""" TrendRadar MCP Server - FastMCP 2.0 实现 使用 FastMCP 2.0 提供生产级 MCP 工具服务器。 支持 stdio 和 HTTP 两种传输模式。 """ import asyncio import json from typing import List, Optional, Dict, Union from fastmcp import FastMCP from .tools.data_query import DataQueryTools from .tools.analytics import AnalyticsTools from .tools.search_tools import SearchTools from .tools.config_mgmt import ConfigManagementTools from .tools.system import SystemManagementTools from .tools.storage_sync import StorageSyncTools from .tools.article_reader import ArticleReaderTools from .tools.notification import NotificationTools from .utils.date_parser import DateParser from .utils.errors import MCPError # 创建 FastMCP 2.0 应用 mcp = FastMCP('trendradar-news') # 全局工具实例（在第一次请求时初始化） _tools_instances = {} def _get_tools(project_root: Optional[str] = None): """获取或创建工具实例（单例模式）""" if not _tools_instances: _tools_instances['data'] = DataQueryTools(project_root) _tools_instances['analytics'] = AnalyticsTools(project_root) _tools_instances['search'] = SearchTools(project_root) _tools_instances['config'] = ConfigManagementTools(project_root) _tools_instances['system'] = SystemManagementTools(project_root) _tools_instances['storage'] = StorageSyncTools(project_root) _tools_instances['article'] = ArticleReaderTools(project_root) _tools_instances['notification'] = NotificationTools(project_root) return _tools_instances # ==================== MCP Resources ==================== @mcp.resource("config://platforms") async def get_platforms_resource() -> str: """ 获取支持的平台列表 返回 config.yaml 中配置的所有平台信息，包括 ID 和名称。 """ tools = _get_tools() config = await asyncio.to_thread( tools['config'].get_current_config, section="crawler" ) return json.dumps({ "platforms": config.get("platforms", []), "description": "TrendRadar 支持的热榜平台列表" }, ensure_ascii=False, indent=2) @mcp.resource("config://rss-feeds") async def get_rss_feeds_resource() -> str: """ 获取 RSS 订阅源列表 返回当前配置的所有 RSS 源信息。 """ tools = _get_tools() status = await asyncio.to_thread(tools['data'].get_rss_feeds_status) return json.dumps({ "feeds": status.get("today_feeds", {}), "description": "TrendRadar 支持的 RSS 订阅源列表" }, ensure_ascii=False, indent=2) @mcp.resource("data://available-dates") async def get_available_dates_resource() -> str: """ 获取可用的数据日期范围 返回本地存储中可查询的日期列表。 """ tools = _get_tools() result = await asyncio.to_thread( tools['storage'].list_available_dates, source="local" ) return json.dumps({ "dates": result.get("data", {}).get("local", {}).get("dates", []), "description": "本地存储中可查询的日期列表" }, ensure_ascii=False, indent=2) @mcp.resource("config://keywords") async def get_keywords_resource() -> str: """ 获取关注词配置 返回 frequency_words.txt 中配置的关注词分组。 """ tools = _get_tools() config = await asyncio.to_thread( tools['config'].get_current_config, section="keywords" ) return json.dumps({ "word_groups": config.get("word_groups", []), "total_groups": config.get("total_groups", 0), "description": "TrendRadar 关注词配置" }, ensure_ascii=False, indent=2) # ==================== 日期解析工具（优先调用）==================== @mcp.tool async def resolve_date_range( expression: str ) -> str: """ 【推荐优先调用】将自然语言日期表达式解析为标准日期范围 **为什么需要这个工具？** 用户经常使用"本周"、"最近7天"等自然语言表达日期，但 AI 模型自己计算日期 可能导致不一致的结果。此工具在服务器端使用精确的当前时间计算，确保所有 AI 模型获得一致的日期范围。 **推荐使用流程：** 1. 