Watch Video

Name: Watch Video
Author: marwanm7moud

作者：marwanm7moudバージョン 0.2.0i★ –iパソコンで動く

レジストリ名io.github.marwanm7moud/watch-video

インストール

概要

作者による説明（英語の原文）

Let an AI watch a video: timestamped transcript, scene-selected keyframes and exact frames. Local.

PopNx MCPの3つの柱

この3つを1つのスコアにまとめることはしません。意見、測定、人気はそれぞれ別のものだからです。

利用者の声iレビューはまだありませんレビューは今後のステップで、アカウント機能と一緒に始まります
私たちの基本チェックi1項目中1項目に合格公開情報からチェック。コードはまだスキャンしていません
利用状況i未計測★ –

できること

このサーバーのやさしい解説はまだ書いていません。以下はレジストリから読み取った事実です。

接続方法: パソコンで動く
トランスポート: stdio
カテゴリ: デザイン・画像・音声

インストール

使っているAIアプリを選んで、設定をコピーしてください。

インストールの前に

基本チェック：1項目中1項目に合格
あなたのパソコンで、あなたのユーザーと同じ権限（ファイル、ネットワーク、アプリ）で動きます。
レジストリには、入力が必要なキーは載っていません。

必要なもの

PyPIPythonのuvのインストール（uvxコマンドに必要）

どのアプリを使っていますか？

ClaudeClaude CodeCursorVS CodeChatGPT

上でアプリを選んでください。選んだアプリを覚えておくので、次からはボタンに「…にインストール」と表示されます。

Claude Desktop → Settings → Developer → Edit Config を開き、claude_desktop_config.json にこれを貼り付けます

{
  "mcpServers": {
    "watch-video": {
      "command": "uvx",
      "args": [
        "watch-video-mcp"
      ]
    }
  }
}

ターミナルでこれを実行します

claude mcp add watch-video -- uvx watch-video-mcp

Cursorで開く

または、設定を自分でコピーする

プロジェクトの .cursor/mcp.json、または ~/.cursor/mcp.json に貼り付けます

{
  "mcpServers": {
    "watch-video": {
      "command": "uvx",
      "args": [
        "watch-video-mcp"
      ]
    }
  }
}

ブラウザがアプリを開いてよいか確認し、そのあとアプリが設定を表示して確認を求めます。キーの値は空欄のままなので、自分で入力してください。

VS Codeで開く

または、設定を自分でコピーする

プロジェクトの .vscode/mcp.json に貼り付けます

{
  "servers": {
    "watch-video": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "watch-video-mcp"
      ]
    }
  }
}

これはパソコンで動くサーバーですが、ChatGPTがつなげるのはインターネット上のサーバーだけです。ほかのアプリを選んでください。

選んだアプリは、この端末のCookieに保存されます。アカウントは不要です。

この設定は、作者のレジストリ登録情報から作成しています。READMEと違う場合は、READMEに従ってください。

できること

パソコンで動くサーバーです。インストールすると、ツール一覧がAIアプリに表示されます。

基本チェックi

誰でも見られる情報をチェックしており、コードは読んでいません。当てはまらない項目は数に入れていません。 · 2026年11月8日にチェック

✓ 合格
作者とリポジトリが一致
レジストリ名は、リポジトリを所有するGitHubアカウント marwanm7moud で確認済みです
… 未チェック
今もメンテナンスされている
このリポジトリはまだGitHubから読み取っていません
… 未チェック
ライセンスがある
このリポジトリはまだGitHubから読み取っていません
– 対象外
エンドポイントが応答する
これはパソコンで動くため、インターネット上のエンドポイントはありません
– 対象外
OAuthでサインイン
パソコンで動き、代わりにローカルの設定を使います
… 未チェック
ツールの説明に隠れた指示がない
パソコンで動くサーバーです。ツール一覧を読み取れるのは、インターネット上のエンドポイントがある場合だけです

デザイン・画像・音声のほかのサーバーとの比較i

このカテゴリのほかの2759件のうち0%よりスターが多い
このカテゴリのほかの2759件のうち81%より最近レジストリに公開
基本チェックの結果が、このカテゴリのほかの2759件のうち100%と同じかそれ以上

レジストリでこのカテゴリにある有効なすべてのサーバーと比較しています。スターは、公開者がリポジトリの所有者である場合だけ数えます。

よくある質問

Watch Videoは安全ですか？

当てはまる基本チェック1項目のうち1項目に合格しました。コードは読んでいません。キーやトークンを追加する前に、サーバーがどんなアクセスを求めているかを確認し、必要な権限だけを持つキーを使ってください。

