launchfastmcp

🚀 快速启动MCP（多项目控制器/管理平台，具体含义根据上下文确定）

为企业级Claude AI提供亚马逊与阿里巴巴级别的智能服务

](https://www.npmjs.com/package/@launchfast/mcp)   

*将8小时的产品研究转化为30秒的AI对话*

快速入门 · 特点 · 建筑 · 演示

______________________________________________________________________

📖 概述

一个可投入生产的模型上下文协议（MCP）服务器，它能将实时电子商务情报直接引入Claude桌面版。该服务器使用TypeScript构建，部署在Railway上，发布到npm，并且正在被亚马逊卖家积极使用。

npx -y @launchfast/mcp
# That's it. No git clone, no npm install, just works. ✨

它的功能

将复杂的电子商务研究工作流程转化为自然语言：

为何这很重要

• 研究速度提升10倍原本需要8-10小时完成的手工操作，现在只需30秒即可完成
• AI原生接口使用自然语言查询，而非复杂的仪表板
• 已准备好投入生产速率限制、重试逻辑、错误处理、监控
• 零配置安装一行命令即可npm安装，共享API配额，即刻可用

______________________________________________________________________

🎯 功能

1. 市场调研（research_amazon_market)

采用A10-F1分级算法进行智能产品分析。

核心能力：

• 通过Axesso API集成获取实时亚马逊数据
• 市场评级：A10（最佳机会）至F1（过度饱和）
• 多层缓存策略（响应速度提升3倍）
• 销售速度计算与收入预估
• 通过BSR（品牌搜索排名）追踪进行竞争分析
• 高级筛选：价格范围、评分、评论数量

技术亮点：

// Dual caching strategy for 3x performance
Layer 1: Keyword → ASIN mapping (24h TTL)
Layer 2: Master product data per ASIN
Result: 2-5s cached vs 8-15s fresh

2. 关键词智能（research_asin_keywords)

深入ASIN分析，挖掘机会与识别差距。

核心能力：

• 支持多ASIN（同时分析1-10个产品）
• 关键词指标：搜索量、每次点击付费（CPC）、竞争度评分、排名
• 机会挖掘：AI识别低竞争、高流量的关键词
• 差距分析：发现竞争对手排名但你未排名的关键词
• 每个关键词的流量归属

技术亮点：

// Parallel processing with Promise.all()
const results = await Promise.all(
  asins.map(asin => fetchKeywordData(asin))
)

3. 供应商发现（search_alibaba_suppliers）

采用复合质量评分的智能阿里巴巴搜索。

质量评分算法（0-100）：

• 信任指标（40%）：金牌供应商、贸易保障、认证资质
• 经验（30%）：经营年限、交易历史
• 定价（20%）：具有竞争力的价格，灵活的最小订单量
• 评价（10%）：评分、评价数量、回复率

高级过滤器： 最小订单量范围、位置、认证、经营年限、供应商徽章

______________________________________________________________________

🏗️ 建筑学

graph TB
    A[Claude Desktop] -->|JSON-RPC stdio| B[MCP Server]
    B -->|Tool Selection| C{Tool Handlers}
    C --> D[Market Research]
    C --> E[Keyword Intelligence]
    C --> F[Supplier Search]
    D -->|HTTPS| G[LaunchFast API]
    E -->|HTTPS| G
    F -->|HTTPS| G
    G -->|Auth & Rate Limiting| H[Data Services]
    H --> I[Amazon API]
    H --> J[Alibaba API]
    H --> K[Caching Layer]
    K -->|Optimized Response| B
    B -->|Formatted Data| A

技术栈

______________________________________________________________________

🎥 演示

完整产品发布调研（30秒）

User: "I want to launch bluetooth speakers on Amazon. Full analysis."

Claude executes:
1. Market research → Grade A7, $2.5M monthly revenue
2. Keyword analysis → 150+ keywords, 20 opportunities identified
3. Supplier search → 8 Gold Suppliers, MOQ 50-200, $12-45/unit
4. Profit calculation → $80-100/unit margin @ $149 price point
5. Launch strategy → Keywords, supplier, pricing, sales targets

结果： 一次对话中的全面发布计划。

______________________________________________________________________

🚀 快速入门

先决条件

• Node.js 18及以上版本 (下载）
• Claude Desktop（可译为“Claude桌面版”或保持原样，根据语境判断是否需要具体化为某类软件或平台的名称） (下载)
• LaunchFast API密钥 （获取您的（某物）请访问 https://launchfastlegacyx.com)

安装（30秒）

1. 打开您的Claude桌面配置：

• macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows： %APPDATA%\Claude\claude_desktop_config.json

2. 添加此配置：

{
  "mcpServers": {
    "launchfast": {
      "command": "npx",
      "args": ["-y", "@launchfast/mcp"],
      "env": {
        "LAUNCHFAST_API_URL": "https://launchfastlegacyx.com",
        "LAUNCHFAST_API_KEY": "lf_your_api_key_here"
      }
    }
  }
}

3. 重启Claude桌面版

4. 测试它：

Research the Amazon market for "wireless chargers"

