MCP YouTube Transcript
An MCP server retrieving transcripts of YouTube videos
Beschreibung vom Entwickler (englisches Original)
Find YouTube outliers, videos that beat their channel's own baseline, on your own free API key.
Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.
Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
YOUTUBE_API_KEYAls geheim markierte Werte sind Schlüssel zu deinem Konto. Gib sie nie weiter und füge sie nie in einen Chat ein.
Du brauchst
Welche App nutzt du?
Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.
Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein
{
"mcpServers": {
"bangermap": {
"command": "npx",
"args": [
"-y",
"bangermap-mcp"
],
"env": {
"YOUTUBE_API_KEY": "your-value"
}
}
}
}Führe das in deinem Terminal aus
claude mcp add bangermap --env YOUTUBE_API_KEY=your-value -- npx -y bangermap-mcpTrag die leeren Werte ein, bevor du ihn startest.
In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen
{
"mcpServers": {
"bangermap": {
"command": "npx",
"args": [
"-y",
"bangermap-mcp"
],
"env": {
"YOUTUBE_API_KEY": "your-value"
}
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
In .vscode/mcp.json in deinem Projekt einfügen
{
"servers": {
"bangermap": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"bangermap-mcp"
],
"env": {
"YOUTUBE_API_KEY": "your-value"
}
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.
Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.
Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 7. Nov. 2026
Der Registry-Name wurde mit dem GitHub-Konto AdesiaHQ bestätigt, dem das Repo gehört
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.
Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.
Das musst du eintragen: YOUTUBE_API_KEY
Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).
Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (1.0.3) kam vor 3 Monaten in die Registry.
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Node.js auf deinem Computer.
In derselben Kategorie: MCP YouTube Transcript, Google Analytics MCP, BibiGPT YouTube Video Summarizer
Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.
So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti
An MCP server retrieving transcripts of YouTube videos
GA4 MCP server for AI agents: schema discovery, server-side aggregation, analysis-ready defaults.
AI video summarizer: summarize and transcribe YouTube, Bilibili, TikTok and podcast videos.
Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.
YouTube outlier research over MCP, running on your own free YouTube Data API key.
An outlier is a video that beat its own channel's normal performance. A 10x on a small channel is a stronger signal than a million views on a channel that always gets a million, because it is proof an idea worked without an audience behind it. This server measures that, from any MCP client.
No account, no credits, no meter. The data comes from Google's public API on your key, so the only quota is the free 10,000 units a day Google already gives you, which is roughly 1,100 channel scans.
Create a free key in the Google Cloud console, enable YouTube Data API v3 on its project, then point your client at the server.
Claude Code:
claude mcp add bangermap --env YOUTUBE_API_KEY=your-key -- npx -y bangermap-mcp
Claude Desktop, in claude_desktop_config.json:
{
"mcpServers": { "bangermap": { "command": "npx", "args": ["-y", "bangermap-mcp"], "env": { "YOUTUBE_API_KEY": "your-key" } } } }
Any other MCP client works the same way. The server speaks stdio and needs only YOUTUBE_API_KEY in its environment.
| Tool | What it answers | Cost |
|---|---|---|
find_outliers | Which of this channel's recent uploads beat its own baseline, and by how much | ~5 units |
channel_baseline | What normal looks like for this channel, so a view count can be judged | ~5 units |
compare_channels | What is working across a set of competitors, each measured against itself | ~5 units per channel |
sweep_niche | Which channels a seed channel is connected to, and what is overperforming on them | ~5 units per channel |
Channels can be given as a URL, an @handle, a channel id, or the URL of any video on the channel.
Discovery runs through the channel graph rather than keyword search on purpose. Google caps search at 100 calls a day on a free key while channel reads cost a single unit, so seeding from a channel you already know is both cheaper and deeper.
For each channel, the baseline is the median views of its recent uploads of the same format, counting only uploads old enough to have settled. Shorts and long-form get separate baselines, since comparing a 40-second Short against a 20-minute upload would flatter one and punish the other. A video's multiple is its views divided by that baseline.
The outlier multiple and the baseline are computed by this server, not by YouTube. View and channel data comes from the YouTube Data API. YouTube is a trademark of Google LLC.
This server shares its scoring engine with Bangermap, a Mac app for the same research when you want it to persist. The app keeps a watchlist that re-scans and flags what is new since your last visit, shows outliers in a thumbnail wall for pattern study, exports to CSV, and caches locally so repeat research does not re-spend quota. One payment, no subscription, same free key.
There is also a free browser version at bangermap.com/tools/outlier-finder if you want to try the measurement without installing anything, and an n8n community node, n8n-nodes-bangermap, for the same operations inside a workflow.