# TrendRadar：MCP驱动的多平台热点聚合与AI分析实践 > 基于MCP协议的多平台(35+)热点聚合管道，集成13种AI对话分析工具，支持Docker一键部署与多渠道推送的关键参数与工程化清单。 ## 元数据 - 路径: /posts/2025/11/24/trendradar-mcp-multi-platform-ai-analysis/ - 发布时间: 2025-11-24T12:08:50+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 在信息爆炸时代，多平台热点分散导致用户难以高效捕捉关键舆情，TrendRadar项目通过MCP（Model Context Protocol）协议构建统一聚合管道与AI分析层，实现智能筛选与深度挖掘，成为工程化舆情监控的优选方案。该方案的核心优势在于零编程门槛的Docker部署、多渠道推送适配，以及13种AI工具的自然语言交互，支持从数据采集到洞察输出的全链路自动化。 TrendRadar聚合35+平台（如抖音、知乎、B站、华尔街见闻、财联社、微博等）的热点数据，默认监控11个主流源，用户可通过config.yaml的platforms字段扩展，例如添加“- id: 'toutiao' name: '今日头条'”。数据源统一依赖newsnow API（https://newsnow.busiyi.world/api/s?id=xxx&latest），内置DataFetcher类支持代理、重试机制，避免率限。智能筛选依赖frequency_words.txt的三级语法：普通词基础匹配、必须词（+）限定范围、过滤词（!）排除噪音。例如配置“AI +大模型 !广告”可精准捕获技术热点。权重算法为排名60%、频次30%、热度10%，通过config.yaml的weight字段微调，确保个性化排序。 MCP协议是TrendRadar AI分析的核心，v3.0+版本通过FastMCP搭建trendradar-news服务器，对output目录历史数据暴露13种工具：趋势追踪（热度时间轴）、情感分析、相似检索、跨平台对比、摘要生成等。用户在Cursor/Claude等MCP客户端输入“分析比特币最近热度趋势”，系统自动调用工具生成报告，支持对话式迭代。MCP的优势在于模型无关性，兼容Gemini/Claude等多LLM，部署只需运行start-http.bat（Windows）或start-http.sh（Linux），5分钟内接入。 Docker一键部署是生产落地的关键，官方镜像wantcat/trendradar:latest（~500MB）支持多架构（amd64/arm64）。核心命令： ``` mkdir -p config output wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/config/config.yaml -P config/ wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/config/frequency_words.txt -P config/ docker run -d --name trend-radar \ -v ./config:/app/config:ro \ -v ./output:/app/output \ -e WEWORK_WEBHOOK_URL="企业微信Webhook" \ -e FEISHU_WEBHOOK_URL="飞书Webhook" \ -e CRON_SCHEDULE="*/30 * * * *" \ -e IMMEDIATE_RUN="true" \ wantcat/trendradar:latest ``` 环境变量优先级高于config.yaml，支持覆盖report.mode（daily/当前汇总/current/实时榜单/incremental/增量）、notification.push_window（时间窗08:00-22:00）。推送渠道包括企业微信、飞书、钉钉、Telegram、邮件、ntfy，配置Secrets或.env文件即可并行。 生产监控要点： - **Cron调度**：CRON_SCHEDULE="0 */2 * * *"（2小时抓取），避免API滥用。 - **数据持久**：output目录挂载HTML/TXT报告，支持GitHub Pages自动发布。 - **阈值参数**：report.rank_threshold=5，仅推送Top5；crawler.request_interval=1000ms防封。 - **回滚策略**：若API失效，fallback到缓存数据；代理配置use_proxy=true。 - **资源监控**：Docker stats观察CPU<20%、内存<500MB；日志tail -f output/*.log追踪错误。 风险控制：外部API依赖需备用源，关键词过多导致召回率低（建议<50词/组）；国内部署加代理绕墙。实际案例中，自媒体用incremental模式每日节省80%刷屏时间，企业公关通过情感分析预警负面舆情。 落地清单： 1. 下载模板配置，编辑关键词/平台。 2. 配置Webhook（企业微信群机器人@生成）。 3. Docker run启动，IMMEDIATE_RUN=true即时验证。 4. 启动MCP服务器，Cursor测试“抖音AI热点情感分布”。 5. 监控output，优化weight（rank:0.5, frequency:0.4, hotness:0.1）。 TrendRadar将舆情从被动刷取转为主动智能，MCP驱动下AI工具链显著提升分析效率，Docker化确保可复现部署，是AI系统工程的典范实践。 **资料来源**： - GitHub仓库：https://github.com/sansan0/TrendRadar “TrendRadar是一个AI驱动的舆情分析工具，能聚合35个平台热点并用自然语言深度解读。” - Docker部署指南：https://www.cnblogs.com/sourcecodebeat/p/19255853/trendradar-docker ## 同分类近期文章 ### [NVIDIA PersonaPlex 双重条件提示工程与全双工架构解析](/posts/2026/04/09/nvidia-personaplex-dual-conditioning-architecture/) - 日期: 2026-04-09T03:04:25+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 NVIDIA PersonaPlex 的双流架构设计、文本提示与语音提示的双重条件机制，以及如何在单模型中实现实时全双工对话与角色切换。 ### [ai-hedge-fund：多代理AI对冲基金的架构设计与信号聚合机制](/posts/2026/04/09/multi-agent-ai-hedge-fund-architecture/) - 日期: 2026-04-09T01:49:57+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析GitHub Trending项目ai-hedge-fund的多代理架构，探讨19个专业角色分工、信号生成管线与风控自动化的工程实现。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation-framework/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [LiteRT-LM C++ 推理运行时：边缘设备的量化、算子融合与内存管理实践](/posts/2026/04/08/litert-lm-cpp-inference-runtime-quantization-fusion-memory/) - 日期: 2026-04-08T21:52:31+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 LiteRT-LM 在边缘设备上的 C++ 推理运行时，聚焦量化策略配置、算子融合模式与内存管理的工程化实践参数。