______________________________________________________________________

💻 开发

本地设置

# Clone repository
git clone https://github.com/BlockchainHB/launchfastmcp.git
cd launchfastmcp

# Install dependencies
npm install

# Create .env file
cp .env.example .env
# Edit .env with your API credentials

# Build
npm run build

# Run locally (stdio mode)
npm run dev

# Run SSE server (web mode)
npm run dev:server

项目结构

launchfastmcp/
├── src/
│   ├── index.ts                 # MCP server (stdio)
│   ├── server-sse.ts            # MCP server (SSE/HTTP)
│   ├── client/
│   │   └── launchfast-client.ts # API client with retry
│   ├── tools/
│   │   ├── market-research.ts   # Tool 1 handler
│   │   ├── asin-keywords.ts     # Tool 2 handler
│   │   └── alibaba-suppliers.ts # Tool 3 handler
│   ├── types/
│   │   └── launchfast.ts        # Type definitions
│   └── utils/
│       ├── logger.ts            # Structured logging
│       └── formatter.ts         # Response formatters
├── build/                       # Compiled output
├── .env.example                 # Environment template
├── package.json                 # npm metadata
├── tsconfig.json                # TypeScript config
└── README.md                    # This file

可用脚本

npm run build       # Compile TypeScript → JavaScript
npm run dev         # Run MCP server (stdio mode)
npm run dev:server  # Run SSE server (web clients)
npm run inspect     # Debug mode with source maps

______________________________________________________________________

🔧 技术亮点

1. 生产级别的错误处理

指数退避重试：

async function fetchWithRetry(url: string, options: RequestInit, maxRetries = 3) {
  for (let attempt = 1; attempt = 400 && response.status  setTimeout(resolve, backoff))
    } catch (err) {
      if (attempt === maxRetries) throw err
    }
  }
}

2. 防御性编程

处理现实世界中API的差异，采用多种回退策略：

// Multiple fallback field mappings
const name = data.companyName || data.name || data.supplierName || 'Unknown'

// Null-safe number parsing
const moq = parseInt(data.moq?.toString() || '0') || 0

// Array safety
const items = Array.isArray(data.items) ? data.items : []

3. 类型安全的端到端（通信/系统）

全面启用TypeScript严格模式，并包含运行时验证：

// Zod schemas for runtime validation
export const MarketResearchSchema = z.object({
  keyword: z.string().min(1),
  marketplace: z.string().default('com'),
  limit: z.number().int().min(1).max(100).default(50),
  useCache: z.boolean().default(true),
  filters: z.object({
    minPrice: z.number().optional(),
    maxPrice: z.number().optional(),
    minRating: z.number().min(0).max(5).optional()
  }).optional()
})

// Type inference
type MarketResearchRequest = z.infer

4. 多层缓存策略

// Layer 1: Keyword → ASIN mapping (24h cache)
// Avoids expensive Amazon search API calls

// Layer 2: Master product data per ASIN
// Reuses product details across queries

// Result: 3x performance improvement

5. 安全最佳实践

• ✅ 用户专属API密钥（lf_前缀验证）
• ✅ 密钥位于头部，而非请求体中
• ✅ 使用滑动窗口进行速率限制（每分钟20个请求）
• ✅ 请求审计日志记录
• ✅ 数据隔离的RLS（行级安全性）策略

______________________________________________________________________

📊 性能指标

______________________________________________________________________

🤝 贡献（或：参与贡献）

欢迎贡献！以下是入门指南：

1. 克隆仓库
2. 创建一个特性分支（git checkout -b feature/amazing-feature）
3. 做出你的更改
4. 彻底测试（npm run build && npm run dev)
5. 提交您的更改（git commit -m 'Add amazing feature')
6. 推送至分支 (git push origin feature/amazing-feature)
7. 打开一个拉取请求

代码风格

• 已启用 TypeScript 严格模式
• 使用 ESLint + Prettier 进行格式化
• 用于运行时验证的Zod
• 描述性变量名及注释
• 所有异步操作的错误处理

______________________________________________________________________

📄 许可证

这个项目采用MIT许可证授权——详见 许可证 文件中有详细信息。

______________________________________________________________________

👨‍💻 作者

哈桑·巴蒂

• 网站： hasaamb.com（注：这个网址本身并没有直接对应的中文翻译，因为它是一个特定网站的域名，但根据域名的结构和常见的翻译习惯，可以将其理解为“哈桑姆（或类似发音）网站”，不过具体翻译可能因网站内容和语境而异。）
• X/Twitter（推特）： @工作自动化
• GitHub： @BlockchainHB（注：此为用户名或特定标识，直接翻译为“@区块链HB”即可，保持原样）

______________________________________________________________________

🙏 致谢

• “Anthropic”翻译成中文是“类人（的）”或“具有人类特性的”。不过，具体翻译可能需要根据上下文来调整，以准确传达原词的含义。在人工智能或哲学等领域，“Anthropic”可能指的是与人类特性或人类经验相关的概念 - 克劳德AI与模型上下文协议
• MCP社区 - 工具、文档和灵感
• 快速启动(https://launchfastlegacyx.com/admin/usage-stats) - API基础设施和数据管道

______________________________________________________________________

📈 项目统计

专为亚马逊卖家、产品研究员及AI爱好者倾心打造

⬆ 返回顶部