商业信号MCP
AI原生电子商务智能引擎 它将原始市场信号转化为收入估算、需求预测、竞争分析和可操作的产品洞察。
🎯 什么是CommerceSignal？
CommerceSignal是一个MCP（模型上下文协议）服务器，提供有关电子商务产品的决策级智能。它不返回原始数据，而是提供：
- 收入估算 -基于BSR排名的月度/每日销售额估算
- 需求评分 -基于评论速度、排名趋势、缺货情况的0-100分
- 竞争分析 -卖家数量、购买箱波动、进入壁垒
- 趋势检测 -加速/下降势头指标
- 风险评估 -审查操纵标志、卖家流失、质量信号
- 折扣预测 -下一次预期销售时间
🚀 快速开始
先决条件
- Python 3.11+
- PostgreSQL 14+
- Redis 6+（可选，用于缓存）
安装
# Clone the repository
cd global-commerce-mcp
# Install dependencies
pip install -e ".[dev]"
# Install Playwright browsers
playwright install chromium
# Copy environment template
cp .env.example .env
# Edit .env with your database credentials
# Initialize the database
python -c "from src.db.database import init_db; import asyncio; asyncio.run(init_db())"运行MCP服务器
# Run as MCP server (stdio transport)
python -m src.main与Claude Desktop一起使用
添加到您的Claude Desktop配置(claude_desktop_config.json):
{
"mcpServers": {
"commerce-signal": {
"command": "python",
"args": ["-m", "src.main"],
"cwd": "/path/to/global-commerce-mcp"
}
}
}📊 MCP工具
1. analyze_product(url)
从任何支持的平台分析产品：
- 亚马逊美国 -具有BSR收入估算的全面情报
- Flipkart印度 -审查基于速度的分析
- 沃尔玛美国 -价格和履行跟踪
- 阿里巴巴/速卖通 -B2B和B2C采购数据
- 易趣美国 -拍卖和固定价格分析
- Shopify -通用商店产品跟踪
# Amazon US
analyze_product("https://amazon.com/dp/B0XXXXXXXX")
# Flipkart India
analyze_product("https://flipkart.com/product/p/xyz?pid=MOBF123")
# Walmart US
analyze_product("https://walmart.com/ip/Product/123456789")
# eBay US
analyze_product("https://ebay.com/itm/123456789")
# Shopify Store
analyze_product("https://store.com/products/product-handle")退货：
- 预计月收入（基于Flipkart的审查速度）
- 需求评分（0-100）
- 比赛得分（0-100）
- 趋势得分（-100至+100）
- 带有标志的风险评分
- 折扣周期预测
- 5个可操作的见解
2. detect_trending_products(category, platform?)
查找某个类别中的热门产品。
# Amazon US (default)
detect_trending_products("Electronics")
# Flipkart India
detect_trending_products("Mobiles", platform="flipkart_in")亚马逊分类： 电子产品、家居与厨房、玩具与游戏、运动与户外、美容与个人护理、健康与家居、服装、书籍
Flipkart分类： 电子产品、手机、时尚、家居和家具、电器、美容、玩具和婴儿、运动、书籍、杂货
3. compare_global_prices(url)
通过全面套利分析比较亚马逊美国和Flipkart印度之间的价格。
compare_global_prices("https://amazon.com/dp/B0XXXXXXXX")退货：
- 当地货币和美元的区域价格
- 价差百分比
- 利用航运/关税估算套利机会
- 净利润计算
- 买入/卖出建议
4. analyze_seller(seller_id, platform?)
分析卖家资料。
analyze_seller("A1BCDEF2345", platform="amazon_us")5. analyze_brand(brand_name, platform?) ✨ 新
获取品牌级情报，包括健康评分和投资组合指标。
analyze_brand("Apple", platform="amazon_us")6. compare_brands(brands, category?) ✨ 新
并排比较多个品牌。
compare_brands(brands=["Apple", "Samsung", "Google"])7. forecast_demand(url, days?) ✨ 新
基于机器学习的产品需求预测。
forecast_demand("https://amazon.com/dp/B0XXXXXXXX", days=7)退货： 预测每日销售额、趋势方向、高峰日、季节性检测。
8. predict_price(url, days?) ✨ 新
预测未来的价格走势和最佳购买窗口。
predict_price("https://amazon.com/dp/B0XXXXXXXX", days=30)退货： 预期价格变化、下跌概率、波动性、买入建议。
9. predict_stockout(url) ✨ 新
评估缺货风险和供应限制。
predict_stockout("https://flipkart.com/product/...")退货： 风险等级、概率、警告信号、建议。
10. subscribe_alert(type, url, threshold?, webhook_url?) ✨ 新
订阅产品提醒。
subscribe_alert(type="price_drop", url="https://amazon.com/dp/B0...", threshold=10)警报类型： 价格下跌、缺货、趋势变化、套利、排名变化
11. list_alerts() ✨ 新
查看所有活动警报订阅。
12. unsubscribe_alert(id) ✨ 新
删除警报订阅。
🧮 信号公式
需求得分
demand_score = (
review_velocity * 0.4 +
rank_improvement * 0.3 +
stockout_frequency * 0.2 +
price_increase * 0.1
)比赛成绩
competition_score = (
seller_count * 0.4 +
review_concentration * 0.3 +
buybox_volatility * 0.3
)收入估算
daily_sales = a * (rank ^ -b) # Power law model
monthly_revenue = daily_sales * price * 30🗂 项目结构
global-commerce-mcp/
├── src/
│ ├── config/ # Settings and configuration
│ ├── db/ # Database models and repositories
│ ├── scrapers/ # Playwright-based scrapers
│ ├── signals/ # Intelligence calculation modules
│ ├── intelligence/ # Main engine and formatting
│ ├── ml/ # ML models and inference ✨ NEW
│ ├── alerts/ # Alert engine and channels ✨ NEW
│ ├── mcp/ # MCP server and tools
│ ├── jobs/ # Background job scheduler
│ └── main.py # Entry point
├── tests/ # Test suite
├── requirements.txt # Python dependencies
├── pyproject.toml # Project configuration
└── .env.example # Environment template🔧 发展
# Install dependencies
pip install -r requirements.txt
# Run tests
pytest tests/ -v
# Run with coverage
pytest tests/ --cov=src --cov-report=html
# Format code
black src tests
ruff check src tests --fix📈 路线图
- \[x\] 第一阶段：亚马逊美国产品情报
- \[x\] 第2阶段：Flipkart印度+跨境套利
- \[x\] 第三期：品牌级情报
- \[x\] 阶段4：使用机器学习进行预测（LightGBM）
- \[x\] 阶段5：警报和订阅
📝 许可证
MIT许可证-有关详细信息，请参阅许可证文件。
______________________________________________________________________
商业信号 -决策级电子商务智能触手可及。