youtube-AI-summarizer-ollama3.2 8b-n8n-mcptool

集成MCP的YouTube AI摘要生成器

一个端到端的人工智能自动化系统，使用自定义微服务、n8n工作流自动化、本地LLM处理（Ollama）和与Claude Desktop集成的模型上下文协议（MCP）来分析YouTube视频。

Architecture Diagram

🎯 特性

• YouTube转录提取：自定义Node.js微服务获取视频转录
• AI分析：当地LLM（Ollama）生成结构化摘要，其中包含关键点和行动项
• 工作流程自动化：n8n协调整个管道
• MCP集成：通过Claude Desktop进行对话访问
• 容器化：Docker和Docker Compose便于部署
• API成本为零：完全在本地基础设施上运行

🏗️ 建筑

User Request (Claude Desktop)
    ↓
MCP Server (Node.js)
    ↓
n8n Workflow (Docker)
    ↓
YouTube Transcript Microservice (Docker)
    ↓
Ollama LLM (Local)
    ↓
Structured Summary Response

组件

1. YouTube转录微服务 (youtube-transcript-api/)

- Express.js API服务器 - 使用youtubei.js获取YouTube视频转录 - Docker化以实现一致的部署 - 在端口3000上显示REST API

1. n8n工作流 (n8n-workflow/)

- Webhook触发器接收YouTube URL - 提取视频ID - 调用转录微服务 - 发送给Ollama进行人工智能分析 - 返回结构化JSON响应

1. MCP服务器 (youtube-mcp-server/)

- 实现模型上下文协议 - 将Claude Desktop连接到n8n工作流 - 提供对话界面 - 工具： summarize_youtube_video

1. Olama集成

- 本地LLM处理（推荐qwen2.5:7b） - API零成本 - 完全数据隐私 - 可定制的提示

📋 先决条件

• Docker桌面 （最新版本）
• Node.js 18+和npm
• 奥拉玛 已安装并正在运行
• 克劳德桌面版 应用程序（用于MCP集成）
• n8n （通过Docker）

🚀 快速开始

1.克隆存储库

git clone https://github.com/yourusername/youtube-ai-summarizer.git
cd youtube-ai-summarizer

2.安装Olama模型

ollama pull qwen2.5:7b

3.使用Docker Compose启动服务

docker-compose up -d

这将开始：

• YouTube转录微服务（端口3000）
• n8n（端口5678）

4.配置n8n工作流

1. 打开n8nhttp://localhost:5678
2. 导入工作流： n8n-workflow/youtube-summarizer-workflow.json
3. 激活工作流

5.设置MCP服务器

cd youtube-mcp-server
npm install

配置Claude桌面：

# macOS
open ~/Library/Application\ Support/Claude/claude_desktop_config.json

添加此配置：

{
  "mcpServers": {
    "youtube-summarizer": {
      "command": "node",
      "args": [
        "/ABSOLUTE/PATH/TO/youtube-mcp-server/index.js"
      ]
    }
  }
}

替换 /ABSOLUTE/PATH/TO/ 你的实际路径。

6.重新启动克劳德桌面

完全退出并重新打开Claude Desktop。

7.测试一下！

在Claude Desktop中，问：

“总结一下这个YouTube视频：https://www.youtube.com/watch?v=8jPQjjsBbIc"

📖 用法

通过克劳德桌面（推荐）

You: "Summarize this YouTube video: https://www.youtube.com/watch?v=VIDEO_ID"

Claude: [Uses MCP tool to analyze and return structured summary]

通过API（直接）

curl -X POST http://localhost:5678/webhook/youtube-summary \
  -H "Content-Type: application/json" \
  -d '{"url": "https://www.youtube.com/watch?v=VIDEO_ID"}'

响应格式

{
  "success": true,
  "videoId": "8jPQjjsBbIc",
  "url": "https://www.youtube.com/watch?v=8jPQjjsBbIc",
  "summary": {
    "content": "SUMMARY: [One sentence summary]\n\nKEY POINTS:\n- Point 1\n- Point 2\n- Point 3\n\nACTION ITEMS:\n- Action 1\n- Action 2\n\nTOPICS: topic1, topic2, topic3"
  },
  "wordCount": 2074,
  "timestamp": "2024-12-05T20:50:40.390Z"
}

