Product Hunting Description AI Tool

产品利润计算器-MVP

一种基于人工智能的工具，通过使用MCP（模型上下文协议）服务器比较亚马逊和速卖通的价格来验证电子商务产品的盈利能力。

Tavily远程MCP功能 -搜索不需要安装本地MCP服务器！

TL；DR-快速入门

# 1. Install prerequisites (if needed)
# Python 3.11+, uv, Node.js 18+

# 2. Install dependencies
uv sync

# 3. Set up environment
cp .env.example .env
# Edit .env with your OPENAI_API_KEY, MODEL, and TAVILY_API_KEY

# 4. Run
uv run python main.py          # Single product
# OR
uv run python cli.py           # Interactive mode

获取API密钥： 开放人工智能 | 塔维利（免费）

它的作用

You: "Is 'sunset lamp projector' profitable?"

Agent: Connects to Tavily (remote) and Filesystem (local) MCP servers
1. Searches Amazon for retail price (via Tavily)
2. Searches AliExpress for supplier price (via Tavily)
3. Calculates profit margin (minus 30% fees)
4. Saves detailed report to file
5. Returns: PROFITABLE / NOT PROFITABLE

预期输出

当你运行计算器时，你会看到：

==================================================
PRODUCT PROFIT CALCULATOR - MVP
==================================================
Connecting to MCP servers...
Connected! Available tools: ['tavily_search', 'tavily_extract', ...]

Analyzing product: sunset lamp projector
==================================================

ANALYSIS RESULT:
==================================================
I searched Amazon and AliExpress and saved the full analysis to
outputs/sunset_lamp_projector_analysis.md. Summary below.

Analysis (product: "sunset lamp projector")

- Amazon retail price: $15.99
- AliExpress supplier price: $0.99
- Amazon fee (30%): $4.80
- Profit: $10.20
- Margin %: 63.8%

Verdict: PROFITABLE (Margin > 30%)

生成的报告 (outputs/sunset_lamp_projector_analysis.md):

# Sunset Lamp Projector — Profitability Analysis

| Metric | Value |
|---|---:|
| Amazon retail price | $15.99 |
| AliExpress supplier price | $0.99 |
| Amazon fee (30%) | $4.80 |
| Profit | $10.20 |
| Margin | 63.8% |
| Verdict | PROFITABLE (Margin > 30%) |

Sources:
- Amazon: https://www.amazon.com/...
- AliExpress: https://inbusiness.aliexpress.com/...

使用的MCP服务器

先决条件

• Python 3.11+（推荐使用Python 3.12）
• 紫外线 包管理器
• Node.js 18+（用于本地文件系统MCP服务器）
• OpenAI API密钥
• Tavilly API密钥（免费等级：每月1000次搜索）

快速从头开始

按照以下步骤在新文件夹中设置和运行项目：

逐步设置

1.安装先决条件

安装uv（如果未安装）：

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows (PowerShell)
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

安装Node.js（如果未安装）：

• 下载自 （推荐LTS版本）
• 或者使用包管理器：

  brew install node        # macOS
  sudo apt install nodejs  # Ubuntu/Debian
  choco install nodejs     # Windows (with Chocolatey)

2.克隆或下载项目

选项A：从Git克隆（如果可用）

git clone 
cd mcp-profit-calculator2

选项B：手动创建项目

mkdir product-profit-calculator
cd product-profit-calculator
# Download all project files into this directory
# OR copy files from the source location

3.安装Python依赖项

# This will create a virtual environment and install all dependencies
uv sync

这有什么作用：

• 创建一个 .venv 虚拟环境
• 安装 langchain, langchain-openai, langchain-mcp-adapters，以及其他依赖关系
• 用途 pyproject.toml 用于依赖关系管理

4.获取API密钥

OpenAI API密钥：

1. 访问 platform.openai.com/api-keys
2. 登录或创建帐户
3. 点击“创建新密钥”
4. 复制密钥（以开头 sk-proj-...)
5. 安全保存（您不会再看到它）

Tavilly API密钥（免费-每月1000次搜索）：

1. 访问 tavily.com
2. 注册免费帐户
3. 导航到API密钥部分
4. 复制API密钥（以开头 tvly-...)

5.配置环境变量

创建 .env 文件：

# Copy the example file
cp .env.example .env

# Windows (Command Prompt)
copy .env.example .env

编辑 .env 文件 使用您的实际API密钥：

OPENAI_API_KEY=sk-proj-xxxxxxxxxxxxx
MODEL=gpt-4o-mini
TAVILY_API_KEY=tvly-xxxxxxxxxxxxx

型号选项：

• gpt-4o-mini -最快最便宜（约0.001美元/分析）- 建议用于测试
• gpt-4o -平衡性能（~0.01-0.03/分析）
• gpt-4-turbo -功能最强大，但速度较慢且价格昂贵

6.运行计算器

单产品分析测试：

uv run python main.py

这将分析“日落灯投影仪”并将结果保存到 outputs/ 文件夹。

运行交互式CLI：

uv run python cli.py

然后以交互方式输入产品名称：

Enter product name: wireless earbuds
Enter product name: portable blender
Enter product name: quit

首次运行检查表

在运行计算器之前，请验证您的设置：

• \[\]已安装Python 3.11+： python --version 或 python3 --version
• \[\]已安装uv： uv --version
• \[\]已安装Node.js： node --version （应显示v18+）
• \[\]已安装的项目依赖项： .venv 文件夹存在于 uv sync
• \[ \] .env 使用有效的API密钥创建和填充的文件
• \[\]已设置所有三个环境变量： OPENAI_API_KEY, MODEL, TAVILY_API_KEY

快速验证命令：

# Check if all required tools are available
python --version && uv --version && node --version && echo "All tools installed!"

