01 / 服务器详情
服务器详情
tube-bridge 是一款自托管的 YouTube 研究工具，通过 MCP 协议将 YouTube 的海量视频资源转化为 AI 可直接操作的结构化数据。它提供了 17 个工具，覆盖了从视频搜索、字幕提取、帧级截图到评论抓取的完整链路，特别适合需要深度分析 YouTube 内容的场景，比如市场调研、舆情监控或学术研究。与需要联网的 API 不同，tube-bridge 允许你将数据完全留在本地，构建自己的语义语料库，结合本地大模型实现离线问答和语义搜索。作为社区驱动的 MCP 工具，它能够无缝嵌入到支持 MCP 的 AI 工作流中，上手难度中等，适合有一定开发基础但希望快速搭建 YouTube 数据分析管线的用户。
一个提供 tube-bridge 能力的模型上下文协议服务器，可被兼容 MCP 的 AI 客户端连接和调用。
能力标签SearchMCP开源
协议Model Context Protocol
开发者生态开源生态
开源协议MIT / 以来源页为准
来源GitHub
收录合集
收录本 MCP 服务的合集
常用MCP2026.03.30已收录
我的MCP2026.03.31已收录
Genie2026.03.30已收录
02 / 工具测试
工具测试
可用工具
可调用tube-bridge
调用 tube-bridge 提供的 MCP 能力并返回结构化结果。
参数
input根据该 MCP 服务的工具 schema 传入参数。提示：该工具可能会截断响应；使用 start_index 等分页参数可以分块读取较长内容。
03 / 服务配置
连接方式
Remote
{
"mcpServers": {
"tube-bridge": {
"url": "部署后由服务提供方生成 Remote 地址"
}
}
}Remote 地址需要在部署后由服务提供方生成，页面不会伪造不可用的端点。
Stdio · mcp.json
当前记录没有 npm 包，请先打开来源仓库补充 command 和 args。如果当前条目没有登记 npm 包，请以来源仓库的安装方式为准。
03 / 使用方法
如何使用
- 01步骤 1
先检查服务器能力和权限范围。
- 02步骤 2
复制安装命令或 JSON 配置。
- 03步骤 3
在客户端中进行小范围连接测试。
- 04步骤 4
确认数据访问和维护状态后再长期使用。
04 / 讨论
讨论与反馈
这里保留讨论入口，方便继续核对来源、使用体验和维护状态。
前往来源页面