HomeBlogTranscribePlansAPI Keys

OpenAI Responses API 接入 MCP：给 GPT-5 提供 YouTube 转录文本

OpenAI Responses API 连接远程 MCP 服务器获取 YouTube 转录文本

OpenAI Responses API 可以直接调用远程 MCP 服务器——你在 tools 里声明服务器，模型自己发现并调用其中的工具。接入 youtube2text.org 的 MCP 服务器后，GPT-5 就能在对话中途获取任何 YouTube 转录文本，而你不用写一行抓取代码。我今天刚用 gpt-5 测试了这套配置；下面的配置可以直接复制粘贴使用。

工具配置块

整个集成就是这一段：

{
  "type": "mcp",
  "server_label": "youtube2text",
  "server_url": "https://youtube2text.org/mcp",
  "headers": {"x-api-key": "YOUR_KEY"},
  "require_approval": "never"
}

headers 字段会在每次调用时把你的 youtube2text API 密钥透传给服务器。require_approval: "never" 跳过人工审批往返——在这里是合理的，因为唯一的工具是只读的转录文本获取。在 youtube2text.org/app/keys 用 Google 登录获取密钥，或者通过 GET https://youtube2text.org/api/demo-key 领取共享演示密钥（每个 IP 每月 5 个视频）。

完整 Python 示例

from openai import OpenAI

client = OpenAI()

resp = client.responses.create(
    model="gpt-5",
    tools=[{
        "type": "mcp",
        "server_label": "youtube2text",
        "server_url": "https://youtube2text.org/mcp",
        "headers": {"x-api-key": "YOUR_KEY"},
        "require_approval": "never",
    }],
    input="Summarize https://www.youtube.com/watch?v=dQw4w9WgXcQ "
          "in five bullet points.",
)

print(resp.output_text)

就这些。没有转录文本抓取代码，没有解析，没有提示词拼装。模型自己判断需要转录文本、调用工具、读取结果、写出摘要。

底层发生了什么

遍历 resp.output，你就能看到内部机制：

  1. 首先出现一个 mcp_list_tools 条目。Responses API 连接了 https://youtube2text.org/mcp 并拉取了工具清单——在我们的例子中只有一个工具：transcribe_video(url, maxChars?)，返回 {title, content, contentSize, videoId, pubDate, truncated}。这个导入每次对话只发生一次，后续轮次会被缓存。
  2. 当模型决定调用它时，会出现一个 mcp_call 条目，带着模型选择的参数（{"url": "https://www.youtube.com/watch?v=..."}），以及服务器响应后的完整工具输出。
  3. 最后是一个常规的 message 条目，包含模型的回答，也就是 output_text 给你的内容。

服务器是可流式的 HTTP 且无状态，所以没有会话握手要管理——每次调用都是独立的。如果视频没有字幕，工具会返回 TRANSCRIPT_UNAVAILABLE 错误，模型会用自然语言转述，而不是让你的运行崩溃。

一个值得了解的怪癖

GPT-5 会很乐意对转录文本做摘要、分析和引用短片段。但如果你要它逐字复述大段内容，它可能会拒绝——OpenAI 的版权护栏会在长篇逐字复制第三方内容时触发。在我今天的测试中，摘要、话题提取和问答都毫无阻碍；"把完整转录文本还给我"则不行。如果你需要原始文本，直接跳过模型、用 curl 调 REST 端点——否则你就是在花 token 洗一遍自己的 API 响应。

成本提示

转录文本很大。一小时的讲话大约是 8,000 到 10,000 个单词，全部会作为工具输出进入 GPT-5 的上下文，并按输入 token 计费。如果要大批量做摘要，请在提示词指令里传 maxChars（模型会把它作为工具参数转发），或者先用更便宜的方案预处理。

同一个服务器，其他客户端

完全相同的 MCP 端点也能用于 Claude——通过 Messages API 的 mcp_servers 配置块，或者作为 claude.ai 连接器以及在 Claude Code 中使用——所以一个 youtube2text 密钥就能喂饱你的整个智能体动物园。

密钥和套餐（从每月免费 5 个到 $19.99 无限量）都在 youtube2text.org/app/keys。