# TrendRadar：多平台热点聚合 + MCP驱动AI分析管道 > TrendRadar聚合35+平台热点，通过MCP协议驱动AI管道，实现趋势追踪、情感分析等13工具，支持Docker部署与多渠道推送，提供工程化参数与监控要点。 ## 元数据 - 路径: /posts/2025/12/03/trend-radar-mcp-ai-analysis/ - 发布时间: 2025-12-03T12:08:38+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 在信息爆炸时代，多平台舆情监控已成为企业与个人的刚需。TrendRadar项目巧妙地将热点聚合与MCP（Model Context Protocol）驱动的AI分析管道结合，提供从数据采集到智能洞察的全链路解决方案。这种架构的核心优势在于标准化工具调用，避免了传统RAG或代理的复杂性，直接让AI模型通过自然语言访问13种专用工具，实现趋势追踪、情感分析、相似检索等功能。相较于单平台工具，它覆盖35+平台（如知乎、抖音、B站、微博等），并支持Docker一键部署与企业微信/Telegram推送，确保低门槛落地。 ### MCP驱动AI管道的核心观点：标准化工具化取代黑箱代理 传统舆情系统多依赖LLM直接prompting，易受幻觉影响，且缺乏结构化工具支持。TrendRadar引入MCP协议，将AI分析封装为14个（v1.0.3更新）标准化工具，每个工具对应特定功能，如`analyze_topic_trend`追踪话题热度生命周期、`analyze_sentiment`情感极性计算。这些工具通过STDIO/HTTP模式暴露给Claude Desktop、Cursor、Cherry Studio等客户端，AI模型无需自定义prompt，只需自然语言触发工具链。 证据显示，这种设计在项目中已验证：自带11月1-15日测试数据下，可立即体验“查询昨天知乎热点”或“分析比特币趋势”。MCP避免了代理的上下文漂移，支持多客户端无缝接入，工具总数从13增至14（新增`resolve_date_range`解析自然语言日期）。相比通用代理，MCP工具更轻量，延迟<1s/调用，适合实时舆情。 落地参数： - **工具调用阈值**：热度阈值设为前10排名（`rank_weight: 0.6`默认），情感分析阈值>0.5视为积极。 - **日期解析**：支持“本周”“上月”，统一ISO格式传入。 - **客户端配置**（Cherry Studio STDIO模式）： ``` command: uv args: ["--directory", "/path/to/TrendRadar", "run", "python", "-m", "mcp_server.server"] ``` HTTP模式：`http://localhost:3333/mcp`，端口冲突时改33333。 ### 多平台热点聚合：35+源智能筛选与个性化算法 TrendRadar不直接爬取，而是集成newsnow API，监控默认11平台（可扩展至35+），每30min cron执行。核心算法融合排名（60%）、频次（30%）、热度（10%），生成个性化榜单。三种推送模式（daily/current/incremental）零重复推送，支持关键词语法：`+必须词 !过滤词 @N数量`。 例如，配置`frequency_words.txt`： ``` AI ChatGPT +技术 !广告 @10 比特币 +涨跌 !预测 ``` 词组空行分隔，独立统计。`sort_by_position_first: true`优先配置顺序，`max_news_per_keyword: 10`全局限量。 证据：更新日志显示v3.4.1优化Slack/Bark分批推送（mrkdwn格式，4KB/批），v3.2.0新增数量控制，避免过载。Docker镜像`wantcat/trendradar:latest`多架构支持，持久化`./output`。 部署清单（Docker-compose）： 1. 创建`config/config.yaml`、`frequency_words.txt`。 2. `.env`填webhook：`FEISHU_WEBHOOK_URL=https://...`、`REPORT_MODE=incremental`、`CRON_SCHEDULE="*/30 * * * *"`。 3. `docker-compose up -d`，日志`docker logs trend-radar`。 4. 测试：`docker exec trend-radar python manage.py run`。 推送参数： | 渠道 | Webhook/Key | 分批阈值 | 格式 | |------|-------------|----------|------| | 企业微信 | WEWORK_WEBHOOK_URL | 自动 | markdown/text | | Telegram | BOT_TOKEN+CHAT_ID | 4KB | HTML | | Slack | SLACK_WEBHOOK_URL | 4KB | mrkdwn | | ntfy | NTFY_TOPIC | 无 | 纯文本 | ### 工程化监控点与风险控制 生产部署需监控：1. newsnow API压力（star支持源项目）；2. MCP服务健康（`python manage.py status`）；3. 数据积累（output>7天）。风险：增量模式无新增不推送→fallback daily；端口3333占用→自定义。 回滚策略：v3.4.1前用v3.3.0（Bark修复）。阈值调优：`push_window: 09:00-18:00`，避免夜扰。 此架构适用于品牌舆情、企业情报，结合MCP工具链，实现“用说的舆情分析”。参数落地后，30s网页+1min手机通知，即告别信息过载。 **资料来源**： - [TrendRadar GitHub](https://github.com/sansan0/TrendRadar)（核心事实、更新日志、配置详解）。 （正文约1250字） ## 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。