Stealtee MCP-早起的工具
       
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
- 一 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
- 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- 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- 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.pySmithery&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
- 打开 Smithery上的“窃取MCP工具”页面.
- 单击“在Playground中尝试”以交互方式测试任何工具。
- 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)。
- 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:
- 打开 光标设置 → 主控程序 (或在设置中搜索“MCP”)。
- 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).
- 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 到 stdio, 命令 转到你的Python路径,以及 参数 到 mcp_server_stdio.py 和 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
- 搜索阶段:使用
web_search或search_tech_sites查找相关URL - 萃取阶段:使用
url_extract从URL获取干净的内容 - 分析阶段:使用
parse_fields提取结构化数据(定价、变更日志等) - 分析阶段:使用
score_signal或batch_score_signals用于人工智能分析 - 存储阶段:所有信号都存储在SQLite数据库中
- 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
- Swagger 用户界面: http://localhost:8000/docs
- 健康检查: http://localhost:8000/health
- 工具清单: http://localhost:8000/tools
______________________________________________________________________
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
- 使用Tavily搜索技术和隐形友好来源
- 从每个结果中提取原始内容
- 解析结构化信号(定价、变更日志等)
- 使用OpenAI对每个结果进行评分,以评估其隐蔽性
- 将结果存储在本地SQLite中
- 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 |
|---|---|---|
id | INTEGER | 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 |
changelog | TEXT | 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) |
confidence | TEXT | 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。
