在信息爆炸时代,多平台新闻聚合需要 AI 工具精准提炼价值,而 MCP(Model Context Protocol)协议为 TrendRadar 项目提供了标准化接口,让情感分析与相似检索成为可复用组件,直接驱动热点趋势洞察。
TrendRadar 的 MCP 服务器基于 FastMCP 构建,暴露 14 个工具函数,包括 analyze_sentiment(情感分析)和 find_similar_news(相似新闻检索)。这些工具依赖本地 output/ 目录积累的新闻数据(如 11 月测试集),通过自然语言查询调用,例如“分析最近比特币新闻的情感倾向”,模型自动解析日期并聚合跨平台标题、排名与频次。情感分析工具返回正/负/中性分数及置信度,相似检索则基于向量嵌入计算余弦相似度,阈值默认 0.8,支持 top_k=5 参数过滤噪声。“新增日期解析工具 resolve_date_range 统一时间格式,支持‘本周’等模糊表达,提升了查询鲁棒性。” 相似检索结合历史数据,实现跨时序关联,避免孤立事件误判。
落地部署以 Docker 为主,镜像 wantcat/trendradar:latest 支持多架构。核心命令挂载 config/ 与 output/ 卷,环境变量覆盖推送 webhook(如 WEWORK_WEBHOOK_URL=xxx)和 CRON_SCHEDULE=*/30 * * * *(30 分钟周期)。MCP 服务分 STDIO/HTTP 模式,HTTP 监听 3333 端口,Cherry Studio 配置 command: uv --directory /path/TrendRadar run python -m mcp_server.server。情感分析参数包括 sentiment_model="claude-3.5-sonnet"(阈值正向>0.6、负向<-0.6)和 batch_size=50,避免单次超限;相似检索设 embedding_dim=768、threshold=0.75、max_results=10,回溯 7 天数据。推送集成企业微信/Telegram,msg_type=markdown 分批处理(每批<4KB),启用 push_window: 09:00-18:00 防扰。
监控要点聚焦数据完整性与工具调用率:日志追踪 MCP 调用延迟(<2s/工具),情感准确率>85%(人工抽样验证),相似召回率通过 top_k@5 F1>0.7 评估。风险包括 newsnow API 限流(star 项目支持作者),回滚策略为降级纯关键词模式(frequency_words.txt + 权重 rank:0.6/freq:0.3/hot:0.1),或切换 incremental 推送仅新热点。参数调优清单:
| 参数 |
默认值 |
优化建议 |
场景 |
| sentiment_batch |
20 |
50(大模型) |
高频舆情 |
| similarity_threshold |
0.8 |
0.75(宽松) |
趋势追踪 |
| cron_interval |
30min |
15min(交易) |
实时监控 |
| top_k_similar |
5 |
10(深度) |
关联分析 |
实际案例:在 Cursor IDE 配置 MCP JSON,查询“对比知乎/微博 AI 情感”,输出柱状图+洞察,支持 Docker 持久化 output/ 历史数据,实现断线续传。
资料来源:https://github.com/sansan0/TrendRadar README 与 MCP 模块文档;Hacker News 搜索结果提及项目热度。