Socialanalytics MCP Rapidapi

Social Media Scraper - RapidAPI MCP Server

一个全面的模型上下文协议（MCP）服务器，为LinkedIn、Facebook、Instagram和谷歌搜索功能提供社交媒体抓取功能。

什么是MCP？

模型上下文协议（MCP） 是一个开放标准，使人工智能助手能够安全地与外部数据源和工具连接。MCP服务器充当人工智能模型和各种服务之间的桥梁，允许增强实时数据访问、API集成和自定义工具执行等功能。

特性

该服务器为AI助手提供了全面的社交媒体分析工具：

LinkedIn分析（16个工具）

• 个人资料分析：包含参与度指标的个人和公司简介数据
• 内容分析：帖子、评论、反应和参与度分析
• 网络分析：公司职位、就业市场洞察和搜索能力
• 性能跟踪：简介反应、帖子转发和互动模式

脸书分析

• 个人资料智能：具有追随者见解的公开个人资料数据
• 参与度指标：活动模式和受众互动数据
• 内容分析：个人资料参与度和影响力分析

Instagram分析

• 配置文件性能：包含追随者人口统计信息的全面个人资料数据
• 增长分析：关注者数量趋势和参与率
• 内容洞察：介绍活动和受众互动模式

网络智能

• 谷歌搜索：支持位置和分页的高级网络搜索
• 竞品分析：搜索竞争对手提及和市场趋势

安装

第一步：克隆或下载项目

克隆此存储库或下载项目文件：

git clone 
cd SocialAnalytics-MCP-rapidapi

或者下载ZIP文件并将其解压缩到所需的位置。

步骤2：安装依赖项

使用uv安装所有必需的依赖项：

uv sync

这将安装中列出的所有依赖项 pyproject.toml:

• fastmcp>=2.11.0
• httpx>=0.28.1
• mcp[cli]>=1.9.4
• python-dotenv>=1.1.0

步骤3：创建环境文件

创建一个 .env 文件，以存储API密钥：

touch .env

环境配置

步骤1：获取API密钥

RapidAPI密钥

• 注册地址： 快速 API
• 订阅以下API：

- LinkedIn Scraper API: https://rapidapi.com/karimgreek/api/linkedin-scraper-api-real-time-fast-affordable - Facebook Scraper API: https://rapidapi.com/krasnoludkolo/api/facebook-scraper3 - Instagram Scraper API: https://rapidapi.com/thetechguy32744/api/instagram-scraper-stable-api

• 从仪表板复制您的RapidAPI密钥

Google Serper API密钥

• 注册地址： Serper.dev
• 从仪表板获取API密钥

步骤2：配置环境变量

将API密钥添加到 .env 您创建的文件：

RAPIDAPI_KEY=your_rapidapi_key_here
SERPER_API_KEY=your_serper_api_key_here

重要：永远不要承诺你的 .env 文件到版本控制。它已经包含在 .gitignore.

用法

使用Claude Desktop运行

步骤1：安装服务器

您可以在以下位置安装此服务器 克劳德桌面 并通过运行以下命令立即与之交互：

uv run mcp install main.py

步骤2：验证安装

稍后，转到Claude AI（桌面版），您将看到平台中类似于 显示屏幕截图.

步骤3：开始使用工具

粘贴所需平台的URL，并要求AI提供所述URL的信息。

分析用例和示例

🔍 竞争情报

Analyze competitor engagement: Get all posts and reactions for https://linkedin.com/company/competitor-name

Track competitor hiring: Search jobs posted by https://linkedin.com/company/competitor-name

📊 内容性能分析

Analyze top-performing content: Get posts and engagement data for https://linkedin.com/in/industry-leader

Monitor brand mentions: Search LinkedIn posts containing "your-brand-name"

👥 观众洞察

Profile audience analysis: Get follower demographics for https://facebook.com/your-company-page

Influencer analysis: Get Instagram profile metrics for @influencer-username

📈 社交媒体监控

Track brand sentiment: Get recent posts and comments mentioning "your-company"

Monitor industry trends: Search posts with keywords "artificial intelligence trends 2024"

🎯 销售线索

Identify prospects: Get company employee profiles from https://linkedin.com/company/target-company

Research decision makers: Get profile details for https://linkedin.com/in/ceo-name

📱 跨平台分析

Compare social presence: Analyze Instagram @brand vs Facebook /brand-page engagement

Content strategy insights: Track post performance across LinkedIn company page and executive profiles

故障排除

MCP安装问题

如果MCP工具未出现在Claude Desktop中：

第一步：结束克劳德流程

• Windows：打开任务管理器（Ctrl+Shift+Esc）
• Mac：打开活动监视器
• 结束所有与Claude相关的流程

步骤2：重新安装服务器

uv run mcp install main.py

步骤3：重新启动克劳德桌面

粘贴所需平台的URL，并要求AI提供所述URL的信息。

分析数据收集问题

速率限制

如果遇到速率限制错误：

• 在同一平台的请求之间等待60秒
• 使用不同的API端点来分配负载
• 考虑升级RapidAPI订阅以获得更高的限制

不完整数据返回

对于缺失的分析数据：

• 验证配置文件/页面是否公开且可访问
• 检查帐户是否有隐私限制
• 某些指标可能需要业务/创建者帐户访问权限

脸书/Instagram访问问题

• 确保个人资料是公共业务页面
• 个人资料的数据可用性可能有限
• 一些参与度指标需要页面管理员访问权限

LinkedIn高级数据

• 高级分析可能需要LinkedIn Premium URL
• 公司数据取决于公共可见性设置
• 员工列表受公司隐私设置限制

MCP检验员测试

用于开发和调试：

uv run mcp dev main.py

API密钥验证

独立测试API密钥：

# Test RapidAPI connection
curl -H "x-rapidapi-key: YOUR_KEY" \
     -H "x-rapidapi-host: linkedin-scraper-api-real-time-fast-affordable.p.rapidapi.com" \
     "https://linkedin-scraper-api-real-time-fast-affordable.p.rapidapi.com/profile/detail?username=test"

