Transkrypcje dla agentów AI i twojego pipeline’u LLM

transcribe czeka na gotowy tekst i zwraca pierwszą stronę. Jeśli transkrypcja nadal trwa, agent dostaje id. Następnie wywołuje get_transcription, zamiast ponownie wysyłać film. Argumenty obu narzędzi opisujemy w dokumentacji MCP.

W instrukcji agenta rozdziel zlecanie pracy od jej odczytu. Utworzenie transkrypcji może zużyć minuty. Odczyt po ID służy do sprawdzenia postępu lub pobrania gotowego tekstu.

Zapisuj ID w trwałym stanie zadania. Sama historia rozmowy z modelem nie wystarczy, jeśli agent uruchomi się ponownie.

Przy kolejce filmów trzymaj link obok ID. Pełny link do posta pozwala dopasować niedawną transkrypcję z tymi samymi ustawieniami. Krótkiego linku do udostępniania nie dopasujemy przy wysyłaniu. Gdy znasz już ID, po prostu z niego korzystaj.

W przykładzie poniżej podmień adres na link do publicznego posta z filmem na Bluesky. Drugie wywołanie pokazuje odczyt dalszej części tekstu.

Agent obsługujący Agent Skill znajdzie transcript1 w indeksie i przeczyta instrukcję z pliku SKILL.md.

MCP udostępnia narzędzia. Agent Skill wyjaśnia, w jakiej kolejności je wywoływać i co zrobić po błędzie. Ten sam schemat możesz zastosować we własnym kodzie korzystającym z REST, bez klienta MCP.

llms.txt prowadzi do dokumentacji. To nie endpoint do pobierania transkrypcji.

Dopasuj połączenie do miejsca, w którym działa agent. Asystent w rozmowie może czytać tekst stronami przez MCP. Serwis przetwarzający nagrania w tle może wysyłać requesty REST i odbierać podpisane webhooki po zakończeniu transkrypcji.

MCP i REST korzystają z tych samych minut i limitów konta. Przy pilnowaniu liczby równoległych transkrypcji uwzględnij wszystkich klientów, nie tylko bieżącego agenta.

Pobierz tekst ze znacznikami czasu i przekaż go swojemu modelowi. Przez MCP czytaj długą transkrypcję stronami, żeby zmieścić ją w kontekście. Przy przetwarzaniu wielu nagrań przez REST skorzystaj z webhooków.

Przekazuj modelowi tekst razem z linkiem lub ID źródła i czasami fragmentów. Po streszczeniu łatwiej sprawdzisz w nagraniu, skąd pochodzi dana informacja.

Jeśli zapisujesz fragmenty do późniejszego wyszukiwania, zachowaj ID źródła oraz czas początku i końca. Dziel tekst między pełnymi fragmentami albo przy zmianie tematu, nie w środku słowa czy wypowiedzi rozmówcy.

Streszczenie i wybór informacji zlecasz swojemu asystentowi. transcript1 dostarcza transkrypcję. Poproś model, żeby oddzielał cytaty od parafraz i zaznaczał, gdy czegoś nie ma w nagraniu.

Transkrypcja prezentacji z Instagrama nie musi zawierać instrukcji, które widać tylko na ekranie. Nie pozwalaj modelowi dopowiadać, co ktoś kliknął lub pokazał.

Jeśli odpowiedź MCP zawiera next_from_seconds, zostało jeszcze coś do przeczytania. Przekaż tę wartość jako from_seconds przy kolejnym odczycie. Zapisuj, które strony agent już przeczytał.

Pierwsza strona może zawierać tylko wstęp. Jedno udane wywołanie narzędzia nie wystarczy, by stwierdzić, że agent zna cały film. Przed końcowym podsumowaniem powinien przeczytać wszystkie strony potrzebne do odpowiedzi.

W notatkach z kolejnych części zachowuj znaczniki czasu. Sprawdzaj, czy później rozmówca nie poprawia wcześniejszej wypowiedzi albo nie dodaje ważnego zastrzeżenia.

Gdy porównujesz kilka nagrań, zapisz, które udało się przeczytać, a których nie. Niedostępne źródło nie oznacza ani zgodności z pozostałymi, ani braku informacji na dany temat.

login_required albo no_audio oznacza problem ze źródłem. Potrzebujesz innego nagrania lub linku. Jeśli transkrypcja po prostu jeszcze trwa, odczytaj ponownie jej status. Przekaż tę różnicę użytkownikowi lub dalszej części procesu.

Nie zamieniaj błędu na pustą transkrypcję. Model mógłby uznać, że w nagraniu nikt nic nie powiedział.

Do wysłania pliku agent potrzebuje środowiska, które obsługuje upload. Narzędziami MCP rezerwuje miejsce i kończy upload, ale sam plik wysyła poza MCP, requestami HTTP PUT.

Jeśli asystent nie umie wysyłać plików, skieruj użytkownika do panelu. Po dodaniu nagrania agent może odczytać transkrypcję po jej ID tak samo jak każdą inną.