🎥 YouTube转录RAG系统
100%人工智能生成 |完全由 反重力 （谷歌的Gemini 3 Pro集成开发环境） 零人为编写的代码
MCP（模型上下文协议）服务器，用于检索YouTube视频转录本，在矢量数据库（ChromaDB）中对其进行索引，并对单个视频或整个索引集合进行语义搜索。
______________________________________________________________________
✨ 特性
- 🎯 提取和索引：自动下载YouTube成绩单，按时间分组，并存储嵌入内容
- 🔍 语义搜索：使用自然语言查询特定视频或整个收藏
- 💾 持久性：数据保存到磁盘并在容器重新启动后仍然有效
- 🐳 Docker化：使用Docker Compose轻松部署
- 🤖 MCP集成：与Claude Desktop和其他MCP客户端无缝协作
- ⚡ 本地嵌入：用途
all-MiniLM-L6-v2用于快速离线语义搜索
______________________________________________________________________
🚀 快速开始
先决条件
- 已安装Docker和Docker Compose
- Python 3.11+（用于模型设置）
1.️⃣ 下载嵌入模型
首次运行前，在本地下载模型：
python setup_model.py这将下载 all-MiniLM-L6-v2 型号（~100MB） models/ 目录。
2.️⃣ 启动服务器
docker-compose up --build等待日志消息：
Starting YouTube Transcript RAG MCP Server...3.️⃣ 连接到克劳德桌面
- 找到您的Claude Desktop配置文件：
- macOS: ~/Library/Application Support/Claude/claude_desktop_config.json - 视窗: %APPDATA%\Claude\claude_desktop_config.json
- 添加此配置：
{
"mcpServers": {
"youtube-rag": {
"command": "docker",
"args": [
"exec",
"-i",
"youtube-rag-mcp",
"python",
"stdio_launcher.py"
]
}
}
}- 重新启动克劳德桌面
______________________________________________________________________
🛠️ 可用的MCP工具
fetch_and_index_transcript
检索并索引YouTube视频的文字记录。
输入：
youtube_url（string）：完整的YouTube视频URL
输出： 带状态和块计数的JSON
例子：
Please fetch and index this video: https://www.youtube.com/watch?v=T-D1KVIuvjA______________________________________________________________________
query_video
在特定视频的转录中进行语义搜索。
输入：
youtube_url（string）：目标视频URLquestion（string）：搜索查询top_k（int，默认值=3）：要返回的结果数
输出： 带有相关转录块和时间戳的JSON
例子：
Query the video https://www.youtube.com/watch?v=T-D1KVIuvjA with the question "What is Python used for?"______________________________________________________________________
query_all_videos
在所有索引的视频转录中进行语义搜索。
输入：
question（string）：搜索查询top_k（int，默认值=5）：要返回的结果数
输出： JSON，包含任何索引视频的相关结果
例子：
Search all videos for "machine learning concepts"______________________________________________________________________
list_indexed_videos
显示数据库中当前的所有视频。
输入： 无
输出： 带元数据的JSON视频列表
例子：
List all indexed videos______________________________________________________________________
🔧 配置
环境变量 .env:
| 变量 | 描述 | 默认值 |
|---|---|---|
CHROMA_PERSIST_DIRECTORY | ChromaDB数据路径 | /app/chroma-data |
EMBEDDING_MODEL | 句子转换器模型路径 | /app/models/all-MiniLM-L6-v2 |
LOG_LEVEL | 日志记录级别 | INFO |
CHUNK_TARGET_DURATION | 目标块持续时间（秒） | 150 |
CHUNK_OVERLAP | 块重叠（秒） | 30 |
DEFAULT_TOP_K | 默认结果数 | 3 |
______________________________________________________________________
🔍 数据库检查
使用附带的包装器脚本检查数据库：
# Show statistics
python inspect_docker.py stats
# List all indexed videos
python inspect_docker.py list
# Inspect a specific video
python inspect_docker.py inspect VIDEO_ID --full______________________________________________________________________
📁 项目结构
youtube-transcript-rag/
├── mcp-server/ # Main application directory
│ ├── services/ # Core services (ChromaDB, embeddings, chunking)
│ ├── tools/ # MCP tool implementations
│ ├── utils/ # Utility functions
│ ├── server.py # FastMCP server
│ ├── stdio_launcher.py # Claude Desktop integration
│ ├── db_inspector.py # Database inspection tool
│ └── Dockerfile # Container definition
├── docker-compose.yml # Docker Compose configuration
├── setup_model.py # Model download script
├── inspect_docker.py # Database inspection wrapper
└── .env # Environment variables______________________________________________________________________
🎬 演示工作流程
看 demo_script.md 完整的演示流程包括：
- 为多个视频建立索引
- 查询特定视频
- 跨视频语义搜索
- 持久性验证
______________________________________________________________________
🐛 故障排除
没有可用的成绩单
有些视频没有字幕/文字记录。在这种情况下，该工具将返回错误。
Docker构建速度慢
第一个构建下载嵌入模型（~100MB）和依赖关系。后续构建使用Docker的缓存。
未找到容器
确保容器正在运行：
docker ps | grep youtube-rag-mcp如果没有运行，请启动它：
docker-compose up -d______________________________________________________________________
🤖 关于本项目
整个项目是由 反重力，运行Gemini 3 Pro的谷歌新的人工智能IDE。
挑战： 为YouTube转录RAG创建一个生产就绪的MCP服务器
结果： 一个功能齐全、码头化、生产就绪的应用程序，具有：
- ✅ 干净的架构，适当分离关注点
- ✅ 全面的错误处理
- ✅ Docker容器化
- ✅ MCP集成
- ✅ 数据库检查工具
- ✅ 完整的文件
人类编写的代码行： 0
这展示了人工智能辅助开发的力量和现代人工智能编码助手的能力。
______________________________________________________________________
📝 许可证
麻省理工学院许可证-欢迎将此项目用作模板或学习资源！
______________________________________________________________________
🙏 致谢
- 内置于 FastMCP
- 嵌入方式 句子转换
- 矢量数据库 ChromaDB
- 成绩单通过 youtube转录api
______________________________________________________________________
由以下材料制成✨ 反重力（双子座3 Pro）