Um servidor MCP do YouTube permite que o Claude busque transcrições, pesquise vídeos e obtenha detalhes sob demanda. Veja as três formas como esses servidores funcionam, a configuração no Claude Desktop e no Claude Code, prompts que devolvem respostas que você pode citar e uma alternativa para vídeos sem legendas.
Você cola um link do YouTube em um chat, pede as três afirmações que importam e o Claude responde com base na transcrição real, em vez de adivinhar pelo título. É essa a promessa de um servidor MCP do YouTube: um pequeno programa que fica entre o Claude e o YouTube e entrega transcrições, detalhes dos vídeos e resultados de busca quando você pede. Chega de avançar e voltar numa palestra de 90 minutos para encontrar o único slide sobre preços. Chega de copiar legendas para uma janela de chat e torcer para que a formatação sobreviva.
Ele também tem seus problemas. As legendas podem estar desativadas. A busca consome a cota da API rapidamente. Transcrições longas ocupam muito da janela de contexto. Este artigo mostra como esses servidores funcionam, como conectar um deles ao Claude Desktop ou ao Claude Code, quais prompts devolvem respostas que você pode citar e o que fazer quando um vídeo se recusa a entregar o próprio texto. A última seção oferece uma alternativa para vídeos sem nenhuma legenda: transcreva o áudio você mesmo e depois devolva o texto ao Claude.
O Model Context Protocol, ou MCP, é um padrão aberto que a Anthropic apresentou no fim de 2024 para que assistentes de IA possam chamar ferramentas externas de um único jeito consistente. Um servidor MCP publica uma lista de ferramentas, cada uma com um nome, uma breve descrição e entradas tipadas. Um cliente como o Claude Desktop ou o Claude Code lê essa lista. Quando o seu pedido precisa de uma dessas ferramentas, o Claude a chama e lê o que voltar.
Um servidor MCP do YouTube normalmente expõe alguma combinação destas ferramentas, embora os nomes mudem de projeto para projeto:
A maioria dos servidores locais se comunica com o Claude por stdio. O Claude inicia o programa na sua própria máquina e troca mensagens com ele pela entrada e saída padrão. Nada fica hospedado para você, e nada roda a menos que o cliente o inicie.
Duas capacidades fazem a maior parte do trabalho, e elas resolvem problemas diferentes.
Transcrições respondem a "o que foi dito neste vídeo". São baratas, rápidas e apenas texto. O Claude pode citar uma frase, montar um esboço com marcações de tempo ou extrair todos os números que um palestrante mencionou.
A busca de vídeos responde a "quais vídeos valem o meu tempo". Ela devolve títulos, canais e datas, mas não diz nada sobre o conteúdo até você buscar as transcrições dos melhores candidatos. O fluxo mais forte encadeia as duas: buscar, selecionar, extrair as transcrições e comparar.
💡 Dica: peça ao Claude para mostrar a lista de vídeos selecionados antes de buscar uma única transcrição. Você economiza cota e mantém a janela de contexto limpa.
Nem todo servidor MCP do YouTube chega ao YouTube do mesmo jeito. O método define o que você instala, quanto custa e onde ele falha.
Estes buscam a faixa de legendas que o YouTube já exibe sob um vídeo, seja por meio de uma biblioteca de transcrição, seja lendo as legendas com o yt-dlp. Você não precisa de credencial de API nem de um projeto no Google Cloud, então a configuração leva alguns minutos. A fraqueza é óbvia: sem legendas, nada para buscar. Eles também tendem a ser bloqueados com mais frequência quando rodam em um servidor na nuvem do que em uma conexão doméstica.
Estes chamam a API oficial de Dados do YouTube v3 e precisam de uma credencial do Google Cloud Console. Os metadados e a busca são confiáveis, mas a cota é apertada. Cada projeto recebe 10.000 unidades por dia por padrão, uma requisição de busca custa 100 unidades e uma consulta simples de vídeo custa 1. Isso dá cerca de 100 buscas por dia antes que a cota se esgote, e ela é reiniciada à meia-noite, no horário do Pacífico. A tabela oficial de cotas lista o custo de cada método.
Mais um detalhe: baixar legendas pela API oficial custa 200 unidades por chamada e exige permissão de edição sobre o vídeo. A rota apenas pela API normalmente não consegue buscar transcrições de vídeos de outros criadores, então muitas configurações combinam a API de Dados para a busca com um raspador para as transcrições.