用户说"分析AI本周的情感倾向" 2. AI 调用 resolve_date_range("本周") → 获取精确日期范围 3. AI 调用 analyze_sentiment(topic="ai", date_range=上一步返回的date_range) Args: expression: 自然语言日期表达式，支持： - 单日: "今天", "昨天", "today", "yesterday" - 周: "本周", "上周", "this week", "last week" - 月: "本月", "上月", "this month", "last month" - 最近N天: "最近7天", "最近30天", "last 7 days", "last 30 days" - 动态: "最近5天", "last 10 days"（任意天数） Returns: JSON格式的日期范围，可直接用于其他工具的 date_range 参数： { "success": true, "expression": "本周", "date_range": { "start": "2025-11-18", "end": "2025-11-26" }, "current_date": "2025-11-26", "description": "本周（周一到周日，11-18 至 11-26）" } Examples: 用户："分析AI本周的情感倾向" AI调用步骤： 1. resolve_date_range("本周") → {"date_range": {"start": "2025-11-18", "end": "2025-11-26"}, ...} 2. analyze_sentiment(topic="ai", date_range={"start": "2025-11-18", "end": "2025-11-26"}) 用户："看看最近7天的特斯拉新闻" AI调用步骤： 1. resolve_date_range("最近7天") → {"date_range": {"start": "2025-11-20", "end": "2025-11-26"}, ...} 2. search_news(query="特斯拉", date_range={"start": "2025-11-20", "end": "2025-11-26"}) """ try: result = await asyncio.to_thread(DateParser.resolve_date_range_expression, expression) return json.dumps(result, ensure_ascii=False, indent=2) except MCPError as e: return json.dumps({ "success": False, "error": e.to_dict() }, ensure_ascii=False, indent=2) except Exception as e: return json.dumps({ "success": False, "error": { "code": "INTERNAL_ERROR", "message": str(e) } }, ensure_ascii=False, indent=2) # ==================== 数据查询工具 ==================== @mcp.tool async def get_latest_news( platforms: Optional[List[str]] = None, limit: int = 50, include_url: bool = False ) -> str: """ 获取最新一批爬取的新闻数据，快速了解当前热点 Args: platforms: 平台ID列表，如 ['zhihu', 'weibo']，不指定则使用所有平台 limit: 返回条数限制，默认50，最大1000 include_url: 是否包含URL链接，默认False（节省token） Returns: JSON格式的新闻列表 **数据展示建议** - 默认展示全部返回数据，除非用户明确要求总结 - 用户说"总结"或"挑重点"时才进行筛选 - 用户问"为什么只显示部分"说明需要完整数据 """ tools = _get_tools() result = await asyncio.to_thread( tools['data'].get_latest_news, platforms=platforms, limit=limit, include_url=include_url ) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def get_trending_topics( top_n: int = 10, mode: str = 'current', extract_mode: str = 'keywords' ) -> str: """ 获取热点话题统计 Args: top_n: 返回TOP N话题，默认10 mode: 时间模式 - "daily": 当日累计数据统计 - "current": 最新一批数据统计（默认） extract_mode: 提取模式 - "keywords": 统计预设关注词（基于 config/frequency_words.txt，默认） - "auto_extract": 自动从新闻标题提取高频词（无需预设，自动发现热点） Returns: JSON格式的话题频率统计列表 Examples: - 使用预设关注词: get_trending_topics(mode="current") - 自动提取热点: get_trending_topics(extract_mode="auto_extract", top_n=20) """ tools = _get_tools() result = await asyncio.to_thread( tools['data'].get_trending_topics, top_n=top_n, mode=mode, extract_mode=extract_mode ) return json.dumps(result, ensure_ascii=False, indent=2) # ==================== RSS 数据查询工具 ==================== @mcp.tool async def get_latest_rss( feeds: Optional[List[str]] = None, days: int = 1, limit: int = 50, include_summary: bool = False ) -> str: """ 获取最新的 RSS 订阅数据（支持多日查询） RSS 数据与热榜新闻分开存储，按时间流展示，适合获取特定来源的最新内容。 Args: feeds: RSS 源 ID 列表，如 ['hacker-news', '36kr']，不指定则返回所有源 days: 获取最近 N 天的数据，默认 1（仅今天），最大 30 天 limit: 返回条数限制，默认50，最大500 include_summary: 是否包含文章摘要，默认False（节省token） Returns: JSON格式的 RSS 条目列表 Examples: - get_latest_rss() - get_latest_rss(days=7, feeds=['hacker-news']) """ tools = _get_tools() result = await asyncio.to_thread( tools['data'].get_latest_rss, feeds=feeds, days=days, limit=limit, include_summary=include_summary ) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def search_rss( keyword: str, feeds: Optional[List[str]] = None, days: int = 7, limit: int = 50, include_summary: bool = False ) -> str: """ 搜索 RSS 数据 在 RSS 订阅数据中搜索包含指定关键词的文章。 