Token导航 LogoToken导航TokenDH.com
Stealthee MCP logo
AI代理stdio官方级别未说明来源级核验

Stealthee MCP

MCP Server

Stealthee MCP 是一个面向技术领导者和开发者的产品信号监测系统,用于发现未公开的产品信号,提供竞争情报和早期威胁检测。

工具数

7

提示词数

0

GitHub Stars

0

资源数

0
PythonClaude工作流自动化Claude DesktopClaudeCursor

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

rainbowgore

提供方

rainbowgore

最后核验

2026/5/17 20:22

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

python3 -m venv .venv

详细介绍

Stealtee MCP-早起的工具

![Python](https://www.python.org/) ![FastAPI](https://fastapi.tiangolo.com/) ![MCP](https://github.com/nimbleai/mcp) ![OpenAI API](https://platform.openai.com/) ![Tavily](https://docs.tavily.com/) ![Nimble](https://docs.nimbleai.dev/) ![Slack Alerts](https://slack.com/) ![Smithery](https://smithery.tools/)

Stealthee Logo

Stealtee是一个开发优先的系统,用于在上市前的产品信号出现之前,提前发现它们。专为需要竞争情报和早期威胁检测的CTO和技术领导者而设计。 它将搜索、提取、评分和警报组合到一个即插即用的管道中,您可以通过MCP将其集成到Claude、LangGraph、Smithery或您自己的AI堆栈中。

非常适合竞争情报、技术趋势监控和战略规划。

如果你是:

  • A. 首席技术官 或技术领导者需要竞争情报、早期威胁检测和创新侦察来为战略决策提供信息
  • 投资者 寻找预牵引信号
  • A. 创始人 发布前扫描竞争对手
  • A. 研究人员 追踪新兴市场
  • A. 开发者 构建需要新产品英特尔的代理、仪表板或警报工具。

在煮什么?

MCP工具

工具说明
web_search在网上搜索隐形发射(塔维利)
url_extract从URL中提取内容(BeautifulSoup)
score_signal人工智能信号评分(OpenAI)
batch_score_signals批量处理多个信号
search_tech_sites仅搜索科技新闻网站
parse_fields从HTML中提取结构化字段
run_pipeline端到端检测管道

安装和设置

先决条件

  • 外部服务的API密钥(请参见环境变量)

快速开始

  1. 克隆和设置
   git clone https://github.com/rainbowgore/Stealthee-MCP-tools
   cd stealthee-MCP-tools
   python3 -m venv .venv
   source .venv/bin/activate
   pip install -r requirements.txt
  1. 配置环境

填满 .env 使用API密钥文件:

   # Required
   TAVILY_API_KEY=your_tavily_key_here
   OPENAI_API_KEY=your_openai_key_here
   NIMBLE_API_KEY=your_nimble_key_here

   # Optional
   SLACK_WEBHOOK_URL=your_slack_webhook_here
  1. 启动服务器
   # MCP Server (for Claude Desktop)
   python mcp_server_stdio.py

   # FastMCP Server (for Smithery)
   smithery dev

   # FastAPI Server (Optional - Legacy)
   python start_fastapi.py

Smithery&Claude桌面集成

上面列出的所有MCP工具都可以在 铁匠铺.Smithery是人工智能工具的可视化代理和工作流构建器,让您无需代码即可链接、测试和编排这些工具。

可用工具

  • 网络搜索:使用Tavily在网上搜索隐形发射。
  • url_extract:从任何URL中提取并清理内容。
  • 记分_信号:使用OpenAI对单个信号的隐蔽性进行评分。
  • 批次_核心_信号:一次得分多个信号。
  • 搜索技术网站:只搜索可信的科技新闻来源。
  • 解析器字段:从HTML中提取结构化字段(如定价、变更日志)。
  • run_pipeline:端到端管道:搜索、提取、解析、评分和存储。

如何在Smithery使用

  1. 打开 Smithery上的“窃取MCP工具”页面.
  2. 单击“在Playground中尝试”以交互方式测试任何工具。
  3. 使用可视化工作流构建器将工具链接在一起(例如,搜索→ 提取→ 分数)。
  4. 通过复制工作流程或使用Smithery提供的API端点,与Claude Desktop或您自己的代理集成。

光标(隐形雷达MCP)

使用 隐形雷达MCP 通过托管URL(流式HTTP)在Cursor中:

  1. 打开 光标设置主控程序 (或在设置中搜索“MCP”)。
  2. 在...之下 安装MCP服务器,填写:

- 姓名: Stealth Radar (或任何你喜欢的名字)。 - 类型: streamableHttp. - 网址: 使用以下任一方法: - 史密斯利: 来自服务器Smithery的连接URL 连接 页面(例如。 https://smithery.ai/server/rainbowgore/Product-Stealth-Launch-Radar),或 - 直接: 服务器的MCP端点,例如。 https://your-ngrok-url.ngrok-free.app/mcp (必须以结尾 /mcp).

