AI 에이전트가 YouTube를 볼 수 있게 만드는 법

해결하는 문제

사용자가 어시스턴트에 YouTube 링크를 붙여 넣으면, 거부하거나 제목만 보고 지어내거나 긴 영상에서 실패합니다. 리서치, 영업, 고객 지원용 에이전트를 만드는 팀에게는 YouTube가 바뀔 때마다 깨지는 스크레이퍼를 유지보수하지 않고도 어떤 영상이든 모델이 추론할 수 있는 텍스트로 바꿔 주는 믿을 만한 방법이 필요합니다.

첫 버전에 넣을 기능

• ■모든 YouTube URL이나 영상 ID로 모델이 호출할 수 있는 도구
• ■출처 인용을 위한 깔끔한 자막 텍스트와 타임스탬프 세그먼트
• ■영어 외 영상을 위한 언어 선택 및 번역
• ■긴 영상을 모델 컨텍스트에 맞추기 위한 청크 분할
• ■같은 영상을 두 번 가져오지 않도록 하는 캐싱

단계별 개발 방법

1. 01

   연동 방식 선택

   어시스턴트가 Model Context Protocol을 지원한다면 MCP 서버를 연결하세요. 도구가 자동으로 나타납니다. 지원하지 않는다면 /transcribe를 호출하는 함수 도구를 정의하세요.

2. 02

   도구 인터페이스 정의

   영상 URL과 선택적 언어를 입력으로 받고, 자막 텍스트와 시작 시간이 포함된 세그먼트 목록을 반환합니다.

3. 03

   긴 영상 처리

   컨텍스트 윈도보다 긴 영상은 세그먼트를 청크로 나눠 각각 요약한 뒤 답하거나, 질문과 관련된 청크만 검색해 사용하세요.

4. 04

   출처 인용

   사용자가 모든 주장을 검증할 수 있도록 세그먼트의 타임스탬프를 인용하라고 모델에 지시하세요.

스타터 코드

이 아이디어는 "레시피 1: 영상 하나를 넣고 구조화된 결과 받기" 패턴을 기반으로 합니다. 채널, 프롬프트, 저장소는 원하는 대로 바꿔 쓰세요.

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"])

만들 가치가 있는 이유

대개는 독립 제품이라기보다 기능입니다. 기존 어시스턴트, 봇, 코파일럿을 눈에 띄게 더 유용하게 만들어 줍니다. 독립 제품으로 낸다면, 공유된 영상에 대한 질문에 답하는 Slack이나 Discord 봇을 워크스페이스당 과금할 수 있습니다.

피해야 할 실수

• ✕3시간짜리 자막을 프롬프트 하나에 통째로 넣기: 대신 청크 단위로 검색하거나 요약하세요.
• ✕타임스탬프를 버리기: 답변을 검증할 수 없게 됩니다.
• ✕자막을 캐싱하지 않고 인기 영상을 반복해서 가져오기.

이 아이디어에 대한 질문