どんなキーやコードが必要ですか？

レジストリには必須のキーは載っていません。ただし、最初に使うときにサインインを求めるサーバーもあります。

パソコンで動きますか、それともクラウドですか？

あなたのパソコンで動きます。必要なときにAIアプリが起動し、データは作者のサーバーを通りません（サーバー自体がオンラインサービスを呼び出す場合を除きます）。

今もメンテナンスされていますか？

GitHubリポジトリの最終更新は–、最新バージョン（0.2.0）がレジストリに届いたのは8 日前です。

どのアプリで使えますか？

Claude Desktop、Claude Code、Cursor、VS CodeなどのMCP対応アプリで使えます。パソコンにPython (uv)も必要です。

代わりに使えるものは？

同じカテゴリには：Figma Context MCP, Claude Real Video, Figma MCP Server

代わりの候補

同じカテゴリで、ほかの作者が作ったサーバー。スターの多い順。

カードの見方：★ GitHubスターi3つの柱：レビュー · チェック · 利用状況i更新＝最新バージョンをレジストリに公開した日i

Figma Context MCP

作者：GLips

Give your coding agent access to your Figma data. Implement designs in any framework in one-shot.

パソコンで動く★ 16,165MIT5 か月前更新

インストール

Claude Real Video

作者：HUANGCHIHHUNGLeo

Let any LLM watch a video locally — and search everything it has ever watched.

パソコンで動く★ 2,284MIT2 か月前更新

インストール

Figma MCP Server

作者：figma

The Figma MCP server brings Figma design context directly into your AI workflow.

クラウドで動く★ 2,15213 か月前更新

インストール

作者のREADME

READMEを開く

作者のリポジトリから書かれたとおりにコピーしたものです。PopNx MCPは内容を確認・推奨していません。HTML、画像、スクリプトは取り除いています。リンクはこのサイトの外へ移動します。

watch-video

Let Claude (or any MCP client) watch a video. Give it a local file or a URL (YouTube and 1,500+ other sites via yt-dlp) and it gets a timestamped transcript plus a handful of scene-selected keyframes, then drills into exact frames only when needed. No cloud transcription, no API keys.

> Watch https://www.youtube.com/watch?v=jNQXAC9IVRw and tell me what he says about the elephants.

$ video-cli overview https://www.youtube.com/watch?v=jNQXAC9IVRw --max-frames 8

Me at the zoo

duration: 00:19 transcript: platform-subs:en, language=en, 6 segments, took 0.4s keyframes: 3 scene-selected at 00:00, 00:05, 00:11 total time: 6.7s

Transcript

[00:01] All right, so here we are, in front of the elephants [00:05] the cool thing about these guys is that they have really... really really long trunks and that's cool [00:16] and that's pretty much all there is to say IMAGE: ~/.cache/video_mcp/Youtube_jNQXAC9IVRw/sheets_8/sheet_01.jpg

Claude: He stands in front of the elephants (00:01) and says the cool thing about them is their really long trunks (00:05). That is the whole video (00:16).

Why this one

	watch-video	Cloud video APIs (e.g. Gemini)	Transcript-only tools
Sees the screen (code, slides, charts, UI)	Yes: keyframes, hi-res frames, OCR	Yes	No
Runs locally, nothing uploaded	Yes	No: the video goes to the provider	Varies
API key or account	None	Required, billed per use	Varies
Videos without captions	Local Parakeet / Whisper	Yes	Often fails
Token cost of the visual pass	~20 frames per contact sheet (cost of ~1.5 images)	Billed by video length	None (no visuals)
Private recordings (meetings, bug repros)	Safe: never leave the machine	Uploaded	Varies

It ships as two parts:

`video` MCP server with seven tools (below).
`watch-video` skill that teaches Claude the cheap-first workflow: overview, then frames, then ranges.

How it works

Step	What happens
Transcript	Platform subtitles if the video has them (seconds), else Parakeet TDT 0.6B v3 (int8, CPU, 25 European languages), else faster-whisper large-v3-turbo (other languages, GPU or `language="auto"`).
Keyframes	Decodes only keyframes at thumbnail size, drops repeats and static slides, then fills the largest time gaps. The selection adapts to how much the video changes (screencast vs. action).
Contact sheets	Labelled frames tiled into grids: about 20 frames for the token cost of 1.5 full frames. Black bars are cropped automatically.
Drill-down	`get_frames` seeks to exact timestamps at 1280 px (readable code and charts). For URLs it seeks into the stream without downloading the whole video.

Everything is cached under ~/.cache/video_mcp, so repeat calls are instant.

Measured on a mid-range CPU (i5-11400, no GPU): 35.7-minute local video overview in about 2.6 minutes; YouTube video with subtitles in about 7 seconds; a drill-down frame in about 0.5 seconds.

Install

Requirements: Python 3.10+ and ffmpeg (including ffprobe) on your PATH.

Claude Code: one command (plugin)

Installs the MCP server and the skill together. Needs uv for uvx.