Estes baixam o áudio com o yt-dlp e depois executam reconhecimento de fala sobre ele. São mais lentos e precisam de processamento, mas funcionam em vídeos sem legendas. É a opção pesada, e a escolha certa quando a precisão com um áudio confuso importa mais do que a velocidade.
| Abordagem | Esforço de configuração | Precisa de credencial de API | Funciona sem legendas | Principal limite |
|---|---|---|---|---|
| Raspagem de legendas | Baixo | Não | Não | Legendas ausentes, requisições bloqueadas |
| API de Dados do YouTube | Médio | Sim | Não, para vídeos de outros criadores | 10.000 unidades por dia |
| Download e transcrição | Alto | Depende do servidor | Sim | Lento, precisa de processamento |
Antes de instalar qualquer coisa, escolha um servidor cujo código você consiga ler. Um servidor MCP roda código na sua máquina com as suas permissões, então verifique primeiro o repositório, o mantenedor e o histórico recente de commits. Você também precisa do Node.js para servidores iniciados com npx, ou do Python com uv para servidores baseados em Python.
Abra Configurações, depois Desenvolvedor, depois Editar configuração, ou abra o arquivo diretamente. No macOS ele fica em ~/Library/Application Support/Claude/claude_desktop_config.json. No Windows ele fica em %APPDATA%\Claude\claude_desktop_config.json. Adicione uma entrada em mcpServers:
{
"mcpServers": {
"youtube": {
"command": "npx",
"args": ["-y", "your-youtube-mcp-package"]
}
}
}
Substitua your-youtube-mcp-package pelo nome do pacote indicado no README do servidor e adicione qualquer variável de ambiente que o README pedir, como a credencial da API de Dados. Depois, feche totalmente o Claude Desktop e abra-o de novo. O menu de ferramentas deve listar agora as ferramentas do YouTube.
O Claude Code registra um servidor com um único comando:
claude mcp add youtube -- npx -y your-youtube-mcp-package
Adicione --scope user para deixar o servidor disponível em todos os projetos, e não apenas no atual. Execute /mcp dentro do Claude Code para verificar se a conexão está ativa.
💡 Dica para Windows: no Windows nativo, servidores iniciados com npx normalmente precisam do invólucro
cmd /c. Useclaude mcp add youtube -- cmd /c npx -y your-youtube-mcp-package.
Teste com um vídeo curto: "Busque a transcrição desta URL e me dê os primeiros cinco minutos em tópicos com marcações de tempo." O Claude pede permissão na primeira vez que chama uma ferramenta. Aprove e confira se as marcações de tempo batem com o vídeo.
Pedidos específicos superam os vagos. Peça evidências, não impressões:
💡 Dica: pedir marcações de tempo e citações exatas mantém o Claude ancorado no texto. Se uma resposta não tem uma citação por trás, desconfie dela.
Encadear busca e transcrições é onde a configuração compensa. Experimente um prompt como este:
"Busque no YouTube os cinco vídeos mais relevantes sobre [tema] e mostre primeiro os títulos e os canais. Depois que eu escolher três, extraia as transcrições deles e compare, em uma tabela, o que cada um diz sobre [pergunta]."
Observe o tamanho do que você puxa. A fala em inglês gira em torno de 150 palavras por minuto, e uma palavra custa aproximadamente 1,3 token, então estes são valores aproximados:
| Duração do vídeo | Palavras aprox. | Tokens aprox. |
|---|---|---|
| 10 minutos | 1.500 | 2.000 |
| 1 hora | 9.000 | 12.000 |
| 3 horas | 27.000 | 36.000 |
Colocar cinco palestras de uma hora em um único chat significa cerca de 60.000 tokens de texto bruto antes que o Claude escreva uma palavra. Janelas de contexto grandes aguentam isso, mas o consumo de uso cresce rápido. Resuma cada vídeo em uma requisição separada e depois peça ao Claude para unir os resumos.
Pesquisadores e estudantes. Passe uma playlist de aulas pelo servidor, um vídeo por vez. Peça um glossário e uma lista de perguntas em aberto por aula, depois una tudo em uma única folha de estudo. Como cada resposta traz uma marcação de tempo, você pode voltar ao minuto exato sempre que algo parecer estranho.
Criadores e podcasters. Extraia as transcrições do seu próprio acervo e pergunte quais episódios mencionam um tema, quais ganchos se repetem e quais ideias merecem um desdobramento. Episódios longos viram rascunhos de blog, seções de newsletter e roteiros de cortes curtos sem que ninguém precise redigitar uma palavra.
Equipes de produto e marketing. Assista a webinars de concorrentes e demonstrações de produtos sem tomar o tempo de ninguém. Extraia a transcrição, peça ao Claude para listar novos recursos, mudanças de preço e afirmações de posicionamento, e coloque o resultado em um documento compartilhado. Equipes de suporte podem transformar vídeos tutoriais em rascunhos para a central de ajuda do mesmo jeito.
