在信息爆炸的时代，如何高效捕捉和分析多平台热点已成为关键挑战。TrendRadar 项目巧妙集成 MCP（Model Context Protocol）协议，为用户提供 AI 驱动的多平台分析能力，涵盖趋势追踪、情感分析和相似检索等功能。这种集成不仅简化了部署过程，还通过 Docker 和推送通知实现实时监控，避免了传统工具的信息过载问题。
TrendRadar 的核心在于其对多平台数据的聚合与智能处理。项目默认监控 11 个主流平台，如知乎、抖音、B 站、华尔街见闻和财联社等，用户可扩展至 35 个平台，通过 newsnow API 获取实时热点。集成 MCP 后，AI 分析模块提供 13 种工具，例如趋势追踪工具可记录新闻从首次出现到高峰的完整生命周期，情感分析工具则评估公众对特定话题的正面或负面倾向。相似检索功能允许用户快速找到历史相关新闻，形成深度洞察链条。这些工具基于自然语言交互，用户只需提问如 “分析最近一周 AI 热度的情感趋势”，AI 即可生成报告。
证据显示，这种设计显著提升了分析效率。以趋势追踪为例，系统统计新闻在不同时间段的排名变化和出现频次，区分一次性热点与持续发酵话题，支持跨平台对比。情感分析则通过关键词共现和活跃度统计，量化舆情影响，避免主观判断偏差。项目实际部署中，用户反馈显示，MCP 集成后，查询响应时间缩短至秒级，支持多客户端如 Claude Desktop 和 Cursor，进一步验证了其实用性。
落地部署时，优先选择 Docker 方式，确保无代码门槛。步骤如下：首先，拉取官方镜像 wantcat/trendradar:latest，创建 config 目录并下载 config.yaml 和 frequency_words.txt 文件。配置 YAML 中的 report.mode 为 “daily” 以获取当日汇总，或 “incremental” 仅推送新增内容。启用 MCP 服务器，通过运行 uv run python -m mcp_server.server 启动 STDIO 模式，或使用 start-http.sh 开启 HTTP 服务于 localhost:3333。
推送通知配置是关键参数。支持企业微信（WEWORK_WEBHOOK_URL）、飞书（FEISHU_WEBHOOK_URL）、钉钉（DINGTALK_WEBHOOK_URL）、Telegram（BOT_TOKEN 和 CHAT_ID）、邮件（EMAIL_FROM/TO/PASSWORD）和 ntfy（NTFY_TOPIC）。例如，企业微信只需在 GitHub Secrets 中设置 Webhook URL，即可实现 1 分钟手机通知。时间窗口控制可选启用：push_window.enabled: true，time_range.start: “09:00”，end: “18:00”，避免非工作时段干扰。关键词筛选在 frequency_words.txt 中定义，如 “AI + 技术！广告” 表示必须包含技术相关 AI 新闻，排除广告。热点算法权重可调：rank_weight: 0.6（排名优先）、frequency_weight: 0.3（频次）、hotness_weight: 0.1（热度），总和为 1.0。
监控与优化清单包括：1. 数据持久化：挂载 output 卷保存 HTML/TXT 报告；2. 环境变量覆盖：如 ENABLE_CRAWLER=true 确保爬虫运行；3. 风险阈值：若 API 限流，调整 CRON_SCHEDULE 为 “*/30 * * * *” 降低频率；4. AI 工具测试：使用 MCP Inspector 验证 13 工具连通性；5. 回滚策略：若 MCP 失败，fallback 到基础推送模式。初次运行需积累数据，建议先运行 24 小时观察效果。
通过这些参数，用户可构建个性化舆情系统。MCP 集成使 TrendRadar 从简单聚合器升级为智能分析平台，适用于投资者、自媒体人和企业公关。
资料来源：GitHub 项目仓库（https://github.com/sansan0/TrendRadar），基于 newsnow API 数据支持。