  1. 点击 安装。游标将连接到服务器;添加后,当您使用Cursor时,它会自动加载。

如果在本地运行服务器,请使用 标准 改为:set 类型stdio, 命令 转到你的Python路径,以及 参数mcp_server_stdio.py当前工作目录 指向回购。

Claude桌面集成

添加到您的Claude桌面 config.json 文件:

{
  "mcpServers": {
    "stealth-mcp": {
      "command": "/path/to/stealthee-MCP-tools/.venv/bin/python",
      "args": ["/path/to/stealthee-MCP-tools/mcp_server_stdio.py"],
      "cwd": "/path/to/stealthee-MCP-tools",
      "env": {
        "TAVILY_API_KEY": "your_tavily_key",
        "OPENAI_API_KEY": "your_openai_key"
      }
    }
  }
}

工具使用案例

对于分析师和建筑商:

  • web_search:在网络上查找隐形产品提及
  • url_extract:从登录页中提取并清理原始文本
  • score_signal:判断更改日志暗示启动的可能性
  • batch_score_signals:快速分类数十个抓取的网址
  • search_tech_sites:仅将查询限制到受信任的域
  • parse_fields:从杂乱的HTML中提取定价/发布信息
  • run_pipeline:完整管道--搜索→ 提取→ 解析→ score

信号智能工作流程

  1. 搜索阶段:使用 web_searchsearch_tech_sites 查找相关URL
  2. 萃取阶段:使用 url_extract 从URL获取干净的内容
  3. 分析阶段:使用 parse_fields 提取结构化数据(定价、变更日志等)
  4. 分析阶段:使用 score_signalbatch_score_signals 用于人工智能分析
  5. 存储阶段:所有信号都存储在SQLite数据库中
  6. 警报阶段:高置信度信号触发Slack通知

FastAPI服务器

您还可以将此项目作为FastAPI服务器运行,以便以REST风格访问所有MCP工具。

基本端点

______________________________________________________________________

示例用法

搜索隐形发射:

curl -X POST "http://localhost:8000/tools/web_search" \
  -H "Content-Type: application/json" \
  -d '{"query": "stealth startup AI", "num_results": 5}'

运行完整的检测管道:

curl -X POST "http://localhost:8000/tools/run_pipeline" \
  -H "Content-Type: application/json" \
  -d '{"query": "new AI product launch", "num_results": 3}'

管道参数

  • query (必填):搜索短语(例如“AI路线图”)
  • num_results (可选,默认值:5):要分析的搜索结果数
  • target_fields (可选,默认:\[“定价”,“变更日志”\]):从HTML中提取的字段

______________________________________________________________________

run_pipeline做什么

  1. 使用Tavily搜索技术和隐形友好来源
  2. 从每个结果中提取原始内容
  3. 解析结构化信号(定价、变更日志等)
  4. 使用OpenAI对每个结果进行评分,以评估其隐蔽性
  5. 将结果存储在本地SQLite中
  6. 如果信心很高,则通过Slack通知

AI评分逻辑

score_signal和batch_score_signals工具使用GPT-3.5来评估:

  • 隐形指标(例如私人更新日志、缺失新闻、测试标志)
  • 置信水平(低/中/高)
  • 文本推理(用于UI或警报)

数据库架构(数据/信号.db)

字段类型描述
idINTEGER主键
url文本源URL
title文本信号标题
html_excerpt文本内容的前500个字符
changelogTEXT已解析的变更日志(可选)
pricing文本解析后的定价信息(可选)
score真实隐形可能性(0-1)
confidenceTEXT置信水平
reasoning文本AI评分理由
created_at文本ISO时间戳

开发快速入门(FastAPI)

python start_fastapi.py

然后访问: http://localhost:8000/docs

______________________________________________________________________

建于💜 对于那些发现别人错过的东西的人。

目录标签

目录标签

PythonClaude工作流自动化竞争情报本地部署早期威胁检测产品信号监测AI集成自动化工作流

支持客户端

Claude DesktopClaudeCursor

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

部署方式(deploymentType,部署类型)

remote-capable

工具数量(toolCount,工具数)

7

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdiononeremote-capable

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP