Hotdry.
归档
ai-systems

TrendRadar：基于MCP的多平台热点AI分析工具

TrendRadar聚合35平台热点，利用MCP协议集成13种AI分析工具，实现趋势追踪、情感分析与相似检索，支持Docker部署与多渠道推送。

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）

查看归档