Videotranskripte in LangChain

Kurz gesagt: Es gibt zwei Wege. Für die Indexierung macht ein kleiner Loader aus einem Transkript LangChain-Document-Objekte, eines pro Untertitelsegment mit seiner Startzeit. Für Agenten wird der MCP-Server von Transcript Dock über langchain-mcp-adapters an LangChain angebunden, und der Agent holt die Transkripte selbst.

Ein Document-Loader#

Zwanzig Zeilen, kein zusätzliches Paket. Jedes Document behält die Video-URL und die Zeitangaben, sodass Suchtreffer den Moment zitieren können, aus dem sie stammen. Fassen Sie Segmente vor dem Embedding zu größeren Abschnitten zusammen, wie unter Transkripte für RAG gezeigt.

loader.py

# pip install langchain-core requests
import requests
from langchain_core.documents import Document
 
API = "https://www.transcriptdock.com"
H = {"Authorization": "Bearer td_live_YOUR_KEY"}
 
def load_video(url: str, mode: str = "captions_only") -> list[Document]:
    """One Document per caption segment, with the video URL and start time as metadata."""
    job = requests.post(f"{API}/v1/jobs", headers={**H, "Idempotency-Key": f"lc-{url}"[:128]},
        json={"source": {"url": url}, "mode": mode}).json()
    while job["status"] not in ("succeeded", "failed", "cancelled"):
        job = requests.get(f"{API}/v1/jobs/{job['id']}", params={"wait": 25}, headers=H).json()
    if job["status"] != "succeeded":
        raise RuntimeError(job["error"]["code"])
    t = requests.get(f"{API}/v1/transcripts/{job['result_id']}", headers=H).json()
    meta = {"source": t["source"]["canonical_url"], "title": t["source"]["title"], "language": t["language"]}
    return [Document(page_content=s["text"], metadata={**meta, "start": s["start"], "end": s["end"]})
            for s in t["segments"]]
 
docs = load_video("https://www.youtube.com/watch?v=dQw4w9WgXcQ")

Agenten-Tools über MCP#

MultiServerMCPClient verbindet sich mit dem Remote-Server und macht dessen Tools zu LangChain-Tools: get_video_transcript, YouTube-Suche, das Auflisten von Kanälen und Playlists sowie das Auflisten von TikTok-Profilen.

agent.py

# pip install langchain-mcp-adapters langgraph langchain-anthropic
import asyncio
from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent
 
async def main():
    client = MultiServerMCPClient({
        "transcriptdock": {
            "url": "https://www.transcriptdock.com/mcp",
            "transport": "streamable_http",
            "headers": {"Authorization": "Bearer td_live_YOUR_KEY"},
        }
    })
    tools = await client.get_tools()
    agent = create_react_agent("anthropic:claude-sonnet-5-5", tools)
    out = await agent.ainvoke({"messages": "Summarize https://www.youtube.com/watch?v=dQw4w9WgXcQ"})
    print(out["messages"][-1].content)
 
asyncio.run(main())

Tool-Namen, Argumente und Credit-Kosten stehen auf der MCP-Seite. LlamaIndex und andere Frameworks, die MCP sprechen, verbinden sich auf dieselbe Weise.

Weitere Anleitungen

So erhalten Sie ein YouTube-Transkript

Fünf Wege, das Transkript eines YouTube-Videos zu bekommen: direkt in YouTube, mit yt-dlp, in Python, über die Transcript-Dock-API oder durch Fragen an Claude.

So erhalten Sie ein TikTok-Transkript

Holen Sie sich das Transkript eines TikTok-Videos als Text oder Untertitel, listen Sie die neuesten Videos eines Profils auf und behandeln Sie Videos ohne Untertitel.

Videotranskripte für RAG- und LLM-Pipelines

Verwandeln Sie YouTube- und TikTok-Videos in Abschnitte, die ein LLM durchsuchen und zitieren kann: zeitlich markierte Segmente abrufen, nach Zeit in Abschnitte teilen, Zeitstempel-Links behalten.

YouTube- und TikTok-Transkripte in n8n

Rufen Sie Videotranskripte in einem n8n-Workflow mit drei HTTP-Request-Knoten ab, oder geben Sie einem n8n-AI-Agenten die MCP-Tools von Transcript Dock.