关键词

新闻热点聚合LLM工具趋势分析数据洞察自然语言查询

项目简介

TrendRadar 是一款功能强大的新闻热点聚合工具，能够从知乎、抖音、微博、百度等11+主流平台自动抓取和整合热点新闻。通过 Model Context Protocol (MCP) 服务器，TrendRadar 将这些丰富的实时和历史新闻数据、以及高级分析能力以标准化的方式暴露给大语言模型（LLM）客户端。这意味着你可以通过自然语言与LLM交互，让LLM调用TrendRadar提供的工具进行对话式查询、深度分析和趋势追踪，从而告别手动数据翻阅。

主要功能点

  • 全网热点聚合: 自动从知乎、抖音、B站、微博、百度热搜、华尔街见闻、财联社、澎湃新闻、凤凰网、今日头条、贴吧等11个主流平台抓取热点新闻，并支持自定义添加更多平台。
  • 智能分析工具: 提供13种AI分析工具，涵盖基础查询（如获取最新新闻、指定日期新闻）、智能检索（如关键词搜索、历史相关新闻）、高级分析（如话题热度趋势、新闻生命周期、爆火话题检测、趋势预测、平台数据对比、关键词共现、情感分析、相似新闻查找、摘要报告生成）以及系统管理（如获取系统配置、手动触发爬取任务）。
  • 个性化筛选与追踪: 支持通过设置个人关键词（普通词、必须词'+'、过滤词'!'）精准筛选新闻内容，并实时追踪新闻的热度变化、生命周期和演变趋势。
  • 多模式数据推送: 提供“当日汇总”、“当前榜单”和“增量监控”三种推送模式，并支持通过企业微信、飞书、钉钉、Telegram、邮件、ntfy 等多种渠道实时推送消息到你的手机或邮箱。
  • AI 对话能力: LLM客户端能够通过标准的MCP协议与服务器进行自然语言交互，调用其提供的丰富工具进行数据查询和复杂分析，极大地提升了新闻信息获取和理解的效率。

安装步骤

  1. 克隆或Fork仓库:
    • 首先将 TrendRadar 项目克隆或 Fork 到你的本地计算机。
    git clone https://github.com/bobkingdom/TrendRadar.git
cd TrendRadar
  2. 安装Python依赖:
    • 进入项目根目录，根据你的操作系统运行相应的安装脚本。这会安装Python及其相关的依赖（包括运行MCP服务器所需的'uv'和'fastmcp'库）。
    • Windows用户: 
      setup-windows.bat
    • Linux/macOS用户: 
      ./setup-mac.sh
  3. 配置基础参数:
    • 主配置文件: 编辑 'config/config.yaml' 文件，调整如 'platforms'（监控平台列表）、'weight'（热点算法权重）、'report'（报告模式）等参数。
    • 关键词设置: 编辑 'config/frequency_words.txt' 文件，添加你关心的关键词。你可以使用普通词、必须词（前加'+'）、过滤词（前加'!'）来精确匹配你想要追踪的新闻。

服务器配置

TrendRadar MCP服务器支持 STDIO 和 HTTP 两种传输模式，以适应不同的客户端集成场景。MCP客户端需要知道如何启动此服务器并与其通信。

HTTP模式（推荐用于远程、容器化部署或跨进程通信）:

  • 启动命令: 'uv run python mcp_server/server.py --transport http --port 3333'
    • '--transport http': 指定MCP服务器使用HTTP协议进行通信。
    • '--port 3333': 指定MCP服务器监听的端口号，你可以更换为其他未被占用的端口。
    • '--host 0.0.0.0' (可选): 指定MCP服务器监听所有可用的网络接口。
  • MCP客户端配置示例: 当你在MCP客户端（如Cursor、Cline、MCP Inspector等）中配置连接信息时，通常需要提供服务器的URL和类型。例如，在JSON配置中，它可能看起来像这样： 
    {
  "name": "TrendRadar",
  "url": "http://localhost:3333/mcp",
  "type": "http",
  "description": "新闻热点聚合分析服务"
}
    请根据你的实际部署地址和端口修改 'url' 字段。

STDIO模式（推荐用于本地集成客户端如Cherry Studio、Claude Desktop）:

  • 启动命令: 'uv run python mcp_server/server.py'
    • '--project-root [你的项目根目录路径]' (可选): 如果你的客户端或'uv'命令的运行环境不在TrendRadar项目的根目录，请指定项目的绝对路径。
  • MCP客户端配置示例: 当你在MCP客户端中配置连接信息时，通常需要提供启动服务器的命令和参数。例如，在JSON配置中，它可能看起来像这样： 
    {
  "name": "TrendRadar",
  "command": "uv",
  "args": [
    "--directory",
    "/path/to/TrendRadar",  // 请替换为你的TrendRadar项目实际路径
    "run",
    "python",
    "-m",
    "mcp_server.server"
  ],
  "type": "stdio",
  "description": "新闻热点聚合分析服务"
}
    请将 '/path/to/TrendRadar' 替换为你的TrendRadar项目在系统中的实际绝对路径。

基本使用方法

  1. 生成新闻数据:
    • 确保 'main.py' 程序至少运行一次，以便生成初始新闻数据文件（位于 'output/' 目录）。你可以通过以下方式：
      • GitHub Actions: Fork项目后会自动定时运行，是最推荐的方式。
      • Docker部署: 使用提供的 'docker-compose.yml' 启动容器，它会按计划自动运行。
      • 手动运行: 在项目根目录执行 'python main.py'。
  2. 启动MCP服务器:
    • 根据你选择的传输模式（HTTP或STDIO），在命令行中执行上述相应的MCP服务器启动命令。服务器将在后台运行，等待客户端连接。
  3. 连接MCP客户端:
    • 打开你偏好的LLM客户端（如Cherry Studio, Claude Desktop, Cursor, Cline等），并按照其指引配置TrendRadar MCP服务器的连接信息。确保填写的命令、参数或URL与你的服务器启动方式匹配。
  4. 与AI对话:
    • 一旦客户端成功连接到TrendRadar MCP服务器，你就可以通过自然语言向LLM提问，让它调用TrendRadar的工具来获取和分析新闻数据。例如：
      • "查询今天知乎和微博的热点新闻，并给我前10条"
      • "分析'比特币'这个话题最近7天的热度变化趋势"
      • "生成一份昨天的热点摘要报告"
      • "搜索所有包含'人工智能'关键词的新闻，并找出情绪积极的"
      • "手动触发一次所有平台的爬取任务，并保存到本地"
      • "我想了解一下当前系统的配置信息"

信息

分类

网页与API

访问项目