AI媒体监控MCP服务器
AI媒体监视器MCP（模型上下文协议）服务器，扫描荷兰媒体源中与AI相关的文章，并为播客规划提供分析。专门用于支持 AIToday直播 播客通过识别热门话题、潜在嘉宾和内容建议。
特性
- 🔍 多源媒体监控：扫描荷兰报纸、贸易出版物、科技媒体和新闻网站
- 🤖 AI内容检测：可配置的基于关键字的AI相关文章检测
- 📊 趋势分析：通过情绪和增长指标识别趋势AI主题
- 👤 专家鉴定：寻找经常被引用的专家作为潜在的播客嘉宾
- 💡 主题建议：生成具有相关性评分的可操作播客主题想法
- 🔓 支付墙旁路：尝试通过多种存档服务访问内容
- ⚙️ 可配置的：完全可定制的媒体来源、关键字和主题模式
快速开始
先决条件
- Python 3.10或更高版本
- 紫外线 包管理器（推荐）
安装
- 克隆存储库:
git clone https://github.com/yourusername/ai-media-monitor-mcp.git
cd ai-media-monitor-mcp- 安装依赖项:
uv sync- 启动MCP服务器:
uv run server使用Claude Desktop
- 添加到Claude桌面配置 (
~/.claude_desktop_config.json):
{
"mcpServers": {
"ai-media-monitor": {
"command": "uv",
"args": ["run", "server"],
"cwd": "/path/to/ai-media-monitor-mcp"
}
}
}- 重新启动克劳德桌面 并开始使用AI媒体监控工具。
可用的MCP工具
1. scan_media_sources
扫描所有已配置的荷兰媒体源，查找与人工智能相关的文章。
参数：
hours_back（int，可选）：扫描返回多少小时（默认值：24）
例子：
Scan media sources for AI articles from the last 48 hours2. get_trending_topics
使用详细的指标分析荷兰媒体中的AI热门话题。
参数：
period（str）：时间段-“天”、“周”或“月”（默认值：“周”）min_mentions（int）：最少提及次数（默认值：3）categories（list\[str\]，可选）：按特定类别筛选
例子：
Get trending AI topics for the last week with at least 5 mentions3. identify_experts
根据媒体报道和引文确定潜在的播客嘉宾。
参数：
topic（str，可选）：专注于特定的AI主题period（str）：要分析的时间段（默认值：“月”）min_quotes（int）：所需的最小报价（默认值：2）
例子：
Find AI experts in healthcare who have been quoted at least 3 times this month4. generate_topic_suggestions
根据当前媒体趋势生成播客主题建议。
参数：
focus_areas（list\[str\]，可选）：要关注的具体领域
例子：
Generate podcast topic suggestions focusing on AI ethics and privacy5. fetch_article
获取特定文章的全部内容，尝试绕过付费墙。
参数：
url（str）：要获取的文章的URL
例子：
Fetch the full content of this NRC article about AI in healthcare6. get_weekly_report
为播客计划生成全面的每周报告。
退货： 完整的分析，包括趋势主题、专家建议和内容建议。
配置
服务器使用 config.yaml 用于配置。关键部分包括：
媒体来源
按类别配置荷兰媒体源：
media_sources:
newspapers:
- name: "NRC"
url: "https://www.nrc.nl"
rss: "https://www.nrc.nl/rss/"
tech_media:
- name: "Tweakers"
url: "https://tweakers.net"
rss: "https://feeds.feedburner.com/tweakers/mixed"AI关键字（可配置）
自定义AI检测关键字：
ai_keywords:
- "\\bAI\\b"
- "\\bkunstmatige intelligentie\\b"
- "\\bmachine learning\\b"
- "\\bChatGPT\\b"主题模式（可配置）
定义主题分类模式：
topic_patterns:
"AI in de zorg":
- "zorg"
- "gezondheid"
- "ziekenhuis"
"AI en privacy":
- "privacy"
- "AVG"
- "GDPR"支付墙旁路
配置付费墙旁路服务：
paywall_bypass:
services:
- url: "https://archive.ph"
method: "POST"
priority: 1
retry_attempts: 3
timeout: 30媒体来源
服务器监控这些荷兰媒体类别：
报纸
- NRC、Volkskrant、FD、Telegraaf、AD、Trouw
行业出版物
- 可计算、AG Connect、MT/Sprout、Emerce
科技媒体
- Tweakers，光明，荷兰IT频道
新闻网站
- NU.nl， RTL 新闻， NOS
发展
设置开发环境
# Install with development dependencies
uv sync --dev
# Run tests
uv run test
# Lint and format code
uv run lint-fix
uv run format
# Check for linting errors
uv run lint项目结构
src/ai_media_monitor/
├── core/ # Core functionality
│ ├── analyzer.py # Main analysis engine
│ └── config_loader.py # Configuration loading
├── models/ # Data models
│ ├── article.py # Article data model
│ ├── expert.py # Expert data model
│ └── topic.py # Topic data models
└── utils/ # Utilities
├── text_analysis.py # Text processing
└── web_utils.py # Web scraping utilities代码质量
该项目执行高代码质量标准：
- 拉夫 用于裁剪和格式化
- Pytest 用于使用asyncio支持进行测试
- 键入提示 贯穿整个代码库
- 预提交挂钩 用于自动检查
添加新媒体源
- 将源添加到
config.yaml在适当的类别下 - 确保RSS源可访问
- 测试用
scan_media_sources工具 - 必要时更新文档
自定义AI检测
- 修改
ai_keywords在……里面config.yaml添加/删除检测模式 - 更新
topic_patterns自定义主题分类 - 使用样品进行测试更改
- 使用文本分析功能进行验证
用例
播客策划
- 识别剧集主题的AI热门话题
- 通过报价分析寻找专家客人
- 根据媒体报道生成内容建议
- 监控围绕人工智能话题的媒体情绪
媒体研究
- 追踪荷兰媒体对人工智能的报道
- 分析专家意见和立场
- 监控新兴的人工智能趋势和发展
- 研究特定的人工智能主题或公司
内容策略
- 了解荷兰围绕人工智能的公共话语
- 识别内容差距和机会
- 跟踪竞争对手的提及和报道
- 监控监管和政策发展
故障排除
常见问题
服务器无法启动：
- 检查Python版本（需要3.10+）
- 确保安装了所有依赖项：
uv sync - 验证
config.yaml语法
未找到文章：
- 检查互联网连接
- 验证RSS源是否可访问
- 调整
ai_keywords如果检测过于严格
支付墙旁路不工作：
- 服务可能暂时不可用
- 尝试调整超时设置
- 检查特定站点是否阻止存档服务
调试模式
运行调试日志：
uv run python server.py --debug贡献
- 分叉存储库
- 创建要素分支
- 通过测试进行更改
- 运行linting和测试：
uv run lint && uv run test - 提交拉取请求
许可证
此项目根据MIT许可证获得许可-有关详细信息，请参阅许可证文件。
支持
对于问题和疑问：
- 在GitHub上打开一个问题
- 检查现有文档
- 查看配置示例
______________________________________________________________________
内置于❤️ AIToday Live播客和荷兰人工智能社区。