智能内容引擎
AI Skill Hub 强烈推荐：智能内容引擎 是一款优质的MCP工具。AI 综合评分 8.0 分，在同类工具中表现稳健。如果你正在寻找可靠的MCP工具解决方案，这是一个值得深入了解的选择。
📚 深度解析
通过安装 智能内容引擎，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。
在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。智能内容引擎 提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。
与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 智能内容引擎 评为 AI 评分 8.0 分，属于同类工具中的优质选择。
📋 工具概览
AI内容生成工具，支持多种风格和AI提供商
智能内容引擎 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
📖 中文文档
AI内容生成工具，支持多种风格和AI提供商
智能内容引擎 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/inbeomheo/insight-engine
# 方式二：手动配置 claude_desktop_config.json
{
"mcpServers": {
"------": {
"command": "npx",
"args": ["-y", "insight-engine"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
- 确认已安装 Node.js（v18 或以上版本）
- 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
- 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
- 保存配置文件并重启 Claude 客户端
- 重启后，在对话中即可使用本工具
# 安装后在 Claude 对话中直接使用 # 示例： 用户: 请帮我用 智能内容引擎 执行以下任务... Claude: [自动调用 智能内容引擎 MCP 工具处理请求] # 查看可用工具列表 # 在 Claude 中输入："列出所有可用的 MCP 工具"
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"______": {
"command": "npx",
"args": ["-y", "insight-engine"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
Insight Engine
한국어 · English
설치·설정·운영 안내는 두 언어로 함께 관리합니다. 명령어, 환경변수, 보안 경고를 변경할 때는 두 문서를 같이 갱신합니다.
YouTube/문서/텍스트를 학습하고 LLMWiki형 지식 위키로 쌓는 AI 학습 엔진. CLIProxyAPI(OpenAI 호환) 기반 생성, 다국어(한/영/일) 지원, RAG 지식 참조, 팀 워크스페이스까지.
Flask + Next.js 풀스택 · LiteLLM · CLIProxyAPI 호환 · pytest + Vitest + Playwright
---
Features
Deployment
Docker
```bash
Quick Start
source .venv/bin/activate # macOS/Linux
최초 설정에만 실행합니다. 기존 .env는 덮어쓰지 마세요.
cp .env.example .env
공식 [CLIProxyAPI v7.2.152 릴리스](https://github.com/router-for-me/CLIProxyAPI/releases/tag/v7.2.152)에서
운영체제에 맞는 바이너리와 체크섬(파일 변조 확인값)을 내려받아 검증하세요.
현재 앱은 해당 버전에 프로젝트의 [사용량 풀 분리 패치](patches/README.md)를 적용한 실행 파일을 사용합니다.
Docker 빌드는 패치를 자동 적용합니다. 로컬 소스 빌드는 패치 안내에 따라 진행하세요.
백엔드와 게이트웨이에 동일한 **새 난수 키**를 설정합니다. 실제 키는 커밋하거나 채팅에 공유하지 마세요.
기존 `.env`가 있다면 복사해서 덮어쓰지 말고 아래 새 항목만 로컬에서 추가하세요.
Environment Variables
.env (실제 출력 전체를 작은따옴표 안에 복사하고 커밋하지 않음)
CADDY_BASIC_AUTH_USER=operator CADDY_BASIC_AUTH_HASH='<caddy hash-password 출력값>'
docker compose -f docker-compose.deploy.yml up --build -d ```
운영 백엔드 healthcheck는 /ready를 사용하며 CLIProxyAPI, Redis, Supabase, Next.js를 실제 호출합니다. 필수 의존성 중 하나라도 응답하지 않으면 503으로 실패 폐쇄됩니다. /health는 프로세스 생존만 확인하는 liveness(프로세스 생존 검사)로 유지됩니다.
API
Core Endpoints
| Endpoint | Method | Description |
|---|---|---|
/generate | POST | 단일 URL 또는 직접 텍스트 콘텐츠 생성 |
/generate-stream | POST | 텍스트 또는 단일 YouTube 생성, 진행 상태와 검토 완료 결과 전송 |
/generate-batch | POST | 다중 URL 배치 (최대 10개) |
Export & Integration
- 단순 내보내기 — HTML, Markdown
- 웹훅 알림 — 생성 완료 시 설정한 Webhook URL로 결과 전송
- 학습 소스 — YouTube URL, 문서 업로드, 직접 텍스트 입력
---
Supported Models
| Provider | Models | Notes |
|---|---|---|
| **CLIProxyAPI** | gpt-5.6-luna (단일 모델) | OpenAI 호환 로컬 게이트웨이 |
앱 모델 ID는 cliproxyapi/gpt-5.6-luna입니다. 공개 생성 요청과 기본 보조 호출은 Luna만 사용합니다. CLIPROXYAPI_MODELS로 다른 모델을 추가하지 않습니다. 브라우저의 과거 모델 선택은 지원되는 같은 모델이면 유지하고, 미지원 선택은 기본 모델로 표시합니다. 기존 노트·결과·사용량 기록은 일괄 변환하거나 삭제하지 않습니다.