# Test Serper API
curl -X POST "https://google.serper.dev/search" \
     -H "X-API-KEY: YOUR_SERPER_KEY" \
     -d '{"q":"test query"}'

项目结构

SocialAnalytics-MCP-rapidapi/
├── docs/                 # API endpoint documentation
│   ├── LinkedIn_Scraper_API_endpoints.md
│   ├── Facebook_api_endpoints.md
│   ├── Instagram_api_enpoints.md
│   └── (not-used)FreshLinkedInProfile_api_endpoints.md
├── CLAUDE.md             # Claude Code instructions for this project
├── Claude_View.png       # Screenshot of Claude Desktop integration
├── main.py               # Main MCP server implementation (583 lines)
├── memories.json         # MCP memory storage
├── pyproject.toml        # Project configuration and dependencies
├── README.md             # Project documentation
├── uv.lock               # UV lock file for reproducible builds
└── .env                  # Environment variables (API keys) - CREATE THIS

分析数据示例

LinkedIn个人资料响应（已筛选）

{
  "name": "John Doe",
  "headline": "Senior Software Engineer at TechCorp | AI & ML Specialist",
  "location": "San Francisco, CA",
  "connections": "500+",
  "followers": "1,234",
  "current_role": {
    "title": "Senior Software Engineer",
    "company": "TechCorp",
    "duration": "2 years 3 months"
  },
  "education": {
    "school": "Stanford University",
    "degree": "BS Computer Science"
  },
  "top_skills": ["Python", "Machine Learning", "AWS", "React", "SQL"]
}

Facebook个人资料响应（已筛选）

{
  "name": "Tech Company Inc",
  "likes": "98,765",
  "followers": "125,432",
  "about": "Leading technology solutions provider specializing in AI and cloud infrastructure. Founded in 2018, we serve enterprise clients worldwide with cutting-edge software solutions...",
  "category": "Technology Company",
  "location": "San Francisco, CA",
  "page_metrics": {
    "checkins": 1243,
    "rating": 4.8,
    "review_count": 567
  }
}

Instagram个人资料响应（已筛选）

{
  "username": "tech_influencer",
  "full_name": "Tech Innovator",
  "biography": "AI & Tech Trends | 100K+ followers | Sharing the latest in technology and innovation | Speaker & Consultant",
  "followers": 156789,
  "following": 892,
  "posts_count": 1247,
  "is_verified": true,
  "engagement_rate": "4.2%",
  "avg_likes": 6543
}

LinkedIn帖子响应（已筛选-最多5个帖子）

{
  "posts": [
    {
      "content": "Excited to share our Q4 results! Our AI platform has processed over 10M transactions this quarter, helping businesses reduce costs by 30%. The future of automation is here and we're leading the charge...",
      "likes": 142,
      "comments": 23,
      "shares": 12,
      "reactions": {"like": 100, "celebrate": 42},
      "date": "2024-01-15",
      "author": {
        "name": "John Doe",
        "title": "CEO at TechCorp"
      }
    }
  ],
  "total_posts_available": 47,
  "posts_returned": 5
}

使用Claude Desktop进行轻松分析和见解提取时，所有数据都以可读的JSON形式返回。

上下文窗口优化

为了防止MCP上下文窗口过载，此服务器实现了智能数据过滤：

响应大小控制

• LinkedIn个人资料：限制为~6KB的基本数据（姓名、职务、连接、当前角色）
• LinkedIn帖子：每个请求最多5个帖子，关键参与指标限制约5KB
• 脸书/Instagram：仅限于约4KB，重点关注关注关注者数量和参与率
• 搜索结果：每个包含截断内容的查询最多8个结果

数据过滤策略

• 排除字段：配置文件图像、媒体URL、完整工作历史、嵌套用户对象
• 文本截断：长描述限制在300-500个字符以内
• 列表限制：任何数组中最多10个项目（评论、帖子、连接）
• 基本焦点：仅保留与分析相关的指标和参与度数据

定制

修改响应限制 main.py:

RESPONSE_LIMITS = {
    "linkedin_profile": 6000,    # Characters
    "linkedin_posts": 5000,      # Characters  
    "max_posts_returned": 5,     # Number of posts
    "max_comments_returned": 10  # Number of comments
}

贡献

1. 分叉存储库
2. 创建要素分支
3. 进行更改
4. 如果适用，添加测试
5. 提交拉取请求

如有任何疑问，请留言或通过我个人资料中提供的电子邮件与我联系。

⭐ Star this repository if you found it helpful!