AI 에이전트를 활용한 유튜브 영상 메타데이터 자동화

카테고리

프로그래밍/소프트웨어 개발

서브카테고리

인공지능, 데이터 분석

대상자

- 대상: 소프트웨어 개발자, 데이터 분석가, 영상 콘텐츠 제작자

- 난이도: 중급 (API 설정 및 AI 툴 사용 기초 지식 필요)

핵심 요약

• NebiusAI + CrewAI 활용: LLM(model="openai/meta-llama/Meta-Llama-3.1-70B-Instruct")을 기반으로 AI 에이전트 구축
• 에이전트 역할 분담:

- researcher 에이전트: 유튜브 영상 데이터 수집 (YoutubeVideoSearchTool(), YoutubeChannelSearchTool())

- writer 에이전트: 분석 결과를 기반으로 보고서 작성

• 자동화 처리: Process.sequential을 통해 순차 처리, 100개 이상 영상 분석 가능

섹션별 세부 요약

1. 개발 환경 설정

• pip install 'crewai[tools]'로 CrewAI 툴 설치
• .env 파일에 NEBIUS_API_KEY 설정
• LLM 객체 생성: base_url과 api_key 매핑

2. 에이전트 정의

• researcher 에이전트:

- 역할: 유튜브 영상의 제목, 설명, 태그, 채널 분석

- 도구: YoutubeVideoSearchTool() 사용

• writer 에이전트:

- 역할: 분석 결과를 기반으로 수치 중심 보고서 작성

- 특징: 수치 중심, 수식어 사용 제한, 번위 포인트 형식

3. 태스크 할당

• research_task: AI 에이전트 니치에서 성공적인 영상 분석 (태그, 제목, 설명, 채널)
• write_task: 수치 중심 보고서 작성, research_task 결과를 context로 활용

4. 에이전트 실행

• Crew 객체 생성: agents=[researcher, writer], tasks=[research_task, write_task]
• Process.sequential을 통해 순차 실행
• 입력: {"topic": "AI agents in YouTube videos"}

결론

• 실무 팁: NebiusAI와 CrewAI 조합으로 유튜브 영상 분석 자동화 가능, 100개 이상 영상 대규모 처리 가능
• 추천: LLM 모델 버전(Meta-Llama-3.1-70B-Instruct)과 툴(YoutubeVideoSearchTool) 명시로 재현성 향상
• 예시: crew.kickoff() 실행 시, AI 니치 영상의 주요 메타데이터 및 분석 결과 자동 생성