MCP Nlp Analytics

______________________________________________________________________

标题：MCP NLP分析 表情符号📊 颜色来源：靛蓝 颜色致：蓝色 sdk：静态 应用文件：index.html 固定：false 标签：

• mcp-track-01

______________________________________________________________________

情绪演变跟踪器——MCP监控栈

Sentiment Evolution Tracker是一个企业级监控栈，作为模型上下文协议（MCP）服务器运行。它结合了本地情绪分析、流失预测、警报和报告，可以独立运行，也可以作为智能助手与Claude Desktop一起运行。

为什么存在

传统的“一次性使用Claude并继续前进”工作流程不会保留历史背景、触发警报或生成投资组合级别的见解。情绪进化跟踪器通过提供以下功能解决了这个问题：

• 自动趋势检测（上升/下降/稳定）
• 具有可配置阈值的流失概率评分
• SQLite中的持久客户历史记录
• 当风险超过70%时发出实时警报
• 用于演示和利益相关者的ASCII和HTML可视化
• Claude（或任何兼容MCP的LLM）可以按需调用的七个MCP工具

🎥 演示视频

演示视频（3-4分钟），显示实时情绪分析、风险检测和与Claude的MCP集成：

YouTube上观看

视频演示了：

• 客户对话的实时情绪分析
• 风险检测和流失预测
• 通过Claude Desktop调用MCP工具
• 实时警报和报告

______________________________________________________________________

如何使用

快速入门（5分钟）

1. 克隆并安装：

   git clone https://github.com/RubenReyesss/mcp-nlp-analytics.git
   cd mcp-nlp-server
   pip install -r requirements.txt
   python -m textblob.download_corpora
   python -m nltk.downloader punkt averaged_perceptron_tagger

1. 填充演示数据：

   python init_db.py
   python tools/populate_demo_data.py

1. 查看仪表板：

   python tools/dashboard.py

1. 生成HTML报告：

   python tools/generate_report.py
   # Opens data/reporte_clientes.html in your browser

1. 与Claude Desktop集成：

- 编辑 config/claude_desktop_config.json 与你的实际路径 - 重新启动克劳德桌面 - 启动MCP服务器： python src/mcp_server.py - 现在克劳德可以访问所有7个情绪分析工具

______________________________________________________________________

安装

cd mcp-nlp-server
pip install -r requirements.txt
python -m textblob.download_corpora
python -m nltk.downloader punkt averaged_perceptron_tagger

日常操作

• python init_db.py –从头开始重建数据库（重置选项）
• python tools\populate_demo_data.py –加载确定性演示客户
• python tools\dashboard.py –终端仪表板（按Ctrl+C退出）
• python tools\generate_report.py –创建 data/reporte_clientes.html
• python src\mcp_server.py –启动Claude Desktop的MCP服务器

MCP工具套件

数据模型（SQLite）

• customer_profiles –客户元数据、终身情绪、流失风险、时间戳
• conversations –每个分析条目、趋势、预测行动、信心
• risk_alerts –生成具有严重性、注释和解决状态的警报

数据库文件位于 data/sentiment_analysis.db；如果需要，脚本会自动创建目录。

Claude桌面集成

config/claude_desktop_config.json 注册服务器：

{
  "mcpServers": {
    "sentiment-tracker": {
      "command": "python",
      "args": ["src/mcp_server.py"],
      "cwd": "C:/Users/Ruben Reyes/Desktop/MCP_1stHF/mcp-nlp-server"
    }
  }
}

编辑文件后重新启动Claude Desktop。连接后，上述七个工具会自动出现，并且可以使用自然语言提示调用。

文档地图

• docs/QUICK_START.md –五分钟功能检查表
• docs/ARCHITECTURE.md –图表、模块职责、数据流
• docs/HOW_TO_SAVE_ANALYSIS.md –实用指南 save_analysis 工具
• docs/EXECUTIVE_SUMMARY.md –为利益相关者提供行政简报
• docs/CHECKLIST_FINAL.md –提交准备检查表

技术栈

• Python 3.10+
• MCP SDK 0.1+
• SQLite（标准库）
• 文本Blob 0.17.x+NLTK 3.8.x
• Chart.js用于可选的HTML可视化

📚 文档

有关NLP处理、架构和MCP集成的全面技术说明，请参阅：

📖 技术深度潜水

本文件涵盖：

• NLP与处理：为什么情绪演变跟踪很重要，混合评分方法和真正的商业价值
• 架构图：完整的系统流程（Mermaid可视化）
• 技术细节：模型堆栈、工具实现、数据库模式、评分算法
• MCP解释什么是MCP，为什么它很重要，以及它如何给克劳德持久记忆
• 实施要点：趋势检测、流失预测、多语言支持

______________________________________________________________________

状态

• ✅ 生产风格文件夹布局
• ✅ 黑客马拉松视频的确定性演示数据集
• ✅ 全面的英文文档
• ✅ 测试 save_analysis 工作流程(tests/test_save_analysis.py)
• ✅ 通过NLP解释和架构图进行技术深度挖掘

跑 python tools\dashboard.py 或者在演示之前打开生成的HTML报告以验证数据，然后启动MCP服务器并启动Claude Desktop以实时显示代理工作流。

______________________________________________________________________

团队

______________________________________________________________________

轨道

本项目提交给 轨道1：构建MCP (building-mcp-track-01).

它展示了一个生产就绪的MCP服务器，该服务器通过持久分析、风险预测和警报扩展了Claude的功能，解决了Claude缺乏内存、数据库写入和自动监控的局限性。

______________________________________________________________________

📱 社交媒体帖子

LinkedIn上的公告：

阅读LinkedIn上的完整帖子

精选于：MCP 1岁生日黑客马拉松

______________________________________________________________________

资源

• GitHub存储库： https://github.com/RubenReyesss/mcp-nlp-analytics
• 拥抱面部空间： https://huggingface.co/spaces/MCP-1st-Birthday/mcp-nlp-analytics
• 演示视频： https://youtu.be/h2tNu2KTPQk
• 领英帖子： https://www.linkedin.com/posts/rubenreyesparra_mcp-nlp-analytics-a-hugging-face-space-activity-7400976539959390208-SG3Q

______________________________________________________________________

由以下材料制成❤️ Anthropic MCP 1岁生日黑客马拉松