# Transkripte für KI-Agenten und deine LLM-Pipeline > Hol Transkripte für KI-Agenten per MCP, Agent-Skill oder REST API. Lange Aufnahmen liest dein Agent seitenweise, mit Zeitstempeln zum Nachprüfen. Canonical: https://transcript1.com/de/use-cases/transkripte-fuer-ki-agenten Language: de Last updated: 2026-10-19 Transkripte für KI-Agenten machen Videos und Aufnahmen durchsuchbar. Dein Agent kann daraus zitieren oder sie zusammenfassen. Nutze Links von YouTube, X, TikTok, Instagram, Facebook oder Bluesky sowie weitere unterstützte Videoplattformen oder lade eine Aufnahme hoch. Über MCP, den Agent-Skill oder REST bekommt deine Anwendung den Text samt Zeitstempeln. - MCP-Server mit acht Tools - Agent-Skill als SKILL.md - Lange Transkripte seitenweise lesen ## Einmal anfordern, vollständig lesen ### Direkt im MCP-Client Verbinde Claude, ChatGPT, Cursor, VS Code oder Claude Code mit https://api.transcript1.com/mcp. Dein Assistent ruft die Transkriptions-Tools dann selbst auf. ### Anleitung für deinen Agenten In SKILL.md steht, welche Tools der Agent wann aufruft und wie er doppelte Jobs vermeidet. Über llms.txt findet er die API-Doku. ### Nicht alles auf einmal ins Kontextfenster MCP liefert standardmäßig Text mit einem Zeitstempel pro Zeile. Lange Transkripte werden an Segmentgrenzen aufgeteilt. Mit next_from_seconds liest der Agent weiter. ### Bekannte Jobs wieder lesen Bei vollständigen Links nutzt transcribe ein passendes Transkript aus den letzten 24 Stunden erneut. Bei Kurzlinks geht das nicht. Kennst du die ID schon, rufe get_transcription auf. ### Transkription in deiner LLM-Pipeline Für Hintergrundjobs nutzt du die REST API. Webhooks melden den Abschluss; JSON-Segmente und Wort-Zeitstempel stehen für die weitere Verarbeitung bereit. ## Neuen Job starten oder einen bestehenden lesen? Mit transcribe fordert dein Agent das Transkript an und wartet darauf. Ist es fertig, bekommt er die erste Seite. Läuft der Job noch, behält er die zurückgegebene id und fragt mit get_transcription nach. Die Argumente beider Aufrufe stehen in der [MCP-Tool-Doku](https://transcript1.com/de/docs/mcp#tools). Trenne diese beiden Schritte in den Agent-Anweisungen: Ein neuer Job kann Transkriptionsminuten verbrauchen. Einen bekannten Job zu lesen prüft nur den Fortschritt oder holt den fertigen Text. Speichere die ID im dauerhaften Aufgabenstatus, nicht nur im Gespräch mit dem Modell. So kann der Agent nach einem Neustart weitermachen. Verarbeitest du mehrere Videos, speichere zu jeder ID den ursprünglichen Link. Vollständige Post-Links lassen sich beim Anfordern mit einem passenden, kürzlich erstellten Job abgleichen. Kurzlinks nicht. Am einfachsten vermeidest du einen zweiten Job, indem du die bekannte ID weiterverwendest. Das Beispiel nutzt einen Platzhalter für einen öffentlichen Bluesky-Videopost. ### MCP-Tool-Aufrufe ``` transcribe(url="[public bsky.app video-post URL]") get_transcription(id="tr_8fK2Lm0PqRsTuVwXyZaBcD", from_seconds=900) ``` ## Gib dem Agenten die Anleitung mit Ein Agent, der Skills unterstützt, findet transcript1 im Skill-Index und liest die Anleitung in SKILL.md. Darin stehen die Aufrufe und die Fehlerbehandlung. MCP stellt die aufrufbaren Tools bereit. Der Skill erklärt, wie der Agent sie sinnvoll nutzt. Deine eigene REST-Anwendung kann denselben Ablauf ohne MCP-Client umsetzen. llms.txt führt zur Doku; darüber lassen sich keine Transkripte abrufen. Wähle nach der Laufzeitumgebung: Im interaktiven Assistenten passen die seitenweisen MCP-Antworten. Für einen Hintergrunddienst eignen sich REST-Requests und signierte Webhooks zum Abschluss. Alle Clients teilen sich die Limits und Transkriptionsminuten des Kontos. Berücksichtige sie deshalb gemeinsam, wenn du parallele Jobs begrenzt. ### Skill-Index und SKILL.md ``` https://transcript1.com/.well-known/agent-skills/index.json https://transcript1.com/.well-known/agent-skills/transcript1/SKILL.md ``` ## Ein Video-Transkript für dein LLM vorbereiten Rufe den fertigen Text mit Zeitstempeln ab und übergib ihn an dein Modell. Die Optionen findest du in der [API-Doku zum Abrufen](https://transcript1.com/de/docs/api-reference#get-a-transcription). Über MCP liest du lange Transkripte seitenweise. Bei REST-Batches