Douyin Video Analysis MCP
An MCP server that parses Douyin share links and performs intelligent content analysis using the Doubao video understanding model. It provides structured outputs including video summaries, categorized outlines, and step-by-step tutorial information.
README
抖音视频解析 MCP 服务
一个 MCP(Model Context Protocol)服务器,用于解析抖音分享链接并使用豆包视频理解模型进行智能内容分析。
📦 快速安装
pip install doubao-douyin-analysis-parse-mcp
就这么简单! 然后配置 Cursor 即可使用。
⚠️ v1.0.0 用户注意:v1.0.0 有 bug 无法使用,请查看 v1.0.0迁移指南.md 升级到 v1.0.1
💡 开发者:查看源码安装
📚 专用配置指南
- 🍒 Cherry Studio 配置 - Cherry Studio 专用指南
- 📋 快速参考 - 配置速查卡片
- 🔄 v1.0.0 迁移 - 从 v1.0.0 升级
🎓 新手指南
如果你是 Python 初学者,请先阅读:
- 📖 新手指南.md - 零基础完整教程(推荐)
- 🚀 调试步骤.md - 5 分钟快速上手
- ⚡ QUICKSTART.md - 快速开始指南
已经熟悉 Python? 继续往下看 ↓
功能特性
✨ 智能链接提取 - 自动从抖音口令中提取视频链接
🎥 视频内容解析 - 获取视频真实 URL
🤖 AI 视频分析 - 使用豆包大模型进行深度内容分析
📋 结构化输出 - 返回格式化的视频描述、大纲和教程步骤
项目架构
抖音口令/链接 → 链接提取 → 抖音API → 视频URL → 豆包AI → 结构化分析结果
分析内容
服务会返回以下结构化内容:
- 视频描述:简短概括(50字以内)
- 视频类型:自动识别(烹饪教程、Vlog、剧情等)
- 视频大纲与内容:
- 教程类:所需材料、详细步骤、重点提示
- 其他类型:主要内容、关键场景、核心信息
快速开始
🚀 方式 A:从 PyPI 安装(推荐,最简单)
仅需一条命令:
pip install douyin-mcp-server
就这样! 无需下载代码,无需配置环境。
然后跳转到 配置 API Key 和 在 Cursor 中使用
🛠️ 方式 B:从源码安装(开发者)
1. 环境要求
- Python 3.10 或更高版本
- pip 包管理器
2. 安装依赖
# 克隆或进入项目目录
cd douyin_to_notion
# 创建虚拟环境(推荐)
python -m venv venv
# 激活虚拟环境
# Windows:
venv\Scripts\activate
# macOS/Linux:
source venv/bin/activate
# 安装依赖
pip install -e .
3. 配置环境变量
复制 env.example 创建 .env 文件:
cp env.example .env
编辑 .env 文件,设置你的豆包 API Key:
DOUBAO_API_KEY=your_actual_api_key_here
DOUBAO_API_ENDPOINT=https://ark.cn-beijing.volces.com/api/v3/chat/completions
DOUBAO_MODEL=doubao-1.5-vision-pro-32k
4. 获取豆包 API Key
- 访问 火山引擎控制台
- 登录并创建 API Key
- 将 API Key 复制到
.env文件中
5. 测试服务器
方法 1:运行 MCP 服务器
python -m src
方法 2:运行测试示例
python test_example.py
测试示例会验证:
- 链接提取功能
- 视频 URL 获取功能
- 完整视频信息获取
在 Cursor 中使用
配置步骤
- 打开 Cursor 设置
- 找到 MCP 配置区域
- 添加以下配置:
如果使用 PyPI 安装(推荐):
{
"mcpServers": {
"douyin-analyzer": {
"command": "douyin-mcp-server",
"env": {
"DOUBAO_API_KEY": "your_actual_api_key"
}
}
}
}
⚠️ 重要:PyPI 安装后使用
"command": "douyin-mcp-server",不需要args
如果从源码运行(开发者):
{
"mcpServers": {
"douyin-analyzer": {
"command": "python",
"args": ["-m", "src"],
"env": {
"DOUBAO_API_KEY": "your_actual_api_key"
},
"cwd": "D:\\work\\my-project\\douyin_to_notion"
}
}
}
使用方法
配置完成后,在 Cursor 中可以通过自然语言调用:
示例 1:使用口令
分析这个抖音视频:0.05 09/23 III:/ e@B.tE 今年农户都不易啊,水产水果都滞销 # 螃蟹 # 国庆假期 https://v.douyin.com/DGHl69ciWp4/ 复制此链接,打开Dou音搜索,直接观看视频!