Args: keyword: 搜索关键词（必需） feeds: RSS 源 ID 列表，如 ['hacker-news', '36kr'] - 不指定时：搜索所有 RSS 源 days: 搜索最近 N 天的数据，默认 7 天，最大 30 天 limit: 返回条数限制，默认50 include_summary: 是否包含文章摘要，默认False Returns: JSON格式的匹配 RSS 条目列表 Examples: - search_rss(keyword="AI") - search_rss(keyword="machine learning", feeds=['hacker-news'], days=14) """ tools = _get_tools() result = await asyncio.to_thread( tools['data'].search_rss, keyword=keyword, feeds=feeds, days=days, limit=limit, include_summary=include_summary ) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def get_rss_feeds_status() -> str: """ 获取 RSS 源状态信息 查看当前配置的 RSS 源及其数据统计信息。 Returns: JSON格式的 RSS 源状态，包含： - available_dates: 有 RSS 数据的日期列表 - total_dates: 总日期数 - today_feeds: 今日各 RSS 源的数据统计 - {feed_id}: { name, item_count } - generated_at: 生成时间 Examples: - get_rss_feeds_status() # 查看所有 RSS 源状态 """ tools = _get_tools() result = await asyncio.to_thread(tools['data'].get_rss_feeds_status) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def get_news_by_date( date_range: Optional[Union[Dict[str, str], str]] = None, platforms: Optional[List[str]] = None, limit: int = 50, include_url: bool = False ) -> str: """ 获取指定日期的新闻数据，用于历史数据分析和对比 Args: date_range: 日期范围，支持多种格式: - 范围对象: {"start": "2025-01-01", "end": "2025-01-07"} - 自然语言: "今天", "昨天", "本周", "最近7天" - 单日字符串: "2025-01-15" - 默认值: "今天" platforms: 平台ID列表，如 ['zhihu', 'weibo']，不指定则使用所有平台 limit: 返回条数限制，默认50，最大1000 include_url: 是否包含URL链接，默认False（节省token） Returns: JSON格式的新闻列表，包含标题、平台、排名等信息 """ tools = _get_tools() result = await asyncio.to_thread( tools['data'].get_news_by_date, date_range=date_range, platforms=platforms, limit=limit, include_url=include_url ) return json.dumps(result, ensure_ascii=False, indent=2) # ==================== 高级数据分析工具 ==================== @mcp.tool async def analyze_topic_trend( topic: str, analysis_type: str = "trend", date_range: Optional[Union[Dict[str, str], str]] = None, granularity: str = "day", spike_threshold: float = 3.0, time_window: int = 24, lookahead_hours: int = 6, confidence_threshold: float = 0.7 ) -> str: """ 统一话题趋势分析工具 - 整合多种趋势分析模式 建议：使用自然语言日期时，先调用 resolve_date_range 获取精确日期范围。 Args: topic: 话题关键词（必需） analysis_type: 分析类型 - "trend": 热度趋势分析（默认） - "lifecycle": 生命周期分析 - "viral": 异常热度检测 - "predict": 话题预测 date_range: 日期范围，格式 {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}，默认最近7天 granularity: 时间粒度，默认"day" spike_threshold: 热度突增倍数阈值（viral模式），默认3.0 time_window: 检测时间窗口小时数（viral模式），默认24 lookahead_hours: 预测未来小时数（predict模式），默认6 confidence_threshold: 置信度阈值（predict模式），默认0.7 Returns: JSON格式的趋势分析结果 Examples: - analyze_topic_trend(topic="AI", date_range={"start": "2025-01-01", "end": "2025-01-07"}) - analyze_topic_trend(topic="特斯拉", analysis_type="lifecycle") """ tools = _get_tools() result = await asyncio.to_thread( tools['analytics'].analyze_topic_trend_unified, topic=topic, analysis_type=analysis_type, date_range=date_range, granularity=granularity, threshold=spike_threshold, time_window=time_window, lookahead_hours=lookahead_hours, confidence_threshold=confidence_threshold ) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def analyze_data_insights( insight_type: str = "platform_compare", topic: Optional[str] = None, date_range: Optional[Union[Dict[str, str], str]] = None, min_frequency: int = 3, top_n: int = 20 ) -> str: """ 统一数据洞察分析工具 - 整合多种数据分析模式 Args: insight_type: 洞察类型，可选值： - "platform_compare": 平台对比分析（对比不同平台对话题的关注度） - "platform_activity": 平台活跃度统计（统计各平台发布频率和活跃时间） - "keyword_cooccur": 关键词共现分析（分析关键词同时出现的模式） topic: 话题关键词（可选，platform_compare模式适用） date_range: **【对象类型】** 日期范围（可选） - **格式**: {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"} - **示例**: {"start": "2025-01-01", "end": "2025-01-07"} - **重要**: 必须是对象格式，不能传递整数 min_frequency: 最小共现频次（keyword_cooccur模式），默认3 