# Транскрипты для ИИ-агентов и LLM-пайплайнов > Транскрипты для ИИ-агентов из видео и записей через MCP, Agent Skill или REST API. Читайте длинный текст по частям, с временными метками. Canonical: https://transcript1.com/ru/use-cases/transkripty-dlya-ii-agentov Language: ru Last updated: 2026-10-19 Транскрипты для ИИ-агентов помогают искать цитаты, сравнивать записи и готовить пересказы. Передайте ссылку на YouTube, X, TikTok, Instagram, Facebook или Bluesky либо загрузите файл. Подойдут также клипы и завершённые трансляции Twitch, видео Dailymotion, видеопины Pinterest, видеопосты LinkedIn и Snapchat Spotlight. Через MCP, Agent Skill или REST агент получит текст с временными метками для дальнейшей работы. - 8 инструментов на MCP-сервере - Инструкции Agent Skill в SKILL.md - Длинные транскрипты по частям ## Агент знает, что запросить и как дочитать запись ### Подключение к MCP Claude, ChatGPT, Cursor, VS Code и Claude Code могут вызывать инструменты напрямую. Адрес сервера: https://api.transcript1.com/mcp. ### Инструкции для агента В SKILL.md описаны подключение, порядок вызовов и защита от повторного создания задач. Через llms.txt агент найдёт документацию API. ### Текст в пределах контекста По умолчанию MCP возвращает текст с временной меткой в каждой строке. Длинные транскрипты разбиты по границам сегментов. Поле next_from_seconds указывает, откуда читать дальше. ### Без лишней транскрибации По полной ссылке transcribe может повторно использовать подходящую задачу за последние 24 часа. С короткими ссылками это не работает. Если ID уже известен, обращайтесь к get_transcription. ### REST для фоновой обработки Для очереди записей используйте тот же API. Получайте уведомления через вебхуки, забирайте сегменты в JSON и пословные временные метки. ## Создайте задачу один раз и сохраните её ID Вызов transcribe ждёт готовый транскрипт и возвращает его первую часть. Если обработка ещё идёт, агент получает id. Дальше нужно вызывать get_transcription с этим ID, а не заново отправлять ссылку. Аргументы обоих вызовов есть в [справочнике инструментов MCP](https://transcript1.com/ru/docs/mcp#tools). В инструкциях агента разделите создание задачи и чтение существующей. Создание запускает работу и может потратить минуты. Чтение возвращает статус или готовый текст. Сохраните ID в постоянном состоянии задачи: после перезапуска агент должен найти его и без истории чата. В очереди видео храните рядом ID и исходную ссылку. По полной ссылке можно найти недавнюю задачу с теми же настройками. Короткую ссылку при отправке так сопоставить нельзя. Надёжнее всего обращаться к уже известному ID. В примере ниже вместо ссылки нужно подставить адрес публичного видеопоста Bluesky. Второй вызов показывает, как продолжить чтение с нужного места. ### Вызовы инструментов MCP ``` transcribe(url="[public bsky.app video-post URL]") get_transcription(id="tr_8fK2Lm0PqRsTuVwXyZaBcD", from_seconds=900) ``` ## Дайте агенту инструкции из SKILL.md Агент с поддержкой навыков найдёт transcript1 в индексе и прочитает SKILL.md. Файл объясняет, в каком порядке вызывать инструменты и что делать при ошибках. MCP предоставляет инструменты, а Agent Skill объясняет, как ими пользоваться. Этот же порядок можно повторить в собственной REST-интеграции без MCP-клиента. Файл llms.txt ведёт к документации: получить через него транскрипт нельзя. Для интерактивного ассистента удобен MCP: длинный текст приходит по частям. Для фоновой загрузки записей подойдут REST-запросы и подписанные вебхуки о завершении. Оба варианта используют минуты и лимиты одного аккаунта. При ограничении параллельных задач учитывайте всех его клиентов. ### Индекс навыков и файл SKILL.md ``` https://transcript1.com/.well-known/agent-skills/index.json https://transcript1.com/.well-known/agent-skills/transcript1/SKILL.md ``` ## Передайте транскрипт видео в свой LLM-пайплайн Попросите API вернуть текст с временными метками и передайте его модели. Параметры запроса описаны в [документации по получению