TranscriptFetch MCP
公式AIエージェント向けの動画・音声トランスクリプト：YouTube、TikTok、Instagram、ポッドキャスト、動画検索に対応。
TranscriptFetch MCPで何ができますか？
- 動画の文字起こしを取得 — アシスタントに、
https://transcriptfetch.com/mcp経由でYouTube、TikTok、Instagramのリンクからキャプションを取得させます。 - タイムスタンプ付きの引用を取得 — セグメントごとの開始時間を含む文字起こしをリクエストし、AIがクリップ内の正確な瞬間を引用できるようにします。
- キャプション欠落を自動処理 — 動画にキャプションがない場合、サーバーがAIフォールバック文字起こしを起動し、アシスタントはテキスト収集を再試行できます。
- プラットフォーム間で統一フォーマットを使用 — YouTube、TikTok、Instagramのリンクで同じレスポンスフィールドを取得できるため、分岐ロジックは不要です。
- クライアントごとの使用状況を追跡 — 各クライアントまたはエージェントに個別のログ付きの独自キーを付与し、他に影響を与えずに個別にアクセスを失効させます。
ドキュメント
再生ボタンで止まってしまうアシスタント
記事についてアシスタントに質問すれば、答えが返ってきます。動画を送っても、タイトルや説明文、ページがたまたま公開している情報から推測するだけです。クリップ内で話されている言葉は、アシスタントが決して見ることのない部分です。
従来の方法
タイトル説明文ページが公開している情報
TranscriptFetch を使うと
00:12私たちのコーパスの大半は動画で、00:19つまりその大半はまったく00:24検索できない状態でした…
サーバーが代わりに処理してくれるすべてのこと
すべての取得におけるフォールバック
字幕はすぐに返ってきます。動画に字幕がない場合、AIフォールバック文字起こしがジョブとして開始され、アシスタントが再度ツールを呼び出してテキストを収集します。
すべてのセグメントにタイムスタンプ
各行には開始時間が含まれるため、アシスタントは全体を要約する代わりに、その瞬間を引用できます。
1つの形式で、すべてのプラットフォームに対応
TikTokのリンクもYouTubeのリンクも同じフィールドを返します。ダウンストリーム側でリンクの出所によって分岐する必要はありません。
失敗してもコストはかからない
テキストが返ってきたときにクレジットが消費されます。失敗した取得、非公開動画、無効なリンクは請求されません。
クライアントごとにキーを発行
クライアントまたはエージェントごとに個別のキーを発行でき、それぞれに独自のログが付属するため、何が何を要求したかを確認でき、1つだけを個別に失効させられます。
運用するインフラは不要
監視するキューも、プロキシプールも、プラットフォームがマークアップを変更した週に修正するスクレイパーもありません。
クライアントを設定する
サーバーURL・ストリーミングHTTP https://transcriptfetch.com/mcp
クライアント別
Claude MCPサーバー設定
Claudeの3つのパスをすべて1ページにまとめました。claude.aiのワンクリックコネクタ（OAuth、キー不要）、Claude Codeのワンライナー、Claude Desktopのmcp-remoteブリッジです。
Cursor MCPサーバー設定
~/.cursor/mcp.jsonのエントリと、VS Code用の同じブロックを紹介します。再起動後、Agentモードでツールが表示されます。
Codex MCPサーバー設定
CodexはMCPをstdio経由で設定するため、mcp-remoteブリッジと、それが属する~/.codex/config.tomlについて説明します。
プラットフォーム別
YouTube MCPサーバー
チャットで任意のYouTubeリンクについて質問できます。動画が公開している字幕があればそれを、なければAIフォールバック文字起こしを使用します。
TikTok MCPサーバー
ショート動画がタイムスタンプ付きのテキストとして読み取られるため、アシスタントはキャプションではなく、話された内容を引用できます。
Instagram MCPサーバー
リールや動画投稿はオンデマンドで文字起こしされ、他のすべてのソースと同じ形式で返されます。
よくある質問
MCPとは何ですか？一文で説明すると？
AIクライアントが外部ツールを呼び出すための標準的な方法です。サーバーを1回追加するだけで、カレンダーやファイルシステムを追加するのと同じように、アシスタントが文字起こしを取得できるようになります。
コードを書く必要はありますか？
いいえ。サーバーの追加は、クライアントの設定にURLとキーを貼り付けるだけです。コードが必要になるのは、独自のエージェントを構築する場合のみで、その場合も同じサーバーがAPI経由で動作します。
動画に字幕がない場合はどうなりますか？
AIフォールバック文字起こしが自動的に作動します。短い動画は通常約30秒で同じ呼び出し内に返ってきます。長いメディアはバックグラウンドジョブとなり、アシスタントが次の呼び出しで収集するか、レスポンスが示す場合にai_fallback: trueで再試行します。
料金体系はどうなっていますか？
字幕の取得は1クレジットです。AIフォールバック文字起こしは音声の長さに基づいて課金され、配信時のみ請求されます。どちらもAPIと同じ利用枠から消費されます。失敗、非公開動画、ブロックまたは利用不可のリンクは無料です。
アシスタントがアクセスできる範囲を制御できますか？
はい。各キーは個別にログが記録されるため、クライアントごとに独自のキーを渡し、何を呼び出しているかを確認し、他のキーに影響を与えずに失効させることができます。
リストにないクライアントでも動作しますか？
MCPに対応していれば動作します。サーバー内の何も特定のクライアントに依存していないため、将来サポートを追加するものはすべて同じURLで接続できます。