TrendRadar MCP 服务器
使用说明(Markdown 格式)
-
项目简介
- TrendRadar 的 MCP 服务器实现,采用 FastMCP 2.0,提供数据查询、智能检索、数据分析、系统配置和爬虫管理等工具,面向支持 MCP 的 AI 客户端,能够读取本地/缓存的数据、执行分析任务、返回结构化的新闻热点信息。
-
主要功能点
- 数据查询核心(如获取最新新闻、按日期获取新闻、按关键词搜索等)
- 高级分析工具(话题趋势、数据洞察、情感分析、相似新闻、摘要生成等)
- 搜索工具(模糊、关键词、实体等多模式检索)
- 配置与系统管理工具(查看当前配置、系统状态、触发爬取等)
- MCP 客户端接入支持(HTTP/stdio 两种传输、以及多客户端的连接配置示例)
- 支持分批推送、跨渠道通知(Feishu、钉钉、企业微信、Telegram、邮件、ntfy 等)以及 HTML/网页报告输出
- 数据缓存与持久化(缓存层、输出 html/txt/html 快捷访问)
-
安装步骤
- 该仓库提供完整的 MCP 服务器实现代码,请确保 Python 环境就绪并安装依赖。运行环境应具备访问外部新闻源的网络能力以及对输出目录的写权限。
- 启动方式(两种传输模式可选):
- STDIO 模式(默认)
- 命令示例:uv run python mcp_server/server.py
- 该模式直接通过标准输入输出与 MCP 客户端通信,常用于本地集成(如 Cherry Studio 等工具)
- HTTP 模式(生产环境推荐)
- 命令示例:uv run python mcp_server/server.py --transport http --host 0.0.0.0 --port 3333
- 该模式对外暴露一个 HTTP 接口 http://<host>:3333/mcp,供 MCP 客户端远程接入
- STDIO 模式(默认)
- 依赖与配置
- 通过 config/config.yaml 配置应用参数、爬虫行为、通知渠道、关键词等
- 通过环境变量或通知渠道配置(如 FEISHU_WEBHOOK_URL、DINGTALK_WEBHOOK_URL、WEWORK_WEBHOOK_URL、TELEGRAM_BOT_TOKEN、TELEGRAM_CHAT_ID、EMAIL_* 等)来启用多渠道推送
- MCP 客户端需要的只是启动命令及参数,不需要额外的客户端代码;客户端通过 JSON-RPC 与服务器交互,获取工具列表并调用对应方法
-
服务器配置(MCP 客户端连接所需的最小信息,JSON 格式,仅供参考,不是代码块) { "server_name": "trendradar", "description": "TrendRadar MCP 服务端,基于 FastMCP 2.0,提供新闻数据查询、分析与通知等工具", "command": "uv", "args": [ "run", "python", "mcp_server/server.py", "--transport", "http", "--host", "0.0.0.0", "--port", "3333" ], "notes": "如需 STDIO 模式,请将 --transport 和相关参数移除,保持为: uv run python mcp_server/server.py" }
参数注释(便于理解)
- server_name: MCP 服务器在客户端侧的标识名
- command: 启动服务器所使用的外部命令(此处为 uv,表示使用 FastMCP 的启动器)
- args: 启动参数数组,包含传输模式、主脚本路径、以及端口/地址等配置
- 备注: HTTP 模式下需要提供 --transport http、--host、--port 等参数,STDIO 模式为默认
-
基本使用方法
- 启动 MCP 服务器(HTTP 模式示例)后端将监听指定端口,等待 MCP 客户端连接
- 在 MCP 客户端中将 TrendRadar 服务器作为一个 MCP 端点添加,使用 HTTP 传输时填入 http://<服务器IP>:3333/mcp
- 使用客户端命令查看可用工具(如 get_latest_news、get_news_by_date、analyze_topic_trend 等)并按需调用
- 客户端发送请求,服务器返回 JSON-RPC 风格的响应信息,包含数据、状态与错误码(如有)
-
关键词 新闻分析, 数据查询, 跨渠道通知, 实时热点分析, AI 辅助分析
-
分类ID 6