在信息爆炸时代，用户每天面对抖音、知乎、B站、微博等平台的海量热点，却难以精准捕捉感兴趣内容。TrendRadar作为一款开源AI新闻聚合器，通过集成MCP（Model Context Protocol）协议，提供多平台热点监控、情感/趋势分析与相似检索等功能，帮助用户主动掌控信息流。该工具无需编程，30秒GitHub Pages部署或Docker一键运行，支持企业微信、Telegram等多渠道推送，实现从被动刷屏到智能筛选的转变。
TrendRadar的核心优势在于其多平台数据聚合与智能筛选机制。它默认监控11个主流平台，包括知乎、抖音、Bilibili热搜、华尔街见闻、百度热搜、财联社热门、澎湃新闻、凤凰网、今日头条、微博等，用户可在config/config.yaml中扩展至35个平台（如添加“toutiao”对应今日头条）。数据来源于newsnow API，确保实时性。关键词筛选通过config/frequency_words.txt实现，支持三种语法：普通词（如“AI”）、必须词（+AI技术）、过滤词（!广告）。词组以空行分隔独立统计，例如：
AI
ChatGPT
+技术
A股
上证
+涨跌
!预测
这种机制优先匹配用户定义词组，避免无关干扰。热点排序采用个性化算法：排名权重60%、频次权重30%、热度权重10%，可在config.yaml的weight字段调整，如rank_weight: 0.8偏重实时热点。证据显示，该算法有效追踪新闻生命周期：记录首次出现时间、持续跨度、排名变化及跨平台对比，用🆕标记新增热点，确保用户掌握演变轨迹。
MCP协议集成是TrendRadar v3.0的亮点，提供13种AI分析工具，支持Claude Desktop、Cursor、Cherry Studio等客户端自然语言交互。用户无需实时网络数据，仅分析本地output目录积累的新闻（如自带11月1-15日测试数据）。典型工具包括：get_latest_news（查询最新新闻）、analyze_topic_trend（趋势追踪，如“比特币热度变化”）、analyze_sentiment（情感分析）、find_similar_news（相似检索）、generate_summary_report（摘要生成）。例如，输入“分析过去7天‘特斯拉’在知乎与微博的跨平台对比”，AI返回活跃度统计、关键词共现及预测曲线。MCP Server以STDIO或HTTP模式运行（./start-http.sh启动http://localhost:3333/mcp），Cherry Studio GUI配置仅需5分钟。相比传统RAG，MCP标准化接口提升兼容性，工具调用顺序优化避免幻觉，支持多模型如Claude、GPT。
部署参数清单确保可落地：1. Fork仓库，GitHub Pages启用（Settings>Pages>GitHub Actions）；2. Secrets配置推送，如WEWORK_WEBHOOK_URL（企业微信机器人Webhook）、TELEGRAM_BOT_TOKEN/CHAT_ID；3. Docker部署：docker run -d --name trend-radar -v ./config:/app/config:ro -v ./output:/app/output -e CRON_SCHEDULE="*/30 * * * *" -e REPORT_MODE="incremental" wantcat/trendradar:latest（每30分钟增量监控）；4. 推送窗口：notification.push_window.enabled: true, time_range: {start: "09:00", end: "18:00"}，避免打扰。监控要点：日志检查newsnow API率限（合理频率<1min/次）；output数据积累>1天再用AI；回滚策略：若推送异常，设enable_notification: false，仅生成HTML报告。
实际参数优化：投资者用incremental+高rank_weight，追踪新热点；自媒体选current模式，每小时榜单推送。风险控制：依赖外部API，建议自建镜像；MCP需本地数据，避免空查询。TrendRadar stars超19k，证明其实用性，已被CSDN、SegmentFault等推荐。
资料来源：https://github.com/sansan0/TrendRadar README；Web搜索确认MCP集成与部署案例。