💡 Respeite a fonte: as transcrições pertencem aos criadores. Use-as para pesquisa, resuma e dê os créditos, e não as republique palavra por palavra.
A maioria das falhas remete a uma lista curta de causas:
| Sintoma | Causa provável | Correção |
|---|---|---|
| "Nenhuma transcrição disponível" | Legendas desativadas ou ainda não geradas | Transcreva o áudio, veja o tutorial abaixo |
| Funciona em casa, falha em um servidor | A faixa de IP do host está bloqueada | Execute o servidor localmente |
| Transcrição no idioma errado | O servidor escolheu a primeira faixa de legenda | Informe o código do idioma no seu prompt, como en |
| Nomes truncados, sem pontuação | Legendas geradas automaticamente | Peça ao Claude para limpar o texto e sinalizar nomes que ele não tem certeza |
| A busca para no meio do dia | Cota diária esgotada | Busque menos, encurte as listas de resultados, espere a reinicialização |
| Ferramentas ausentes no Claude | JSON quebrado ou falta de reinício | Valide o arquivo de configuração, reinicie o cliente por completo, verifique os logs |
Vídeos longos pressionam a janela de contexto. Peça um resumo por segmento de 10 minutos e, no fim, um esboço unificado. Se o servidor devolver marcações de tempo em segundos, peça ao Claude que as converta em minutos e segundos para você poder clicar direto no trecho.
Trate também as transcrições como entrada não confiável. Um vídeo pode conter instruções faladas ou escritas direcionadas a um modelo de IA, e a transcrição as entrega direto ao chat. Mantenha as aprovações de ferramentas ativadas e não deixe uma sessão do YouTube ao lado de ferramentas que podem gravar arquivos, enviar e-mails ou mexer em sistemas de produção.
Quando as legendas estão ausentes ou muito truncadas, transcreva o áudio você mesmo. Baixe apenas áudio que você tem direito de usar: seus próprios vídeos, material licenciado ou conteúdo cujo criador permita. O GPT 4o Transcribe no Picasso IA transforma então a gravação em texto. Ele aceita arquivos mp3, mp4, mpeg, mpga, m4a, ogg, wav e webm, então você raramente precisa converter algo antes.
en, es ou fr. Informar o idioma melhora a precisão e a velocidade.💡 Dica: teste primeiro um clipe de 30 segundos. Se os nomes saírem errados, inclua-os no campo de prompt e rode o clipe de novo antes de processar a gravação completa.
O GPT 4o Mini Transcribe e o Gemini 3 Pro ficam na mesma categoria de fala para texto, então você pode comparar a precisão com o mesmo clipe.
Abra o Claude Sonnet 5 no Picasso IA e cole a transcrição no campo prompt. Três configurações importam:
low é o padrão e o mais rápido, com o pensamento desativado. Passe para medium ou high quando a transcrição for longa e a pergunta for sutil.Um prompt que funciona bem: "Resuma esta transcrição em cinco tópicos, liste cada número mencionado e cite as duas frases mais importantes." Para gravações de uma hora ou mais, divida o texto em blocos de 10 minutos e una os resultados, o mesmo truque usado com o servidor do YouTube.
Depois de ter um resumo, você pode transformá-lo em algo que as pessoas realmente assistem. Peça ao Claude Sonnet 5 para condensar os três pontos mais fortes em uma breve descrição de cena, com um sujeito claro, um movimento de câmera e uma observação de iluminação. Em seguida, cole essa descrição em um modelo de texto para vídeo, como o Seedance 2.0 ou o Veo 3.1 Fast. Um clipe curto faz uma boa animação de cabeçalho para um post ou uma newsletter, e todo o ciclo, do áudio ao vídeo, leva minutos.
Agora você tem o ciclo completo. Um servidor MCP do YouTube dá ao Claude a transcrição e os resultados da busca. Quando as legendas falham, a fala para texto preenche a lacuna. Depois, um modelo de linguagem transforma o texto bruto em anotações, e um modelo de vídeo transforma essas anotações em um clipe.
Comece pequeno. Escolha um vídeo de cinco minutos, transcreva-o no Picasso IA, resuma-o com o Claude Sonnet 5 e anime a melhor ideia com um modelo de texto para vídeo. Mude uma configuração por vez, compare os resultados e guarde os prompts que funcionam. Abra o Picasso IA, faça sua primeira transcrição e veja quanto da sua próxima sessão de pesquisa você consegue delegar.
Escolha seu idioma