🛠️ 配置

更改LLM模型

编辑n8n工作流Ollama节点：

• qwen2.5:7b -平衡精度和速度（推荐）
• 美洲驼3.1:8b -更好的指导
• 骆驼3.2:3b -最快但不太准确

自定义提示

编辑n8n工作流中的“构建提示”节点以进行调整：

• 输出格式
• 分析深度
• 要提取的具体见解

调整LLM温度

较低的温度（0.1-0.3）=更真实，更少创意 更高的温度（0.7-1.0）=更具创造力，更高的幻觉风险

推荐： 0.3 用于摘要

📁 项目结构

youtube-ai-summarizer/
├── youtube-transcript-api/      # Microservice
│   ├── Dockerfile
│   ├── package.json
│   └── server.js
├── youtube-mcp-server/          # MCP Integration
│   ├── index.js
│   └── package.json
├── n8n-workflow/                # Automation Workflow
│   └── youtube-summarizer-workflow.json
├── docker-compose.yml           # Orchestration
├── docs/                        # Documentation
│   ├── MICROSERVICE.md
│   ├── MCP_SETUP.md
│   └── DOCKER_GUIDE.md
├── .gitignore
└── README.md

🔧 故障排除

MCP服务器未在Claude中显示

1. 检查Claude Desktop配置路径是否正确
2. 验证到的绝对路径 index.js
3. 检查克劳德桌面日志： ~/Library/Logs/Claude/
4. 确保您完全退出并重新打开Claude Desktop

微服务连接被拒绝

# Check if container is running
docker ps

# View logs
docker logs youtube-transcript

# Restart container
docker restart youtube-transcript

Ollama没有回应

# Check if Ollama is running
ollama list

# Start Ollama
ollama serve

# Test connection
curl http://localhost:11434/api/tags

n8n工作流错误

1. 验证所有服务是否正在运行： docker-compose ps
2. 检查n8n日志： docker logs n8n
3. 确保工作流已激活（在右上角切换）
4. 对于Docker n8n，请使用 http://host.docker.internal:3000 微服务
5. 对于Docker n8n，请使用 http://host.docker.internal:11434 对于Ollama

🚀 高级用法

数据库存储（可选）

添加SQLite存储以持久化摘要：

# Install SQLite in n8n
# Add SQLite node to workflow after "Parse LLM Response"

看 docs/DATABASE_SETUP.md 了解详情。

批处理

处理多个视频：

// In MCP server, add batch tool
{
  name: "batch_summarize_videos",
  description: "Summarize multiple YouTube videos",
  inputSchema: {
    type: "object",
    properties: {
      urls: {
        type: "array",
        items: { type: "string" }
      }
    }
  }
}

与其他服务集成

• Slack：将摘要发布到频道
• 电子邮件：发送分析视频的每日摘要
• 概念：保存到数据库
• 谷歌表格：记录所有摘要

🎓 教育价值

该项目展示了：

• 微服务架构：独立的集装箱服务
• 工作流程自动化：n8n用于编排
• 人工智能集成：本地LLM部署和提示
• MCP协议：尖端AI工具使用协议
• 码头工人：集装箱化和联网
• API设计：RESTful端点
• 错误处理：强大的错误管理
• 生产实践：健康检查、日志记录、重启策略

📊 演出

• 获取成绩单：500-2000ms（取决于视频长度）
• LLM处理：2-10秒（取决于型号和转录长度）
• 总管道：端到端约5-15秒
• 内存使用：总计约300MB（所有集装箱）
• 成本：0美元（完全本地）

🤝 贡献

欢迎投稿！拜托：

1. 分叉存储库
2. 创建要素分支(git checkout -b feature/amazing-feature)
3. 提交您的更改(git commit -m 'Add amazing feature')
4. 推到分支(git push origin feature/amazing-feature)
5. 打开拉取请求

📝 许可证

MIT许可证-有关详细信息，请参阅许可证文件

🙏 致谢

• Anthropic -Claude桌面和MCP协议
• n8n -工作流自动化平台
• 奥拉玛 -本地LLM部署
• youtubei.js -YouTube文字记录提取

📧 联系

鲁斯汀·科尔莫斯-

项目链接：https://github.com/rustinlabs/youtube-ai-summarizer

______________________________________________________________________

🎯 用例

• 内容创作者：快速分析竞争对手的视频
• 研究人员：从教育内容中提取关键点
• 教育工作者：为学生总结讲座视频
• 企业：分析行业网络研讨会和会议
• 个人：从保存的视频中构建可搜索的知识库

______________________________________________________________________

内置于❤️ Rustin Kormos