VidLens MCP-Server: Dauerhafte YouTube-Wissensdatenbank für Claude

VidLens ist ein kostenloser, quelloffener MCP-Server, der YouTube als dauerhafte Wissensbasis behandelt, anstatt temporäre Transkripte zu extrahieren. Im Gegensatz zu anderen YouTube-Tools für Claude, die Transkripte abrufen, zusammenfassen und die Daten beim Ende des Chats verlieren, behält VidLens alles indiziert, durchsuchbar und wächst mit der Zeit.

Hauptfunktionen

Das Tool bietet mehrere spezifische Fähigkeiten, die in der Quelle demonstriert werden:

• Kaufentscheidungen: YouTube nach mehreren Bewertungen durchsuchen (z.B. "M5 Max MacBook Pro reviews"), Transkripte parallel lesen, Konsens synthetisieren und belegte Aussagen mit klickbarer Verifizierung liefern. Beispiel: "Worüber sind die wichtigsten Reviewer sich einig?" liefert synthetisierten Konsens von fünf Reviewern, ohne Videos anzuschauen.
• Publikumsanalyse: Kommentarsentiment mit echten Themen und Zitaten analysieren. Beispiel: "Was dachte das Publikum wirklich?" bietet detaillierte Sentiment-Analyse über einfache positive/negative Bewertungen hinaus.
• Playlist-Wissensbasis: Ganze Kurse importieren (z.B. Karpathys Neuronaler-Netzwerke-Kurs) mit allen lokal indizierten Transkripten unter Verwendung semantischer Embeddings. Nach Bedeutung statt nach Schlüsselwörtern suchen. Beispiel: "Welche Videos gehen am tiefsten auf Aufmerksamkeitsmechanismen ein?" liefert konzeptionell relevante Ergebnisse, die für zukünftige Abfragen verfügbar bleiben.
• Visuelle Bildersuche: Schlüsselbilder extrahieren, OCR auf Folien und Diagrammen ausführen und Bilder nach Bildschirminhalten finden. Beispiel: "Finde Benchmark-Vergleichsdiagramme in dieser Bewertung" liefert das tatsächliche Bild mit Zeitstempel, selbst für kurz gezeigte Diagramme in langen Videos.

Technische Details

Installation: npx vidlens-mcp setup

Das Tool umfasst 41 Werkzeuge in 10 Modulen und funktioniert ohne API-Schlüssel. Gemini- und YouTube Data API-Schlüssel sind optional für erweiterte Funktionalität.

Dieser Ansatz ist nützlich für Entwickler, die YouTube-Inhalte wiederholt in ihrer Arbeit mit Claude referenzieren müssen, insbesondere für Forschungs-, Lern- oder Inhaltsanalysen, bei denen Beständigkeit und Durchsuchbarkeit wichtiger sind als einmalige Extraktion.