🤖 AI通讯自动化MCP服务器
通过智能研究、策划和发布自动化您的人工智能时事通讯创建
______________________________________________________________________
📖 什么是MCP？
MCP（模型上下文协议） 是一个革命性的框架，允许像克劳德这样的人工智能助手通过标准化的接口与外部工具和服务进行交互。将其视为人工智能的“插件系统”——它使克劳德能够：
- 🔍 搜索网络并获取实时数据
- 📁 访问和管理Google Drive中的文件
- 📧 通过Gmail阅读和发送电子邮件
- 🛠️ 执行自定义函数和API
这个MCP服务器专门为Claude提供了自动化整个AI时事通讯创建过程的工具——从研究到出版。
______________________________________________________________________
✨ 特性
🔍 研究阶段
- arXiv论文：获取最新的人工智能研究论文及其摘要
- GitHub趋势：发现趋势AI存储库和项目
- 产品猎人：跟踪新的人工智能工具和产品
- 推特趋势：捕捉病毒式AI讨论和推文
- Gmail反馈：分析读者反馈和参与度
- 过去的通讯：从以前的时事通讯表现中学习
✍️ 编辑阶段
- 智能内容组织：自动对内容进行分类和优先级排序
- 草稿创建：生成结构化的时事通讯草稿
- 内容效度：检查完整性和质量
- 文本预览：发布前快速审查
🎨 设计阶段
- HTML生成：美观、响应迅速的电子邮件模板
- 多格式导出：HTML、Markdown和JSON格式
- Google Drive集成：自动保存到云存储
- 移动友好：所有设备的响应式设计
______________________________________________________________________
🚀 快速开始使用FastMCP Cloud
选项1：使用我们的托管服务器（推荐）
无需安装！ 直接连接到我们托管的MCP服务器：
步骤1：打开Claude桌面配置
- 苹果电脑:
~/Library/Application Support/Claude/claude_desktop_config.json - 视窗:
%APPDATA%\Claude\claude_desktop_config.json
步骤2：添加此配置
{
"mcpServers": {
"ai-newsletter": {
"url": "https://linguistic-chocolate-grouse.fastmcp.app/mcp"
}
}
}步骤3：重新启动克劳德桌面
关闭并重新打开Claude Desktop。人工智能通讯工具现在可以使用了！
第四步：开始使用
与克劳德展开对话，并尝试：
Help me research and create this week's AI newsletterClaude将自动使用时事通讯工具收集内容、组织内容并为您创建草稿！
______________________________________________________________________
🛠️ 本地安装（适用于开发人员）
先决条件
- Python 3.8或更高版本
- 具有OAuth凭据的谷歌云项目
- （可选）Twitter、Product Hunt、GitHub的API密钥
步骤1：克隆存储库
git clone https://github.com/kumarAbhishek2004/Ai_Newletter.git
cd Ai_Newletter步骤2：安装依赖项
pip install -r requirements.txt步骤3：设置环境变量
创建一个 .env 项目根目录中的文件：
# Required: Google OAuth (for Drive & Gmail)
GOOGLE_CLIENT_ID=your_client_id_here
GOOGLE_CLIENT_SECRET=your_client_secret_here
GOOGLE_REFRESH_TOKEN=your_refresh_token_here
# Optional: Newsletter folder in Google Drive
NEWSLETTER_FOLDER_ID=your_folder_id_here
# Optional: External APIs
GITHUB_TOKEN=your_github_token_here
PRODUCT_HUNT_API_KEY=your_producthunt_key_here
TWITTER_BEARER_TOKEN=your_twitter_token_here步骤4：在本地运行服务器
python main.py步骤5：为本地服务器配置Claude Desktop
{
"mcpServers": {
"ai-newsletter": {
"command": "python",
"args": ["/path/to/your/Ai_Newletter/main.py"]
}
}
}______________________________________________________________________
📋 用法
快速启动工作流
连接后，只需问克劳德：
要创建完整的通讯：
Create this week's AI newsletter covering the latest papers, GitHub projects, and products具体研究：
Search arXiv for papers about large language models from the past week对于组织：
Organize my newsletter content into sections and prioritize the most important items出版：
Generate an HTML newsletter and save it to my Google Drive可用工具
研究工具
fetch_all_research()-从所有来源批量提取search_arxiv_papers()-获取最新研究论文fetch_github_trending()-查找趋势存储库search_product_hunt()-发现新的人工智能产品fetch_twitter_trends()-追踪病毒式传播的对话fetch_past_newsletters()-分析以前的问题scan_gmail_feedback()-阅读读者回复
编辑工具
create_newsletter_draft()-生成结构化草稿organize_content_sections()-优先考虑内容validate_newsletter_content()-质量检查preview_newsletter()-文本预览
发布工具
generate_html_newsletter()-创建HTML版本save_to_drive()-上传到谷歌云端硬盘export_newsletter()-以多种格式导出
工作流示例
与克劳德的对话：
你： “帮我创建本周的人工智能通讯”
克劳德： *使用fetch_all_research（）从arXiv、GitHub、Product Hunt等收集内容。*
克劳德： “我收集了10篇研究论文、8个热门回购和5个新产品。以下是我的发现……”
你： “太好了！现在把它组织成几个部分，并创建一个草稿”
克劳德： *使用create_newsletter_draft（）来组织内容*
克劳德： “我已经创建了一个包含5个部分的草稿。您想让我生成HTML版本吗？”
你： “是，并将其保存到Google Drive”
克劳德： *使用generate_html_newsletter（）和save_to_drive（）*
克劳德： “完成！您的时事通讯已保存到Google云端硬盘。这是预览…”
______________________________________________________________________
⚙️ 配置
Google OAuth设置
- 首选 谷歌云控制台
- 创建新项目
- 启用 Google Drive API 和 Gmail API
- 创建OAuth 2.0凭据
- 使用OAuth游乐场生成刷新令牌
- 将凭据添加到
.env文件
可选API密钥
- GitHub: 创建个人访问令牌
- 产品猎人: 获取API密钥
- 推特: 申请开发人员访问权限
______________________________________________________________________
*轻松自动化您的时事通讯工作流程*
______________________________________________________________________
📊 示例输出
文本预览
============================================================
AI Newsletter #4
Issue #4| November 02, 2025
============================================================
📊 CONTENT SUMMARY:
- Papers: 10
- GitHub Repos: 8
- Products: 5
- Tweets: 3
🎯 BIG STORY:
Breakthrough in Multi-Modal AI Reasoning
📄 TOP PAPERS:
1. Efficient Attention Mechanisms for Transformers
2. Zero-Shot Learning in Vision-Language Models
3. Reinforcement Learning for Real-World RoboticsHTML新闻通讯
- 📱 移动响应式设计
- 🎨 现代、干净的美学
- 🔗 所有来源的可点击链接
- 📊 视觉徽章和指标
- 💌 专业电子邮件格式
______________________________________________________________________
📝 许可证
此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。
______________________________________________________________________
👥 作者
库马尔·阿布舍克
ML工程师和全栈开发人员
🎓 BTech ECE@IIIT Una\ 💡 专注于AI/ML、GenAI和Web开发
  ](https://github.com/kumarAbhishek2004)
______________________________________________________________________
📞 联系与支持
- 电子邮件: abhishek.kr0418@gmail.com
- GitHub: 库马尔·阿布舍克2004
- 领英: 库马尔-阿比什克-6b5828288
- 问题: 报告错误
______________________________________________________________________
🙏 致谢
______________________________________________________________________
⭐ 如果你觉得这个仓库有用，就把它标上！
由以下材料制成🤖 人工智能与人类创造力