖子生成

端点: /api/v1/generate-post
方法: POST
描述: 从视频摘要生成 LinkedIn 帖子

请求体:

{
  "summary": "视频摘要文本...",
  "video_title": "视频标题",
  "video_url": "https://www.youtube.com/watch?v=VIDEO_ID",
  "speaker_name": "演讲者姓名",
  "hashtags": ["ai", "machinelearning"],
  "tone": "professional",
  "voice": "first_person",
  "audience": "technical",
  "include_call_to_action": true,
  "max_length": 1200,
  "openai_api_key": "your_openai_api_key"  // 可选，提供您自己的 OpenAI API 密钥
}

响应:

{
  "post_content": "生成的 LinkedIn 帖子内容...",
  "character_count": 800,
  "estimated_read_time": "大约 1 分钟",
  "hashtags_used": ["#ai", "#machinelearning"]
}

4. 输出格式化

端点: /api/v1/output
方法: POST
描述: 格式化 LinkedIn 帖子以进行输出

请求体:

{
  "post_content": "LinkedIn 帖子内容...",
  "format": "json"
}

响应:

{
  "content": {
    "post_content": "LinkedIn 帖子内容...",
    "character_count": 800
  },
  "format": "json"
}

环境变量

变量	描述	是否必需
OPENAI_API_KEY	用于摘要和帖子生成的 OpenAI API 密钥	否（可以在请求中提供）
YOUTUBE_API_KEY	用于获取视频元数据的 YouTube Data API 密钥	否（可以在请求中提供）
PORT	运行服务器的端口（默认：8000）	否

注意: 虽然 API 密钥的环境变量是可选的（因为可以在每个请求中提供），但建议为本地开发和测试设置它们。 部署到 Smithery 时，用户需要在请求中提供自己的 API 密钥。

许可证

MIT