top_n: 返回TOP N结果（keyword_cooccur模式），默认20 Returns: JSON格式的数据洞察分析结果 Examples: - analyze_data_insights(insight_type="platform_compare", topic="人工智能") - analyze_data_insights(insight_type="platform_activity", date_range={"start": "2025-01-01", "end": "2025-01-07"}) - analyze_data_insights(insight_type="keyword_cooccur", min_frequency=5, top_n=15) """ tools = _get_tools() result = await asyncio.to_thread( tools['analytics'].analyze_data_insights_unified, insight_type=insight_type, topic=topic, date_range=date_range, min_frequency=min_frequency, top_n=top_n ) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def analyze_sentiment( topic: Optional[str] = None, platforms: Optional[List[str]] = None, date_range: Optional[Union[Dict[str, str], str]] = None, limit: int = 50, sort_by_weight: bool = True, include_url: bool = False ) -> str: """ 分析新闻的情感倾向和热度趋势 建议：使用自然语言日期时，先调用 resolve_date_range 获取精确日期范围。 Args: topic: 话题关键词（可选） platforms: 平台ID列表，如 ['zhihu', 'weibo']，不指定则使用所有平台 date_range: 日期范围，格式 {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}，默认今天 limit: 返回新闻数量，默认50，最大100（会对标题去重） sort_by_weight: 是否按热度权重排序，默认True include_url: 是否包含URL链接，默认False（节省token） Returns: JSON格式的分析结果，包含情感分布、热度趋势和相关新闻 Examples: - analyze_sentiment(topic="AI", date_range={"start": "2025-01-01", "end": "2025-01-07"}) """ tools = _get_tools() result = await asyncio.to_thread( tools['analytics'].analyze_sentiment, topic=topic, platforms=platforms, date_range=date_range, limit=limit, sort_by_weight=sort_by_weight, include_url=include_url ) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def find_related_news( reference_title: str, date_range: Optional[Union[Dict[str, str], str]] = None, threshold: float = 0.5, limit: int = 50, include_url: bool = False ) -> str: """ 查找与指定新闻标题相关的其他新闻（支持当天和历史数据） Args: reference_title: 参考新闻标题（完整或部分） date_range: 日期范围（可选） - 不指定: 只查询今天的数据 - "today", "yesterday", "last_week", "last_month": 预设值 - {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}: 自定义范围 threshold: 相似度阈值，0-1之间，默认0.5（越高匹配越严格） limit: 返回条数限制，默认50 include_url: 是否包含URL链接，默认False（节省token） Returns: JSON格式的相关新闻列表，按相似度排序 Examples: - find_related_news(reference_title="特斯拉降价") - find_related_news(reference_title="AI突破", date_range="last_week") """ tools = _get_tools() result = await asyncio.to_thread( tools['search'].find_related_news_unified, reference_title=reference_title, date_range=date_range, threshold=threshold, limit=limit, include_url=include_url ) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def generate_summary_report( report_type: str = "daily", date_range: Optional[Union[Dict[str, str], str]] = None ) -> str: """ 每日/每周摘要生成器 - 自动生成热点摘要报告 Args: report_type: 报告类型（daily/weekly） date_range: **【对象类型】** 自定义日期范围（可选） - **格式**: {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"} - **示例**: {"start": "2025-01-01", "end": "2025-01-07"} - **重要**: 必须是对象格式，不能传递整数 Returns: JSON格式的摘要报告，包含Markdown格式内容 """ tools = _get_tools() result = await asyncio.to_thread( tools['analytics'].generate_summary_report, report_type=report_type, date_range=date_range ) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def aggregate_news( date_range: Optional[Union[Dict[str, str], str]] = None, platforms: Optional[List[str]] = None, similarity_threshold: float = 0.7, limit: int = 50, include_url: bool = False ) -> str: """ 跨平台新闻聚合 - 对相似新闻进行去重合并 将不同平台报道的同一事件合并为一条聚合新闻，显示跨平台覆盖情况和综合热度。 