транскрипта](https://transcript1.com/ru/docs/api-reference#get-a-transcription). В MCP читайте длинные записи по частям, чтобы не переполнить контекст. Для фоновых задач настройте [вебхук](https://transcript1.com/ru/features/vebhuk-transkribatsiya). Сохраняйте ссылку или ID источника вместе с началом и концом каждого фрагмента. При поиске по транскриптам делите текст по целым сегментам или смене темы. Не обрывайте слово или реплику посередине. Так цитату из ответа модели можно будет найти в записи. Пересказ и извлечение фактов выполняет ваша модель, не transcript1. Попросите её отличать цитаты от пересказа и отмечать, чего в источнике нет. Например, транскрипт демонстрации в Instagram не содержит действий, которые автор только показывает на экране. Агенту не стоит их додумывать. ### cURL ``` curl "https://api.transcript1.com/v1/transcriptions/tr_8fK2Lm0PqRsTuVwXyZaBcD?format=text×tamps=true" \ -H "Authorization: Bearer $TRANSCRIPT1_API_KEY" ``` ## Проверьте, что агент прочитал всю нужную запись Пока в ответе есть next_from_seconds, текст ещё не закончился. Передайте это значение в from_seconds следующего вызова и запишите, какие части агент уже прочитал. Успешно получить начало лекции недостаточно, чтобы пересказать её целиком. Для большого материала сначала соберите заметки по всем нужным частям, затем готовьте общий ответ. Оставляйте в заметках временные метки и проверяйте, не уточнил ли автор свою мысль позже. При сравнении нескольких видео перечислите прочитанные записи и те, которые получить не удалось. Ошибка загрузки не означает, что источник подтверждает вывод или ничего не добавляет. - [Транскрипты видеопостов Bluesky](https://transcript1.com/ru/features/rasshifrovka-video-bluesky) - [Что попадёт в транскрипт Instagram](https://transcript1.com/ru/features/rasshifrovka-instagram-reels) ## Отдельно обработайте ошибки и загрузку файлов Ошибки login_required и no_audio требуют другого источника. Если же обработка продолжается, достаточно ещё раз проверить статус. Передавайте это различие пользователю или следующему этапу. Не заменяйте ошибку пустым транскриптом: модель может решить, что в записи никто не говорил. Для локального файла среда агента должна уметь отправлять байты. MCP подготавливает загрузку и завершает её, а сам файл передаётся отдельными HTTP PUT-запросами. Если агент этого не умеет, предложите пользователю загрузить запись в личном кабинете. Затем агент сможет прочитать её обычными инструментами по ID задачи. - [Загрузка файлов и чтение транскриптов через MCP](https://transcript1.com/ru/docs/mcp) ## Частые вопросы ### С какими агентами это работает? С любым MCP-клиентом, который поддерживает удалённые серверы. Среди них Claude, ChatGPT, Cursor, VS Code и Claude Code. Агентам с поддержкой SKILL.md можно также передать Agent Skill. ### Как дать агенту доступ к аккаунту? В Claude и ChatGPT войдите через OAuth. Для других агентов создайте API-ключ с префиксом t1_ и передавайте его как Bearer-токен. ### Что делать с транскриптом, который не помещается в контекст? Читайте его по частям. Каждая часть заканчивается на границе сегмента. Если есть продолжение, ответ содержит next_from_seconds. Передайте это значение в from_seconds, чтобы получить следующую часть. ### Повторный вызов снова потратит минуты? По полной ссылке transcribe повторно использует задачу для того же видео с теми же настройками за последние 24 часа. Для коротких ссылок такого сопоставления нет. Вызов get_transcription читает существующую задачу без нового списания. ### Сможет ли Claude пересказать видео с YouTube? Да. transcript1 передаст ему транскрипт через MCP, а Claude напишет пересказ по прочитанному тексту. Так же можно передать транскрипт видео в собственный LLM-пайплайн. ## Читайте также - [Транскрибация через MCP](https://transcript1.com/ru/features/mcp-transkribatsiya) - [MCP-сервер (документация)](https://transcript1.com/ru/docs/mcp) - [Вебхуки](https://transcript1.com/ru/features/vebhuk-transkribatsiya) - [Текст из TikTok](https://transcript1.com/ru/features/rasshifrovka-tiktok)