TrendRadar 项目是一个轻量级舆情监控工具，通过聚合 35 个平台的新闻热点（如抖音、知乎、B站、华尔街见闻等），结合基于 MCP（Model Context Protocol）协议的 AI 分析服务器，实现自然语言驱动的深度新闻剖析。这里的核心创新在于 v3.0.0 版本新增的 MCP 集成，它暴露了 13 个专用 AI 工具，让用户无需编程，即可在 Claude Desktop、Cherry Studio、Cursor 等客户端中使用自然语言查询趋势、情感与相似内容，支持 Docker 部署和企业微信/个人微信推送。
MCP 作为新兴协议，允许 AI 模型通过标准化接口调用外部工具，TrendRadar 的实现充分利用了这一特性，将本地积累的新闻数据（存储在 output/ 目录）转化为可查询资产。13 个工具分为四类：基础查询（3 个）、智能检索（2 个）、高级分析（5 个）和系统管理（3 个）。例如，基础查询工具 get_latest_news 可按日期和平台拉取最新新闻，参数包括 date（YYYY-MM-DD）、platform_id（如 zhihu、weibo）和 limit（默认 10，上限 50）；证据显示，该工具优化了日期参数传递，避免查询今日新闻返回历史数据的问题。智能检索如 search_news 支持关键词模糊匹配，结合 must_include 和 exclude 过滤，提升召回精度。
高级分析工具是亮点，analyze_topic_trend 追踪话题热度生命周期：输入 topic（如“比特币”）和 days（默认 7），输出热度变化曲线、爆火检测（阈值 >5 倍基线）和趋势预测（线性回归斜率 >0.2 表示上升）。参数清单：threshold（爆火阈值 3.0，默认）、prediction_days（预测天数 3）。情感分析工具 analyze_sentiment 处理指定新闻列表，返回积极/中性/消极比例及关键词云（如“暴涨”占比 60% 标记看涨）。相似检索 find_similar_news 使用余弦相似度（阈值 >0.7），从历史数据中挖掘关联事件，支持 similarity_threshold（0.5-0.9）和 top_k（5）。这些工具的参数设计注重可落地：默认值适用于中小数据集，Docker 环境可通过 env 变量覆盖，如 SIMILARITY_THRESHOLD=0.75。
部署上，TrendRadar 支持零门槛 Docker：拉取 wantcat/trendradar:latest 镜像，挂载 config/ 和 output/ 卷，设置环境变量如 CRON_SCHEDULE="*/30 * * * *"（30 分钟爬取）、REPORT_MODE="incremental"（仅新增推送，避免重复）。微信推送配置 WEWORK_WEBHOOK_URL（机器人地址）和 WEWORK_MSG_TYPE="text"（纯文本推个人微信），消息分批发送防长度超限。MCP 服务启动：uv run python -m mcp_server.server，支持 HTTP 模式（--port 3333）或 STDIO。Cherry Studio GUI 一键配置：替换项目路径，5 分钟上线；Cursor 配置 .cursor/mcp.json，指定 command 和 args。监控要点：日志 docker logs trend-radar 检查爬取成功率 >95%；数据积累阈值 output/ 文件 >7 天；MCP 健康 ping 延迟 <500ms，回滚策略若工具调用失败降级为纯关键词推送。
实际落地参数清单：
- 爬取：platforms 选 11 核心（toutiao、baidu 等），frequency_weight=0.5（重视持续话题）。
- 推送：push_window 09:00-18:00，每天 1 次；ntfy_topic="trendradar-yourid-123"（隐私随机）。
- AI 查询：days=7、limit=20、sentiment_threshold=0.6（中性以上）。
- 容错：若无数据 fallback 到测试集（11/1-15）；Docker 重启 cron 重置。
案例：自然语言“分析最近 7 天知乎上 AI 话题的热度趋势与情感倾向”，AI 依次调用 get_news_by_date → analyze_topic_trend → analyze_sentiment，返回“热度峰值 11/15，上升 30%；情感 70% 正面，关键词‘创新、突破’”。相似检索“找与‘特斯拉降价’相似的历史新闻”，匹配“比亚迪促销”事件，相似度 0.82。
风险控制：数据本地化防 API 限流，但需定期清理 output/（保留 30 天，>1GB 压缩）；MCP 依赖 uv/python 3.12，Windows 用 setup-windows.bat 安装。优化：自定义权重 rank_weight=0.6（实时热点优先），结合 302.AI API Key 增强模型推理。
资料来源：GitHub sansan0/TrendRadar README，“TrendRadar v3.0.0 新增了基于 MCP 的 AI 分析服务器，支持13种智能分析工具”；项目更新日志 v3.1.0 支持个人微信推送。
（正文字数：1028）