Troubleshooting
| 문제 | 해결 |
|---|---|
AI 호출 실패 또는 /ready 실패 | CLIProxyAPI 로그인·실행, CLIPROXYAPI_BASE_URL과 서버 인증 키 일치, /v1/models의 사용 가능 모델 확인 |
| YouTube 자막 수집 실패 | SUPADATA_API_KEY 설정 또는 프록시(YT_HTTP_PROXY) 사용 |
| 댓글이 수집되지 않음 | YOUTUBE_API_KEY 설정 + YouTube Data API v3 활성화 확인 |
| 프론트엔드 빈 화면 | 백엔드(python app.py)가 실행 중인지 확인 |
---
Insight Engine 是一款强大的 AI 内容生成引擎，只需输入一个 YouTube 视频 URL，即可自动生成 14 种不同风格的高质量内容。系统集成了 Gemini、DeepSeek、Zhipu GLM、Ollama 及 OpenRouter 等 5 大 AI Provider，支持韩、英、日多语言处理。项目采用 Flask + Next.js 全栈架构，内置 RAG 知识检索增强功能，并支持通过 MCP 实现自动化发布，是一个具备企业级稳定性的内容创作工具。
本项目提供全自动化的内容创作流，支持从 YouTube 视频中提取信息并转化为多种格式的内容。核心功能包括多模型集成、多语言支持、基于 RAG 的知识库引用以及强大的自动化发布能力。通过集成 LiteLLM，用户可以灵活切换不同的 AI 模型，并利用团队工作空间实现协作，满足从个人创作者到专业营销团队的多样化需求。
推荐使用 Docker 进行快速部署。您可以通过执行 `docker build -t insight-engine .` 构建镜像，随后使用 `docker run -p 5001:5001 --env-file .env insight-engine` 命令启动容器。启动前请务必准备好包含必要环境变量的 `.env` 文件，以确保服务能够正确连接 AI API 和数据库。
快速开始非常简单：首先激活您的虚拟环境 `source .venv/bin/activate`，然后配置好相关的 API Key。您可以直接在 Web 界面输入 YouTube URL 进行单条内容生成，也可以利用批量处理功能进行大规模内容创作。对于高级用户，可以通过 API 调用实现自动化流水线作业。
项目通过 `.env` 文件进行环境配置。关键参数包括用于 YouTube 数据采集的 `YOUTUBE_API_KEY`、用于字幕备份的 `SUPADATA_API_KEY` 以及用于 Web 搜索增���的 `TAVILY_API_KEY`。此外，您可以通过 `RAG_ENABLED` 和 `WHISPER_ENABLED` 开关来控制 RAG 知识检索与 Whisper 字幕回退功能。若使用本地模型，请确保正确配置 Ollama 的访问地址。
Insight Engine 提供了一套完整的 RESTful API 接口，支持多种创作模式。核心端点包括：`/generate` 用于生成单条内容；`/generate-batch` 支持最多 10 个 URL 的批量生成；`/api/generate-multi` 可实现单 URL 多风格同步创作；`/api/generate-campaign` 用于创建营销活动包；以及 `/api/pipeline` 用于实现高度自动化的内容生产流水线。
项目具备极强的扩展性与集成能力。在导出方面，支持 DOCX、PDF、Markdown、TXT 及包含完整包的 ZIP 格式；在自动化方面，支持通过 Webhook 与 n8n、Make 或 Zapier 联动；在外部生态集成上，可无缝对接 Slack、Discord、RSS 及 GitHub；此外，还提供 GraphQL API 以支持更加灵活的复杂数据查询需求。
针对常见问题，若 AI 服务无法显示，请检查 `.env` 中的 API Key 配置；若 YouTube 字幕或评论采集失败，请确认 `YOUTUBE_API_KEY` 是否有效或尝试配置 `YT_HTTP_PROXY`；若使用本地 Ollama 时连接失败，请确保 `ollama serve` 已启动并检查 URL 设置。如果前端出现空白，请优先检查后端服务状态。
高质量的AI内容生成工具，支持多种风格和AI提供商
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 做语音类 AI 产品的开发者
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- embedding 模型与查询模型不一致导致检索失效
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Python 依赖冲突：建议用 venv / uv 隔离环境
- Docker：insight-engine 提供官方镜像，docker compose up 一键启动
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 做语音类 AI 产品的开发者
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- embedding 模型与查询模型不一致导致检索失效
👥 适合人群
🎯 使用场景
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
⚖️ 优点与不足
- +标准化 MCP 协议，生态互联性强
- +与 Claude 官方生态无缝对接
- +即插即用，配置简单快捷
- −未明确开源协议，商用场景需谨慎评估
- −依赖 Claude 客户端，非 Claude 用户无法使用
- −MCP 协议仍在持续演进，接口可能变更
- −需要一定的配置步骤
该工具未明确声明开源协议，商业使用前请联系原作者确认授权范围，避免侵权风险。
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，智能内容引擎 是一款质量优秀的MCP工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | insight-engine |
| 原始描述 | 开源MCP工具：AI Content Engine — YouTube URL → 14 styles of polished content. 5 AI providers 。⭐18 · Python |
| Topics | aicontent-generationflaskpython |
| GitHub | https://github.com/inbeomheo/insight-engine |
| 语言 | Python |
收录时间：2026-06-17 · 更新时间：2026-06-20 · License：未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。