kann ein [Webhook](https://transcript1.com/de/features/transkription-webhook) deiner Anwendung den Abschluss melden. Lass Quell-ID, Link und Zeiten beim Text. Sonst ist eine Aussage nach dem Zusammenfassen nur schwer nachzuprüfen. Wenn du Textstücke für die Suche speicherst, behalte Anfang und Ende bei. Teile an vollständigen Segmenten oder Themenwechseln, nicht mitten im Wort oder Sprecherwechsel. Die Zusammenfassung oder Extraktion übernimmt dein Assistent, nicht transcript1. Lass ihn Zitate von eigenen Formulierungen trennen und fehlende Informationen benennen. Bei einer Instagram-Demo kann der entscheidende Schritt nur im Bild zu sehen sein. Aus dem Transkript darf das Modell keine Bildschirminhalte erraten. ### cURL ``` curl "https://api.transcript1.com/v1/transcriptions/tr_8fK2Lm0PqRsTuVwXyZaBcD?format=text×tamps=true" \ -H "Authorization: Bearer $TRANSCRIPT1_API_KEY" ``` ## Hat der Agent wirklich alles gelesen? Solange die MCP-Antwort next_from_seconds enthält, fehlt noch Text. Übergib den Wert beim nächsten Aufruf als from_seconds und halte fest, welche Seiten der Agent gelesen hat. Eine erfolgreiche Antwort ist noch kein vollständig gelesenes Video: Auf der ersten Seite steht womöglich nur die Einleitung. Sammle bei langen Aufnahmen erst Belege aus allen relevanten Seiten und fasse sie danach zusammen. Behalte die Zeitstempel in den Notizen. Spätere Einschränkungen oder Korrekturen können eine frühe Aussage verändern. Bei mehreren Quellen gehören auch nicht abrufbare Aufnahmen in die Übersicht. Ein fehlgeschlagener Abruf ist weder Zustimmung noch ein Beleg dafür, dass eine Quelle nichts zum Thema sagt. - [Transkripte aus Bluesky-Videos](https://transcript1.com/de/features/bluesky-video-transkribieren) - [Was im Instagram-Transkript fehlt](https://transcript1.com/de/features/instagram-transkript) ## Fehler erklären und Dateien richtig hochladen Ein noch laufender Job braucht eine weitere Statusabfrage. Bei login_required oder no_audio muss sich dagegen die Eingabe ändern. Gib diesen Unterschied an den Nutzer oder den übergeordneten Ablauf weiter. Ersetze einen fehlgeschlagenen Abruf nie durch leeren Text: Das Modell könnte ihn als Aufnahme ohne gesprochene Worte verstehen. Für lokale Dateien braucht der Agent eine Umgebung, die Dateien per HTTP hochladen kann. MCP reserviert den Upload und schließt ihn ab; die Dateidaten überträgst du dazwischen mit PUT außerhalb von MCP. Kann der Assistent das nicht, lass den Nutzer die Datei im Dashboard hochladen. Mit der daraus entstandenen Job-ID arbeitet der Agent anschließend wie gewohnt weiter. - [MCP: Seiten lesen und Dateien übertragen](https://transcript1.com/de/docs/mcp) ## Häufige Fragen ### Welche Assistenten kann ich verbinden? Jeden MCP-Client, der Remote-Server unterstützt, etwa Claude, ChatGPT, Cursor, VS Code und Claude Code. Kann dein Agent SKILL.md-Dateien lesen, kannst du ihm auch den Agent-Skill geben. ### Wie meldet sich mein Agent an? In Claude und ChatGPT meldest du dich per OAuth an. Für andere Agenten erstellst du einen API-Schlüssel mit dem Präfix t1_ und sendest ihn als Bearer-Token mit. ### Was passiert bei einem sehr langen Transkript? Der Agent bekommt den Text seitenweise. Jede Seite endet an einer Segmentgrenze. Enthält sie next_from_seconds, übergibt er diesen Wert als from_seconds, um die nächste Seite zu lesen. ### Verbraucht ein erneuter Aufruf wieder Minuten? Bei vollständigen Links verwendet transcribe innerhalb von 24 Stunden ein passendes Transkript desselben Videos mit denselben Optionen erneut. Kurzlinks werden beim Anfordern nicht so abgeglichen. Mit get_transcription liest du einen bestehenden Job, ohne einen neuen zu bezahlen. ### Kann Claude damit YouTube-Videos zusammenfassen? Ja. transcript1 gibt Claude das Transkript über MCP. Die Zusammenfassung schreibt Claude aus diesem Text. Genauso kannst du das Transkript an deine eigene LLM-Pipeline weitergeben. ## Passend dazu - [Transkription per MCP](https://transcript1.com/de/features/mcp-transkription) - [MCP-Server einrichten (Doku)](https://transcript1.com/de/docs/mcp) - [Webhooks](https://transcript1.com/de/features/transkription-webhook) - [TikTok-Transkripte](https://transcript1.com/de/features/tiktok-transkript)