b2a777 0.4.0

B2A (Bilibili to Agents) — 让 AI Agent 能「观看」B站视频，现已原生支持 MCP 协议

B2A (Bilibili to Agents)

让 AI Agent 能「观看」B站视频的多模态内容提取工具。

解决什么问题

AI Agent（如 Claude Code、Cursor 等）可以访问网页，但无法真正「观看」视频。当用户想让 Agent 分析某个 B 站视频的内容时，Agent 无从下手。

B2A 提供了三条互补的信息获取轨道：

• CC 字幕 — 最快速，直接拉取视频自带的字幕文本（含时间戳）
• ASR 语音识别（声） — 通过豆包语音大模型将音频转为带时间戳的文字，解决 B 站大量视频无 CC 字幕的问题
• 视觉抽帧（形） — 下载视频并按间隔截取关键帧图片，让 Agent 能「看到」画面内容

三条轨道可任意组合，支持全视频或指定时间片段。

安装

1. 安装 ffmpeg（前置依赖）

--visual 抽帧和 --asr 切片功能依赖 ffmpeg，版本需 5.0 以上。

Windows：

# 方式一：winget（Windows 11 自带，推荐）
winget install Gyan.FFmpeg

# 方式二：scoop
scoop install ffmpeg

安装后打开新的终端窗口，验证：

ffmpeg -version
# 应显示 ffmpeg version 5.x 或更高

如果提示找不到命令，需要将 ffmpeg 的 bin 目录加入系统 PATH 环境变量。

macOS：

brew install ffmpeg

Linux（Debian/Ubuntu）：

sudo apt update && sudo apt install ffmpeg

2. 安装 B2A

# 克隆仓库
git clone https://github.com/fanzhongli/B2A.git
cd B2A

# 安装
pip install -e .

安装完成后即可使用 b2a 命令。

快速上手

🔌 作为 MCP 插件使用 (v0.4.0+)

B2A 已经原生支持 Model Context Protocol (MCP)!

你可以将 B2A 挂载到主流的 AI IDE 中（如 Cursor, Windsurf, Claude Desktop）。挂载后，你可以直接在聊天框发送 B 站链接，Agent 会自动调用 B2A 读取字幕、甚至调取其自身的视觉能力（Vision）查看截取的关键帧来为你“看”视频。

挂载方法

由于在安装 b2a777 后系统会自动生成 b2a-mcp 命令，你只需要在你的 AI 客户端配置中添加如下选项即可：

🖥️ Claude Desktop / Windsurf

在你的 claude_desktop_config.json 或 mcp_config.json 中配置：

{
  "mcpServers": {
    "b2a-vision": {
      "command": "b2a-mcp",
      "args": []
    }
  }
}

🖱️ Cursor

1. 打开 Cursor Settings -> Features -> MCP
2. 点击 + Add New MCP Server
3. Type 选择 command
4. Name 填 b2a-vision
5. Command 填 b2a-mcp (如果是虚拟环境，填入虚拟环境中的绝对路径即可)

🚀 使用示例

"帮我看看这个视频 BV1xx411c7mD 第1分30秒到2分钟 画面里写了什么样的代码，顺便总结一下 up 主这段时间说了什么？" （Agent 将会自动调用 bilibili_extract_frames 和 bilibili_extract_voice 为你解答！）

基础用法：获取视频信息 + CC 字幕

b2a BV1xx411c7mD

语音识别（ASR）

# 全视频 ASR
b2a BV1xx411c7mD --asr

# 指定片段 ASR（3分20秒到4分50秒）
b2a BV1xx411c7mD --asr --start 03:20 --end 04:50

视觉抽帧

# 全视频抽帧（每10秒一张）
b2a BV1xx411c7mD --visual

# 指定片段抽帧
b2a BV1xx411c7mD --visual --start 01:00 --end 02:30

声形同时获取

b2a BV1xx411c7mD --asr --visual --start 03:20 --end 04:50

分P视频

# 指定第3个分P
b2a BV1xx411c7mD --page 3 --asr

多种输入格式

# 完整链接（自动提取 BV 号、分P、时间跳转）
b2a "https://www.bilibili.com/video/BV1xx411c7mD?p=2&t=180"

# b23.tv 短链
b2a "https://b23.tv/xxxxxx"

# AV 号
b2a av170001

JSON 结构化输出（供 Agent 消费）

b2a BV1xx411c7mD --asr --format json

ASR 配置

ASR 功能依赖豆包语音（火山引擎）API Key。不配置时，CC 字幕和视觉抽帧功能仍可正常使用。

1. 复制配置模板：

cp .env.example .env

2. 编辑 .env，填入你的 API Key：

VOLC_ENV=test
VOLC_TEST_API_KEY=你的测试环境API_Key
VOLC_PROD_API_KEY=你的生产环境API_Key

CLI 参数一览

b2a <url> [选项]

位置参数:
  url                B站视频URL、BV号或AV号

选项:
  --asr              启用语音识别（提取音频轨并转文字）
  --visual           启用视觉提取（抽取视频关键帧截图）
  --start TIME       截取开始时间（如 01:30 或 1:03:20）
  --end TIME         截取结束时间（如 02:40 或 1:05:00）
  --page N           指定分P编号（从1开始）
  --format {text,json}  输出格式（默认 text）

项目结构

B2A/
├── src/
│   ├── cli.py                 # CLI 入口
│   ├── core/
│   │   ├── api.py             # B站 API（视频信息、字幕、分P）
│   │   └── asr.py             # 火山引擎 ASR（含长音频自动分片）
│   ├── audio/
│   │   └── extractor.py       # 音频提取（yt-dlp）
│   ├── visual/
│   │   └── extractor.py       # 视觉提取（yt-dlp 下载 + ffmpeg 抽帧）
│   └── utils/
│       ├── config.py          # 环境变量与鉴权
│       ├── url_parser.py      # URL 解析（短链/BV/AV/分P/时间）
│       └── workspace.py       # 工作区目录管理（按视频隔离）
├── tests/                     # 测试用例（26个）
├── pyproject.toml             # 打包配置
├── requirements.txt           # 依赖清单
└── .env.example               # 环境变量模板

运行测试

pip install -e ".[dev]"
pytest tests/ -v

License

MIT