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。