Args: date_range: 日期范围，不指定则查询今天 platforms: 平台ID列表，如 ['zhihu', 'weibo']，不指定则使用所有平台 similarity_threshold: 相似度阈值，0.3-1.0，默认0.7（越高越严格） limit: 返回聚合新闻数量，默认50 include_url: 是否包含URL链接，默认False Returns: JSON格式的聚合结果，包含去重统计、聚合新闻列表和平台覆盖统计 Examples: - aggregate_news() - aggregate_news(similarity_threshold=0.8) """ tools = _get_tools() result = await asyncio.to_thread( tools['analytics'].aggregate_news, date_range=date_range, platforms=platforms, similarity_threshold=similarity_threshold, limit=limit, include_url=include_url ) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def compare_periods( period1: Union[Dict[str, str], str], period2: Union[Dict[str, str], str], topic: Optional[str] = None, compare_type: str = "overview", platforms: Optional[List[str]] = None, top_n: int = 10 ) -> str: """ 时期对比分析 - 比较两个时间段的新闻数据 对比不同时期的热点话题、平台活跃度、新闻数量等维度。 **使用场景：** - 对比本周和上周的热点变化 - 分析某个话题在两个时期的热度差异 - 查看各平台活跃度的周期性变化 Args: period1: 第一个时间段（基准期） - {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}: 日期范围 - "today", "yesterday", "this_week", "last_week", "this_month", "last_month": 预设值 period2: 第二个时间段（对比期，格式同 period1） topic: 可选的话题关键词（聚焦特定话题的对比） compare_type: 对比类型 - "overview": 总体概览（默认）- 新闻数量、关键词变化、TOP新闻 - "topic_shift": 话题变化分析 - 上升话题、下降话题、新出现话题 - "platform_activity": 平台活跃度对比 - 各平台新闻数量变化 platforms: 平台过滤列表，如 ['zhihu', 'weibo'] top_n: 返回 TOP N 结果，默认10 Returns: JSON格式的对比分析结果，包含： - periods: 两个时期的日期范围 - compare_type: 对比类型 - overview/topic_shift/platform_comparison: 具体对比结果（根据类型） Examples: - compare_periods(period1="last_week", period2="this_week") # 周环比 - compare_periods(period1="last_month", period2="this_month", compare_type="topic_shift") - compare_periods( period1={"start": "2025-01-01", "end": "2025-01-07"}, period2={"start": "2025-01-08", "end": "2025-01-14"}, topic="人工智能" ) """ tools = _get_tools() result = await asyncio.to_thread( tools['analytics'].compare_periods, period1=period1, period2=period2, topic=topic, compare_type=compare_type, platforms=platforms, top_n=top_n ) return json.dumps(result, ensure_ascii=False, indent=2) # ==================== 智能检索工具 ==================== @mcp.tool async def search_news( query: str, search_mode: str = "keyword", date_range: Optional[Union[Dict[str, str], str]] = None, platforms: Optional[List[str]] = None, limit: int = 50, sort_by: str = "relevance", threshold: float = 0.6, include_url: bool = False, include_rss: bool = False, rss_limit: int = 20 ) -> str: """ 统一搜索接口，支持多种搜索模式，可同时搜索热榜和RSS 建议：使用自然语言日期时，先调用 resolve_date_range 获取精确日期范围。 Args: query: 搜索关键词或内容片段 search_mode: 搜索模式 - "keyword": 精确关键词匹配（默认） - "fuzzy": 模糊内容匹配 - "entity": 实体名称搜索（人物/地点/机构） date_range: 日期范围，格式 {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}，默认今天 platforms: 平台ID列表，如 ['zhihu', 'weibo']，不指定则使用所有平台 limit: 热榜返回条数限制，默认50 sort_by: 排序方式 - "relevance"（相关度）/ "weight"（权重）/ "date"（日期） threshold: 相似度阈值（仅fuzzy模式），0-1，默认0.6 include_url: 是否包含URL链接，默认False include_rss: 是否同时搜索RSS数据，默认False rss_limit: RSS返回条数限制，默认20 Returns: JSON格式的搜索结果，包含热榜新闻列表和可选的RSS结果 Examples: - search_news(query="AI") - search_news(query="AI", include_rss=True) - search_news(query="特斯拉", date_range={"start": "2025-01-01", "end": "2025-01-07"}) """ tools = _get_tools() result = await asyncio.to_thread( tools['search'].search_news_unified, query=query, search_mode=search_mode, date_range=date_range, platforms=platforms, limit=limit, sort_by=sort_by, threshold=threshold, include_url=include_url, include_rss=include_rss, rss_limit=rss_limit ) return json.dumps(result, ensure_ascii=False, indent=2) # ==================== 配置与系统管理工具 ==================== @mcp.tool async def get_current_config( section: str = "all" ) -> str: """ 获取当前系统配置 Args: section: 配置节，可选值： - "all": 所有配置（默认） - "crawler": 爬虫配置 - "push": 推送配置 - "keywords": 关键词配置 - "weights": 权重配置 Returns: JSON格式的配置信息 """ tools = _get_tools() result = await asyncio.to_thread(tools['config'].get_current_config, section=section) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def get_system_status() -> str: """ 获取系统运行状态和健康检查信息 返回系统版本、数据统计、缓存状态等信息 Returns: JSON格式的系统状态信息 """ tools = _get_tools() result = await asyncio.to_thread(tools['system'].get_system_status) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def check_version( proxy_url: Optional[str] = None ) -> str: """ 检查版本更新（同时检查 TrendRadar 和 MCP Server） 比较本地版本与 GitHub 远程版本，判断是否需要更新。 Args: proxy_url: 可选的代理URL，用于访问 GitHub（如 http://127.0.0.1:7890） Returns: JSON格式的版本检查结果，包含两个组件的版本对比和是否需要更新 Examples: - check_version() - check_version(proxy_url="http://127.0.0.1:7890") """ tools = _get_tools() result = await asyncio.to_thread(tools['system'].check_version, proxy_url=proxy_url) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def trigger_crawl( platforms: Optional[List[str]] = None, save_to_local: bool = False, include_url: bool = False ) -> str: """ 手动触发一次爬取任务（可选持久化） Args: platforms: 平台ID列表，如 ['zhihu', 'weibo']，不指定则使用所有平台 save_to_local: 是否保存到本地 output 目录，默认 False include_url: 是否包含URL链接，默认False（节省token） Returns: JSON格式的任务状态信息，包含成功/失败平台列表和新闻数据 Examples: - trigger_crawl(platforms=['zhihu']) - trigger_crawl(save_to_local=True) """ tools = _get_tools() result = await asyncio.to_thread( tools['system'].trigger_crawl, platforms=platforms, save_to_local=save_to_local, include_url=include_url ) return json.dumps(result, ensure_ascii=False, indent=2) # ==================== 存储同步工具 ==================== @mcp.tool async def sync_from_remote( days: int = 7 ) -> str: """ 从远程存储拉取数据到本地 用于 MCP Server 等场景：爬虫存到远程云存储（如 Cloudflare R2）， MCP Server 拉取到本地进行分析查询。 Args: days: 拉取最近 N 天的数据，默认 7 天 - 0: 不拉取 - 7: 拉取最近一周的数据 - 30: 拉取最近一个月的数据 Returns: JSON格式的同步结果，包含： - success: 是否成功 - synced_files: 成功同步的文件数量 - synced_dates: 成功同步的日期列表 - skipped_dates: 跳过的日期（本地已存在） - failed_dates: 失败的日期及错误信息 - message: 操作结果描述 Examples: - sync_from_remote() # 拉取最近7天 - sync_from_remote(days=30) # 拉取最近30天 Note: 需要在 config/config.yaml 中配置远程存储（storage.remote）或设置环境变量： - S3_ENDPOINT_URL: 服务端点 - S3_BUCKET_NAME: 存储桶名称 - S3_ACCESS_KEY_ID: 访问密钥 ID - S3_SECRET_ACCESS_KEY: 访问密钥 """ tools = _get_tools() result = await asyncio.to_thread(tools['storage'].sync_from_remote, days=days) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def get_storage_status() -> str: """ 获取存储配置和状态 查看当前存储后端配置、本地和远程存储的状态信息。 Returns: JSON格式的存储状态信息，包含本地/远程存储状态和拉取配置 """ tools = _get_tools() result = await asyncio.to_thread(tools['storage'].get_storage_status) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def list_available_dates( source: str = "both" ) -> str: """ 列出本地/远程可用的日期范围 查看本地和远程存储中有哪些日期的数据可用。 Args: source: 数据来源 - "local": 仅本地 - "remote": 仅远程 - "both": 同时列出并对比（默认） Returns: JSON格式的日期列表，包含各来源的日期信息和对比结果 Examples: - list_available_dates() - list_available_dates(source="local") """ tools = _get_tools() result = await asyncio.to_thread(tools['storage'].list_available_dates, source=source) return json.dumps(result, ensure_ascii=False, indent=2) # ==================== 文章内容读取工具 ==================== @mcp.tool async def read_article( url: str, timeout: int = 30 ) -> str: """ 读取指定 URL 的文章内容，返回 LLM 友好的 Markdown 格式 通过 Jina AI Reader 将网页转换为干净的 Markdown，自动去除广告、导航栏等噪音内容。 适合用于：阅读新闻正文、获取文章详情、分析文章内容。 **典型使用流程：** 1. 先用 search_news(include_url=True) 搜索新闻获取链接 2. 