# Check if .env file exists
cat .env  # Linux/macOS
type .env  # Windows

如果一切正常，继续运行计算器！

使用示例

交互模式

==================================================
PRODUCT PROFIT CALCULATOR
==================================================
Enter product names to analyze profitability.
Type 'quit' to stop.

Enter product name: led cloud light
Analyzing: led cloud light
------------------------------------------

RESULT:
==========================================
## Product Analysis: LED Cloud Light

| Metric | Value |
|--------|-------|
| Amazon Price | $29.99 |
| AliExpress Price | $8.20 |
| Fees (30%) | $9.00 |
| **Profit** | **$12.79** |
| **Margin** | **42.6%** |

VERDICT: PROFITABLE

Enter product name: quit
Goodbye!

修改不同产品的main.py

# In main.py, change the products list:
products = [
    "sunset lamp projector",
    "portable blender",
    "led strip lights",
]

项目结构

product-profit-calculator/
├── main.py              # Single product analysis script
├── cli.py               # Interactive CLI script
├── pyproject.toml       # Python dependencies (required)
├── uv.lock              # Lock file for reproducible builds (auto-generated)
├── .env.example         # Environment variable template (required)
├── .env                 # Your actual API keys (you create this)
├── README.md            # Documentation (this file)
├── .venv/               # Virtual environment (auto-created by uv sync)
└── outputs/             # Analysis reports (auto-created on first run)
    └── *.md             # Product analysis markdown files

启动所需的文件：

• main.py -主脚本
• cli.py -交互式脚本
• pyproject.toml -依赖关系配置
• .env.example -环境变量模板

您创建的文件：

• .env -复制自 .env.example 并添加您的API密钥

自动生成：

• .venv/ -创建者： uv sync
• uv.lock -创建者： uv sync
• outputs/ -首次运行时创建

运作原理

┌─────────────────────────────────────┐
│         LangChain Agent             │
│    (Configurable Model + Tools)     │
└─────────────────┬───────────────────┘
                  │
       ┌──────────┴──────────┐
       ▼                     ▼
  ┌─────────┐          ┌──────────┐
  │ Tavily  │          │Filesystem│
  │ (Remote)│          │ (Local)  │
  └────┬────┘          └────┬─────┘
       │                    │
       ▼                    ▼
   Web Search             Save
   (No Setup!)          Reports

利润计算公式

Amazon Price:     $25.00
AliExpress Price: $7.00
Fees (30%):       $7.50  (shipping, platform fees, etc.)
─────────────────────────
Profit:           $10.50
Margin:           42%    ($10.50 / $25.00)

判决阈值

为什么选择Tavily Remote MCP？

故障排除

“OPENAI_API_KEY未设置”或“MODEL未设置”

# Make sure .env file exists and contains your keys
cat .env  # Linux/macOS
type .env  # Windows

# Should show:
# OPENAI_API_KEY=sk-...
# MODEL=gpt-4o
# TAVILY_API_KEY=tvly-...

“未设置TAVILY_API_KEY”

# Get free key at https://tavily.com
# Add to .env file

“npx:找不到命令”

# Install Node.js from https://nodejs.org/
# Or via package manager:
brew install node        # macOS
sudo apt install nodejs  # Ubuntu
choco install nodejs     # Windows (with Chocolatey)

注意：npx仅适用于文件系统服务器（本地），不适用于Tavily（远程）。

与Tavily的连接超时

# Check your internet connection
# Verify API key is correct
# Try: curl https://mcp.tavily.com/mcp/?tavilyApiKey=YOUR_KEY

Unicode/编码错误（Windows）

该脚本自动处理Windows控制台的UTF-8编码。如果您仍然看到编码问题，请尝试：

# Run in Windows Terminal (recommended) instead of Command Prompt
# Or set console to UTF-8:
chcp 65001

“基础模型。__初始化__（）取1个位置参数”

此错误已修复。确保您使用的是最新版本的代码，其中 ChatOpenAI 初始化为 model=model （关键字参数）。

首次跑步-期待什么

正常启动消息：

Connecting to MCP servers...
Secure MCP Filesystem Server running on stdio
Client does not support MCP Roots, using allowed directories...
Connected! Available tools: [...]

这些信息是正常的！文件系统服务器通过npx在本地运行，并将显示这些信息消息。

时间：

• 首次运行：10-30秒（MCP服务器初始化，npm包下载）
• 后续运行：5-15秒（更快，包已缓存）
• 每个产品分析：10-20秒（取决于搜索复杂度）

延长MVP

想添加更多功能吗？以下是一些想法：

1. 添加趋势分析：添加Trends MCP服务器以查找病毒产品
2. 随时间跟踪产品：使用内存MCP保存和比较历史数据
3. 废弃更多平台：为eBay、沃尔玛等添加Apify MCP。
4. 批量分析：处理产品的CSV文件

API成本

提示： 从开始 gpt-4o-mini 在你的 .env 文件以降低测试期间的成本。

许可证

MIT许可证-可自由用于个人或商业项目。

学分

内置：

• LangChain -AI代理框架
• 主控程序 -模型上下文协议
• 开放人工智能 -GPT-4o语言模型
• 塔维利 -AI供电搜索API（远程MCP）

“#使用tavily mcp服务器的产品搜索描述ai工具-”