在信息爆炸时代，如何高效捕捉并深度分析全网热点？TrendRadar项目提供了一个优雅解决方案：通过MCP（Model Context Protocol）协议，将多平台热点数据转化为AI可交互工具，实现自然语言驱动的舆情分析。这不仅仅是聚合，更是智能挖掘，避免了传统爬虫的噪音干扰，让用户从被动接收转向主动洞察。
TrendRadar的核心在于其MCP AI分析模块。该模块基于本地积累的新闻数据，支持14种专业工具，覆盖从基础查询到高级洞察的全链路。例如，“get_latest_news”工具可即时拉取最新热点，“analyze_topic_trend”则追踪话题热度生命周期，包括爆火检测与趋势预测；“analyze_sentiment”进行情感分析，量化正面/负面倾向；“find_similar_news”实现相似检索，帮助发现隐性关联新闻。这些工具通过自然语言接口调用，如在Claude Desktop中输入“分析最近7天‘AI’话题的热度趋势”，MCP服务器即自动解析意图、调用工具并返回结构化结果。项目自带11月1-15日测试数据，快速验证效果；实际部署后，每日积累数据即可支持跨平台对比，如知乎 vs 微博的“比特币”关注度差异。
证据显示，该设计极大提升了分析效率。MCP协议标准化工具调用，避免了自定义API的兼容问题，支持Cherry Studio、Cursor、Cline等多客户端无缝接入。相比纯LLM提示工程，MCP工具减少幻觉风险，确保输出基于真实数据。例如，resolve_date_range工具优化自然语言日期解析（如“本周”“上月”），工具总数从13增至14，迭代迅速（v3.4.0后）。数据来源于newsnow API，覆盖35平台（默认11个，如抖音、知乎、B站、华尔街见闻），关键词筛选支持高级语法：普通词基础匹配、+必须词限定、!过滤词排除、@N数量限制。词组用空行分隔，独立统计，实现主题化监控。
落地部署以Docker为核心，参数化配置确保零门槛。核心清单如下：
1. Docker快速启动（一行命令）：
docker run -d --name trendradar \
-v ./config:/app/config:ro \
-v ./output:/app/output \
-e FEISHU_WEBHOOK_URL="你的飞书Webhook" \
-e REPORT_MODE="incremental" \
wantcat/trendradar:latest
- 挂载config（关键词/模式）和output（数据持久化）。
- 环境变量覆盖：REPORT_MODE（daily/当前榜单/incremental增量）、ENABLE_CRAWLER=true、PUSH_WINDOW_ENABLED=true（推送时窗，如08:00-22:00）。
2. MCP AI服务器部署（Cherry Studio推荐）：
- 运行setup-mac.sh（Mac）或setup-windows.bat（Win），安装uv依赖。
- STDIO模式：编辑claude_desktop_config.json，指定command: "uv run python -m mcp_server.server"。
- HTTP模式：./start-http.sh（端口3333），Cursor配置.url: "http://localhost:3333/mcp"。
- 测试：npx @modelcontextprotocol/inspector验证14工具列表。
3. 推送管道配置（多渠道并行）：
| 渠道 |
Secret/Env |
参数要点 |
| 企业微信 |
WEWORK_WEBHOOK_URL |
msg_type: markdown/text（个人微信） |
| Telegram |
TELEGRAM_BOT_TOKEN + CHAT_ID |
分批推送>4KB |
| 邮件 |
EMAIL_FROM/PASSWORD/TO |
SMTP自动识别（QQ:465 SSL），多收件人逗号分隔 |
| Slack/ntfy/Bark |
SLACK_WEBHOOK_URL 等 |
Bark iOS专用，ntfy自托管隐私优先 |
推送模式选型：增量（investor零重复）、当前榜单（creator实时）、当日汇总（manager全览）。热点权重：rank_weight:0.6（排名）、frequency_weight:0.3（频次）、hotness_weight:0.1，可调至1.0总和。
监控与优化参数：
- 阈值：max_news_per_keyword:10（全局），@5关键词限。
- 排序：sort_by_position_first:true（配置优先）。
- 风险阈值：CRON_SCHEDULE="*/30 * * * *"（30min，避免API限流）；star newsnow项目防压力。
- 回滚：数据异常加类型检查（v3.1.1），ntfy编码修复（v3.4.0）。
- 性能：GitHub Pages网页报告（手机适配，一键图片分享）；output HTML/TXT持久化。
实际场景：投资者监控“特斯拉+涨跌!预测”，AI查询“情感倾向+相似历史”，Telegram增量推送，仅新热点警报。部署后1天数据积累，MCP即上线，30s Pages预览、1min手机通知。
总结，TrendRadar的MCP设计将热点数据工具化，参数清单确保可复现：Docker卷挂载+env覆盖+关键词语法。优于单一聚合，落地性强，适合舆情/投资/内容团队。
资料来源：
（正文约1250字）