Come dare al tuo agente AI la capacità di guardare YouTube

Il problema che risolve

Quando gli utenti incollano un link di YouTube in un assistente, questo si rifiuta, inventa partendo dal titolo o fallisce con i video lunghi. I team che sviluppano agenti per ricerca, vendite o supporto hanno bisogno di un modo affidabile per trasformare qualsiasi video in testo su cui il modello possa ragionare, senza mantenere scraper che si rompono a ogni modifica di YouTube.

Cosa includere nella prima versione

• ■Uno strumento che il modello può chiamare con qualsiasi URL o ID video di YouTube
• ■Testo pulito della trascrizione più segmenti con timestamp per le citazioni
• ■Selezione della lingua e traduzione per i video non in inglese
• ■Suddivisione in blocchi dei video lunghi, così rientrano nel contesto del modello
• ■Cache per non recuperare due volte lo stesso video

Come realizzarla, passo dopo passo

1. 01

   Scegli l'integrazione

   Se il tuo assistente supporta il Model Context Protocol, collega il server MCP e gli strumenti compaiono automaticamente. Altrimenti definisci un function tool che chiama /transcribe.

2. 02

   Definisci il contratto dello strumento

   Accetta un URL video e una lingua opzionale. Restituisci il testo della trascrizione e un elenco di segmenti con gli orari di inizio.

3. 03

   Gestisci i video lunghi

   Per i video più lunghi della finestra di contesto, dividi i segmenti in blocchi e riassumi ciascuno prima di rispondere, oppure recupera solo i blocchi pertinenti alla domanda.

4. 04

   Cita la fonte

   Istruisci il modello a citare i timestamp dei segmenti, così gli utenti possono verificare ogni affermazione.

Codice di partenza

Questa idea si basa sullo schema "Ricetta 1: entra un video, esce un output strutturato". Sostituisci canali, prompt e storage con i tuoi.

import requests

API = "https://www.youtubetranscript.dev/api/v2"
HEADERS = {"Authorization": "Bearer yt_sk_live_YOUR_KEY"}

res = requests.post(f"{API}/transcribe", headers=HEADERS, json={
    "video": "https://www.youtube.com/watch?v=VIDEO_ID",
    "format": {"timestamp": True, "paragraphs": True},
}).json()

transcript = res["data"]["transcript"]
print(transcript["text"][:500])        # plain text for your LLM prompt
for seg in transcript["segments"][:3]:  # timestamps for deep links
    print(seg["start"], seg["text"])

Perché vale la pena realizzarla

Di solito è una funzionalità, non un prodotto: rende il tuo assistente, bot o copilot esistente nettamente più utile. Come prodotto a sé, un bot per Slack o Discord che risponde a domande sui video condivisi può essere venduto per workspace.

Errori da evitare

• ✕Infilare una trascrizione di tre ore in un unico prompt: recupera o riassumi a blocchi.
• ✕Eliminare i timestamp, rendendo impossibile verificare le risposte.
• ✕Recuperare più volte lo stesso video popolare invece di mettere in cache le trascrizioni.

Domande su questa idea