示例 2:使用链接
帮我分析这个抖音视频的内容:https://v.douyin.com/DGHl69ciWp4/
返回结果示例
对于烹饪教程视频,可能返回:
✓ 成功提取链接: https://v.douyin.com/DGHl69ciWp4/
✓ 成功获取视频 URL
✓ 视频分析完成
==================================================
【视频描述】
展示家常红烧肉的制作过程,简单易学的传统做法
【视频类型】
烹饪教程
【视频大纲与内容】
- 所需食材:
五花肉500g、冰糖30g、生抽2勺、老抽1勺、料酒2勺、葱姜蒜适量
- 操作步骤:
1. 五花肉切块焯水去腥
2. 锅中炒糖色至焦糖色
3. 加入肉块翻炒上色
4. 加入调料和热水,大火烧开转小火炖40分钟
5. 大火收汁装盘
- 重点提示:
炒糖色时火候要掌握好,避免炒糊;炖煮时要用小火慢炖,让肉质更软烂
在 VSCode 中使用
配置步骤
VSCode 配置文件位置:
- Windows:
%APPDATA%\Code\User\settings.json - macOS:
~/Library/Application Support/Code/User/settings.json - Linux:
~/.config/Code/User/settings.json
在 settings.json 中添加:
PyPI 安装用户:
{
"mcp.servers": {
"douyin-analyzer": {
"command": "douyin-mcp-server",
"env": {
"DOUBAO_API_KEY": "your_actual_api_key"
}
}
}
}
源码安装用户:
{
"mcp.servers": {
"douyin-analyzer": {
"command": "python",
"args": ["-m", "src"],
"env": {
"DOUBAO_API_KEY": "your_actual_api_key"
},
"cwd": "D:\\work\\my-project\\douyin_to_notion"
}
}
}
使用方法与 Cursor 相同。
🔄 更新与卸载
更新到最新版本
PyPI 用户:
pip install --upgrade douyin-mcp-server
源码用户:
cd D:\work\my-project\douyin_to_notion
git pull
pip install -e . --force-reinstall
卸载
pip uninstall douyin-mcp-server
项目结构
douyin_to_notion/
├── src/
│ ├── __init__.py # 包初始化
│ ├── __main__.py # 主入口
│ ├── douyin_mcp_server.py # MCP 服务器核心
│ ├── link_extractor.py # 链接提取模块
│ ├── douyin_api.py # 抖音 API 客户端
│ ├── doubao_api.py # 豆包 API 客户端
│ └── prompts.py # 提示词模板
├── pyproject.toml # 项目配置
├── .gitignore # Git 忽略文件
├── env.example # 环境变量示例
├── mcp_config.json # MCP 配置示例
├── cursor_mcp_settings.md # Cursor 配置说明
└── README.md # 本文件
API 说明
抖音解析 API
- 端点:
http://175.24.234.153:8091/api/hybrid/video_data - 方法: GET
- 参数:
url: 抖音视频链接minimal: false
- 返回: 包含视频真实 URL 的 JSON 数据
视频链接提取逻辑:
从返回的 data.video.bit_rate 数组中,选择 bit_rate 值最小的对象(最小码率,文件最小),然后获取该对象的 play_addr.url_list[0] 作为视频播放地址。
示例响应结构:
{
"code": 200,
"data": {
"video": {
"bit_rate": [
{
"bit_rate": 1329070,
"play_addr": {
"url_list": ["视频地址1", "视频地址2"]
}
},
{
"bit_rate": 2598694,
"play_addr": {
"url_list": ["视频地址3", "视频地址4"]
}
}
]
}
}
}
系统会自动选择 bit_rate 为 1329070 的视频地址(最小码率)。
豆包视频理解 API
- 端点:
https://ark.cn-beijing.volces.com/api/v3/chat/completions - 方法: POST
- 认证: Bearer Token
- 模型:
doubao-1.5-vision-pro-32k - 文档: 豆包视频理解官方文档
常见问题
1. 无法提取链接
问题:提示"无法从文本中提取抖音链接"
解决:
- 确保文本中包含完整的抖音链接,格式为
https://v.douyin.com/xxx/ - 检查链接是否被截断
2. API Key 错误
问题:提示"未设置豆包 API Key"
解决:
- 确保在 MCP 配置的
env中设置了DOUBAO_API_KEY - 或者在项目根目录创建
.env文件并设置环境变量
3. 豆包 API 调用失败
问题:豆包 API 返回错误
解决:
- 检查 API Key 是否正确
- 确认账户有足够的配额
- 检查网络连接
- 查看错误信息中的详细提示
4. 抖音 API 无法访问
问题:无法获取视频 URL
解决:
- 检查抖音解析 API 服务是否可用
- 确认网络可以访问该 API 地址
- 尝试使用其他抖音解析服务
技术栈
- Python 3.10+ - 编程语言
- MCP SDK - Model Context Protocol 支持
- httpx - 异步 HTTP 客户端
- python-dotenv - 环境变量管理
- 豆包大模型 - 视频理解和内容分析
开发计划
- [ ] 支持批量视频分析
- [ ] 添加缓存机制
- [ ] 支持自定义提示词
- [ ] 添加更多视频平台支持
- [ ] 提供 Web 界面
许可证
MIT License
贡献
欢迎提交 Issue 和 Pull Request!
联系方式
如有问题或建议,请提交 Issue。
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
E2B
Using MCP to run code via e2b.