Trascrizioni per agenti IA e pipeline LLM

Il tool transcribe aspetta la trascrizione e restituisce la prima pagina. Se il lavoro è ancora in corso, conserva l’id ricevuto e usa get_transcription: non inviare di nuovo il video. I parametri di entrambe le chiamate sono nella documentazione dei tool MCP.

Nelle istruzioni dell’agente separa l’avvio di una trascrizione dalla sua lettura. Avviare un lavoro può consumare minuti; consultarlo tramite ID serve a controllare lo stato o a recuperare il testo. Salva l’ID nello stato persistente del task, non solo nella conversazione del modello: deve restare disponibile anche dopo un riavvio.

Se gestisci una coda, conserva il link accanto a ogni ID. Un link completo permette di ritrovare una trascrizione recente dello stesso video con le stesse opzioni; un link breve di condivisione non si può abbinare al momento dell’invio. Quando conosci già l’ID, leggerlo è la scelta più semplice. L’esempio usa un segnaposto per il link a un post video pubblico di Bluesky.

Un agente che supporta le skill può trovare transcript1 nell’indice e leggere come usarlo nel file SKILL.md.

L’Agent Skill descrive la sequenza delle chiamate e la gestione degli errori. MCP mette a disposizione i tool; il file spiega all’agente come usarli. Puoi seguire lo stesso ciclo in una pipeline REST, senza un client MCP. llms.txt porta alla documentazione: non è un endpoint per raccogliere trascrizioni.

Scegli in base a dove gira il codice. A un assistente interattivo convengono le pagine di testo di MCP; a un servizio in background, le chiamate REST e i webhook firmati di fine elaborazione. Tutti i client condividono i limiti e i minuti dello stesso account. Tienine conto quando decidi quanti lavori avviare insieme.

Per dare al tuo LLM il testo di un video, recupera la trascrizione con timestamp e passala al modello. Con MCP leggi le pagine successive senza riempire la finestra di contesto; con REST puoi raccogliere più trascrizioni tramite webhook.

Non separare il testo dalla fonte. Conserva l’ID, il link e i tempi di inizio e fine insieme a ogni passaggio. Se crei blocchi per la ricerca, taglia tra segmenti completi o al cambio di argomento, non a metà parola o intervento. Sarà più facile verificare una citazione anche dopo il riassunto.

Il riassunto e l’estrazione delle informazioni spettano all’assistente, non a transcript1. Chiedigli di distinguere citazioni e parafrasi e di segnalare ciò che manca nella fonte. Una demo su Instagram può mostrare un passaggio senza descriverlo a voce: dalla sola trascrizione il modello non può sapere cosa c’è sullo schermo.

Finché la risposta MCP contiene next_from_seconds, c’è altro testo da leggere. Passa quel valore come from_seconds nella chiamata successiva e registra le pagine lette. La prima può contenere una buona introduzione senza arrivare all’argomento centrale o alla conclusione.

Prima della sintesi finale raccogli i passaggi utili da tutte le pagine e mantieni i timestamp negli appunti intermedi. Più avanti il relatore potrebbe correggersi o aggiungere una condizione. Se confronti più registrazioni, indica quali hai letto e quali non erano disponibili: una fonte non letta non conferma né smentisce le altre.

Per elaborare audio con agenti IA, fai arrivare al chiamante lo stato reale. Un errore login_required o no_audio richiede un altro input; una trascrizione ancora in corso richiede un nuovo controllo dello stato. Non sostituire un errore con testo vuoto: il modello potrebbe scambiarlo per una registrazione senza parlato.

Per un file locale serve un ambiente capace di caricarne i byte. I tool MCP preparano e completano l’upload, ma i dati viaggiano con chiamate HTTP PUT fuori da MCP. Se l’assistente non può farle, indica all’utente il caricamento nella dashboard. Poi l’agente può leggere la trascrizione usando l’ID ottenuto.