再用 read_article(url=链接) 读取正文内容 3. AI 对 Markdown 正文进行分析、摘要、翻译等 Args: url: 文章链接（必需），以 http:// 或 https:// 开头 timeout: 请求超时时间（秒），默认 30，最大 60 Returns: JSON格式的文章内容，包含完整 Markdown 正文 Examples: - read_article(url="https://example.com/news/123") Note: - 使用 Jina AI Reader 免费服务（100 RPM 限制） - 每次请求间隔 5 秒（内置速率控制） - 部分付费墙/登录墙页面可能无法完整获取 """ tools = _get_tools() timeout = min(max(timeout, 10), 60) result = await asyncio.to_thread( tools['article'].read_article, url=url, timeout=timeout ) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def read_articles_batch( urls: List[str], timeout: int = 30 ) -> str: """ 批量读取多篇文章内容（最多 5 篇，间隔 5 秒） 逐篇请求文章内容，每篇之间自动间隔 5 秒以遵守速率限制。 **典型使用流程：** 1. 先用 search_news(include_url=True) 搜索新闻获取多个链接 2. 再用 read_articles_batch(urls=[...]) 批量读取正文 3. AI 对多篇文章进行对比分析、综合报告 Args: urls: 文章链接列表（必需），最多处理 5 篇 timeout: 每篇的请求超时时间（秒），默认 30 Returns: JSON格式的批量读取结果，包含每篇的完整内容和状态 Examples: - read_articles_batch(urls=["https://a.com/1", "https://b.com/2"]) Note: - 单次最多读取 5 篇，超出部分会被跳过 - 5 篇约需 25-30 秒（每篇间隔 5 秒） - 单篇失败不影响其他篇的读取 """ tools = _get_tools() timeout = min(max(timeout, 10), 60) result = await asyncio.to_thread( tools['article'].read_articles_batch, urls=urls, timeout=timeout ) return json.dumps(result, ensure_ascii=False, indent=2) # ==================== 通知推送工具 ==================== @mcp.tool async def get_channel_format_guide(channel: Optional[str] = None) -> str: """ 获取通知渠道的格式化策略指南 返回各渠道支持的 Markdown 特性、格式限制和最佳格式化提示词。 在调用 send_notification 之前使用此工具，可以了解目标渠道的格式要求， 从而生成最佳排版效果的消息内容。 各渠道格式差异概览： - 飞书：支持 **粗体**、彩色文本、[链接](url)、--- 分割线 - 钉钉：支持 ### 标题、**粗体**、> 引用、--- 分割线，不支持颜色 - 企业微信：仅支持 **粗体**、[链接](url)、> 引用，不支持标题和分割线 - Telegram：自动转为 HTML，支持粗体/斜体/删除线/代码/链接/引用块 - ntfy：支持标准 Markdown，不支持颜色 - Bark：iOS 推送，仅支持粗体和链接，内容需精简 - Slack：自动转为 mrkdwn，*粗体*、~删除线~、 - 邮件：自动转为完整 HTML 网页，支持标题/样式/分割线 - 通用 Webhook：标准 Markdown 或自定义模板 Args: channel: 指定渠道 ID（可选），不指定返回所有渠道策略 可选值: feishu, dingtalk, wework, telegram, email, ntfy, bark, slack, generic_webhook Returns: JSON格式的渠道格式化策略，包含支持特性、限制和格式化提示词 Examples: - get_channel_format_guide() # 获取所有渠道策略 - get_channel_format_guide(channel="feishu") # 获取飞书策略 - get_channel_format_guide(channel="telegram") # 获取 Telegram 策略 """ tools = _get_tools() result = await asyncio.to_thread( tools['notification'].get_channel_format_guide, channel=channel ) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def get_notification_channels() -> str: """ 获取所有已配置的通知渠道及其状态 检测 config.yaml 和 .env 环境变量中的通知渠道配置。 支持 9 个渠道：飞书、钉钉、企业微信、Telegram、邮件、ntfy、Bark、Slack、通用 Webhook。 Returns: JSON格式的渠道状态，包含每个渠道是否已配置及配置来源 Examples: - get_notification_channels() """ tools = _get_tools() result = await asyncio.to_thread(tools['notification'].get_notification_channels) return json.dumps(result, ensure_ascii=False, indent=2) @mcp.tool async def send_notification( message: str, title: str = "TrendRadar 通知", channels: Optional[List[str]] = None, ) -> str: """ 向已配置的通知渠道发送消息 接受 markdown 格式内容，内部自动适配各渠道的格式要求和限制： - 飞书：Markdown 卡片消息（支持 **粗体**、彩色文本、[链接](url)、---） - 钉钉：Markdown（自动降级标题为 ###、剥离 标签和删除线） - 企业微信：Markdown（自动剥离 # 标题、---、 标签、删除线） - Telegram：HTML（自动转换 **→、*→、~~→、>→
） - Email：HTML 邮件（完整网页样式，支持 # 标题、---、粗体斜体） - ntfy：Markdown（自动剥离 标签） - Bark：Markdown（自动简化为粗体+链接，适配 iOS 推送） - Slack：mrkdwn（自动转换 **→*、~~→~、[text](url)→） - 通用 Webhook：Markdown（支持自定义模板） 提示：发送前可调用 get_channel_format_guide 获取目标渠道的详细格式化策略， 以生成最佳排版效果的消息内容。 