/plugin marketplace add marwanm7moud/watch-video

/plugin install watch-video@watch-video

Any agent: package, server, skill

pipx install watch-video-mcp          # or: uv tool install watch-video-mcp / pip install watch-video-mcp

optional extras: Whisper (non-European languages / GPU) and OCR (on-screen text as text)

pipx install "watch-video-mcp[whisper,ocr]"

latest from GitHub instead of PyPI:

pip install git+https://github.com/marwanm7moud/watch-video

No install needed to try the CLI: uvx --from watch-video-mcp video-cli hw.

Install ffmpeg with winget install Gyan.FFmpeg (Windows), brew install ffmpeg (macOS) or sudo apt install ffmpeg (Linux). The first transcription downloads the Parakeet model (about 650 MB).

Register the MCP server

Claude Code:

claude mcp add video --scope user -- video-mcp

Claude Desktop (claude_desktop_config.json) or any other MCP client:

{ "mcpServers": { "video": { "command": "video-mcp" } } }

If video-mcp is not on your PATH, use the full path to the executable or python -m video_mcp.server.

Install the skill

The skill works with or without the MCP server: it falls back to video-cli and installs it on first use. Copy the skill folder so your agent knows when and how to use the tools:

# macOS / Linux

mkdir -p ~/.claude/skills && cp -r skills/watch-video ~/.claude/skills/

Windows (PowerShell)

Copy-Item -Recurse skills\watch-video $HOME\.claude\skills\

Then ask Claude: *"Watch https://youtu.be/... and summarize it"*, or *"At what point do they explain the stop-loss, and what does the chart show then?"*

Tools

Tool	Use
`video_overview(source, max_frames=40, ocr=False)`	Start here: metadata, chapters, full transcript, contact sheets. `ocr=True` adds on-screen text.
`get_frames(source, timestamps, hi_res=True)`	Exact frames (`"12:30"`, `"1:02:05"` or seconds), up to 20.
`scan_range(source, start, end, count=12)`	Evenly spaced frames in one sheet, to follow motion or a demo.
`find_cuts(source, start, end, threshold=0.2)`	Hard cuts (shot or screen changes) and cuts per minute, for pacing.
`get_transcript(source, start, end)`	Transcript slice.
`search_transcript(source, query)`	Timestamped hits for any of the words, exact phrase first; plus on-screen text after an `ocr=True` overview.
`check_hardware()`	Detected tools, GPU and the transcription profile in use.

Command line

The same operations work without MCP:

video-cli overview video.mp4 --max-frames 16

video-cli overview demo.mp4 --ocr # also read code/slides on screen video-cli frames https://youtu.be/... 12:30 13:05 video-cli range video.mp4 10:00 10:30 --count 12 video-cli cuts ad.mp4 # hard cuts + cuts per minute video-cli search video.mp4 "stop loss" video-cli hw

Configuration

Variable	Default	Effect
`VIDEO_MCP_CACHE`	`~/.cache/video_mcp`	Cache directory (delete it to reclaim space).
`VIDEO_MCP_LANG`	`en`	Default transcription language; `auto` detects it with Whisper.
`VIDEO_MCP_THREADS`	`4` (CPU)	Threads for CPU transcription.
`VIDEO_MCP_AVX512`	unset	Set to `1` to let Whisper use AVX-512 (faster, but a very heavy sustained load).

On CPU the server runs below normal priority, one heavy job at a time, with Whisper held to AVX2, so a long transcription does not freeze your desktop.

Limitations

English is assumed unless you pass language. Parakeet covers 25 European languages on CPU (language="de", "fr", "es", ...). Other languages (Arabic, Chinese, Japanese, Hindi, ...) need Whisper, which is slow on CPU.
Frames are sampled, not every frame is analysed; the transcript can mishear names and terms. The skill tells Claude to cite timestamps and confirm exact on-screen text with a hi-res frame.
Use it only on videos you are allowed to access and process; respect each site's terms and copyright.

Development

pip install -e ".[dev]"

ruff check . pytest

License

MIT. See LICENSE.

Watch Video

概要

PopNx MCPの3つの柱

できること

インストール

インストールの前に

できること

基本チェックi

作者とリポジトリが一致

今もメンテナンスされている

ライセンスがある

エンドポイントが応答する

OAuthでサインイン

ツールの説明に隠れた指示がない

デザイン・画像・音声のほかのサーバーとの比較i

よくある質問

代わりの候補

Figma Context MCP

Claude Real Video

Figma MCP Server

作者のREADME

watch-video

Me at the zoo

Transcript

Why this one

How it works

Install

Claude Code: one command (plugin)

Any agent: package, server, skill

optional extras: Whisper (non-European languages / GPU) and OCR (on-screen text as text)

latest from GitHub instead of PyPI:

Register the MCP server

Install the skill

Windows (PowerShell)

Tools

Command line

Configuration

Limitations

Development

License