Hn Intelligence MCP

🧠 黑客新闻情报MCP

一个模型上下文协议（MCP）服务器，从黑客新闻中提取真实信号，而不是摘要、趋势或共鸣。实际异常。

• 纯Python数据科学堆栈： 使用Python构建，可以轻松集成VADER NLP和强大的数据处理库等工具，这些工具在文本分析方面远远优于JS。

⚠️ 问题

每一个“HackerNews摘要”工具都做着完全相同的事情：将5000条原始评论转储到LLM中，并询问“趋势是什么？”结果是缓慢、昂贵且令人产生幻觉的通用技术趋势。

这是不同的。

信号提取发生在AI看到任何数据之前。LLM接收预先计算的异常的超密集有效载荷，而不是原始噪声。

⚙️ 运作原理

四个滤波器在本地运行，将噪声提取为纯信号：

你的人工智能只能看到这些过滤器的输出——通常是10-20个高度相关的项目，而不是5000条杂乱的评论。快。便宜的。其实很聪明。

🚀 快速入门（零安装或本地服务器）

您可以通过两种方式使用此服务器：将其连接到您的AI环境，或将其作为独立服务器在本地运行。

选项1：与AI工具连接

克劳德桌面

打开您的Claude Desktop配置文件：

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

将以下内容添加到您的 mcpServers 对象：

{
  "mcpServers": {
    "hn-intelligence": {
      "command": "uvx",
      "args": [
        "from",
        "git+https://github.com/SJ2006-stack/hn-intelligence-mcp.git",
        "hn-intelligence-mcp"
      ]
    }
  }
}

重新启动克劳德桌面。

VS代码/光标（通过Cline、Roo或类似工具）

打开您分机的MCP设置（例如。， Cmd/Ctrl + Shift + P → Cline: Open MCP Settings).

粘贴以下配置：

{
  "mcpServers": {
    "hn-intelligence": {
      "command": "uvx",
      "args": [
        "from",
        "git+https://github.com/SJ2006-stack/hn-intelligence-mcp.git",
        "hn-intelligence-mcp"
      ]
    }
  }
}

注意：如果你的代码编辑器很难找到 uvx 在macOS上，更改 "command" 到绝对路径，例如： "/opt/homebrew/bin/uvx".

选项2：作为本地服务器运行

要在本地运行服务器，请执行以下步骤：

1. 克隆存储库：

   git clone https://github.com/SJ2006-stack/hn-intelligence-mcp.git
   cd hn-intelligence-mcp

1. 设置虚拟环境：

   python3 -m venv .venv
   source .venv/bin/activate
   pip install -r requirements.txt

1. 启动服务器：

   python server.py

服务器将启动并监听 http://localhost:8000 （或指定的其他端口）。

故障排除

• 服务器未启动：确保安装了所有依赖项(pip install -r requirements.txt).
• 未找到命令：如果 uvx 如果未找到，请提供二进制文件的绝对路径。
• 端口冲突：如果正在使用默认端口，请在启动服务器时指定其他端口。

🛠️ 用法示例

连接后，向您的AI询问有关Hacker News当前状态的任何信息：

• “现在开发人员对Next.js的真正看法是什么？”
• “人们在使用Supabase时遇到了什么技术摩擦？”
• “关于数据库的哪些旧想法突然又变得相关了？”
• “开发人员在人工智能编码工具上到底在哪里思考？”

🧰 可用工具

🏗️ 架构及其不同之处

• 无需API密钥-Algolia HN API是免费和公开的。
• 没有全局限制——MCP在本地运行，每个用户从自己的IP访问Algolia。
• 没有幻觉——你的人工智能会根据数学信号而不是原始数据进行推理。
• 没有上下文窗口浪费——200个信号令牌与50000个噪声令牌。
• 30分钟缓存——防止LLM推理循环，并在重复调用时立即返回。

Algolia HN API
      ↓
  fetcher.py        ← Raw data, cached per 30-min window
      ↓
  filters.py        ← 4 signal extractors, pure Python, no LLM
      ↓
  server.py         ← FastMCP tools, hyper-dense JSON payload
      ↓
   Your AI          ← Reasons over signal only

数据源

• https://hn.algolia.com/api/v1 用于基于日期的搜索、作者/域过滤和分数排序。
• https://hacker-news.firebaseio.com/v0 用于顶级/新/最佳提要和递归评论检索。

💻 本地开发

如果要修改筛选器或添加新工具，请克隆存储库并在本地运行：

git clone https://github.com/SJ2006-stack/hn-intelligence-mcp.git
cd hn-intelligence-mcp

配置您的MCP客户端以指向您的本地目录：

{
  "mcpServers": {
    "hn-intelligence": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/hn-intelligence-mcp",
        "run",
        "server.py"
      ]
    }
  }
}

🤝 贡献与支持

如果这使您的上下文窗口免于被HN噪声淹没，请考虑给它一个⭐️. 随时欢迎对新信号过滤器的拉取请求！