Args: message: markdown 格式的消息内容（必需） title: 消息标题，默认 "TrendRadar 通知" channels: 指定发送的渠道列表，不指定则发送到所有已配置渠道 可选值: feishu, dingtalk, wework, telegram, email, ntfy, bark, slack, generic_webhook Returns: JSON格式的发送结果，包含每个渠道的发送状态 Examples: - send_notification(message="**测试消息**\\n这是一条测试通知") - send_notification(message="紧急通知", title="系统告警", channels=["feishu", "dingtalk"]) """ tools = _get_tools() result = await asyncio.to_thread( tools['notification'].send_notification, message=message, title=title, channels=channels ) return json.dumps(result, ensure_ascii=False, indent=2) # ==================== 启动入口 ==================== def run_server( project_root: Optional[str] = None, transport: str = 'stdio', host: str = '0.0.0.0', port: int = 3333 ): """ 启动 MCP 服务器 Args: project_root: 项目根目录路径 transport: 传输模式，'stdio' 或 'http' host: HTTP模式的监听地址，默认 0.0.0.0 port: HTTP模式的监听端口，默认 3333 """ # 初始化工具实例 _get_tools(project_root) # 打印启动信息 print() print("=" * 60) print(" TrendRadar MCP Server - FastMCP 2.0") print("=" * 60) print(f" 传输模式: {transport.upper()}") if transport == 'stdio': print(" 协议: MCP over stdio (标准输入输出)") print(" 说明: 通过标准输入输出与 MCP 客户端通信") elif transport == 'http': print(f" 协议: MCP over HTTP (生产环境)") print(f" 服务器监听: {host}:{port}") if project_root: print(f" 项目目录: {project_root}") else: print(" 项目目录: 当前目录") print() print(" 已注册的工具:") print(" === 日期解析工具（推荐优先调用）===") print(" 0. resolve_date_range - 解析自然语言日期为标准格式") print() print(" === 基础数据查询（P0核心）===") print(" 1. get_latest_news - 获取最新新闻") print(" 2. get_news_by_date - 按日期查询新闻（支持自然语言）") print(" 3. get_trending_topics - 获取趋势话题（支持自动提取）") print() print(" === RSS 数据查询 ===") print(" 4. get_latest_rss - 获取最新 RSS 订阅数据") print(" 5. search_rss - 搜索 RSS 数据") print(" 6. get_rss_feeds_status - 获取 RSS 源状态") print() print(" === 智能检索工具 ===") print(" 7. search_news - 统一新闻搜索（关键词/模糊/实体）") print(" 8. find_related_news - 相关新闻查找（支持历史数据）") print() print(" === 高级数据分析 ===") print(" 9. analyze_topic_trend - 统一话题趋势分析（热度/生命周期/爆火/预测）") print(" 10. analyze_data_insights - 统一数据洞察分析（平台对比/活跃度/关键词共现）") print(" 11. analyze_sentiment - 情感倾向分析") print(" 12. aggregate_news - 跨平台新闻聚合去重") print(" 13. compare_periods - 时期对比分析（周环比/月环比）") print(" 14. generate_summary_report - 每日/每周摘要生成") print() print(" === 配置与系统管理 ===") print(" 15. get_current_config - 获取当前系统配置") print(" 16. get_system_status - 获取系统运行状态") print(" 17. check_version - 检查版本更新（对比本地与远程版本）") print(" 18. trigger_crawl - 手动触发爬取任务") print() print(" === 存储同步工具 ===") print(" 19. sync_from_remote - 从远程存储拉取数据到本地") print(" 20. get_storage_status - 获取存储配置和状态") print(" 21. list_available_dates - 列出本地/远程可用日期") print() print(" === 文章内容读取 ===") print(" 22. read_article - 读取单篇文章内容（Markdown格式）") print(" 23. read_articles_batch - 批量读取多篇文章（自动限速）") print() print(" === 通知推送工具 ===") print(" 24. get_channel_format_guide - 获取渠道格式化策略指南（提示词）") print(" 25. get_notification_channels - 获取已配置的通知渠道状态") print(" 26. send_notification - 向通知渠道发送消息（自动适配格式）") print("=" * 60) print() # 根据传输模式运行服务器 if transport == 'stdio': mcp.run(transport='stdio') elif transport == 'http': # HTTP 模式（生产推荐） mcp.run( transport='http', host=host, port=port, path='/mcp' # HTTP 端点路径 ) else: raise ValueError(f"不支持的传输模式: {transport}") if __name__ == '__main__': import argparse parser = argparse.ArgumentParser( description='TrendRadar MCP Server - 新闻热点聚合 MCP 工具服务器', formatter_class=argparse.RawDescriptionHelpFormatter, epilog=""" 详细配置教程请查看: README-Cherry-Studio.md """ ) parser.add_argument( '--transport', choices=['stdio', 'http'], default='stdio', help='传输模式：stdio (默认) 或 http (生产环境)' ) parser.add_argument( '--host', default='0.0.0.0', help='HTTP模式的监听地址，默认 0.0.0.0' ) parser.add_argument( '--port', type=int, default=3333, help='HTTP模式的监听端口，默认 3333' ) parser.add_argument( '--project-root', help='项目根目录路径' ) args = parser.parse_args() run_server( project_root=args.project_root, transport=args.transport, host=args.host, port=args.port )