构建一个用于 Claude 的 Twitter 趋势分析 MCP 服务器

本教程将指导您创建一个模型上下文协议 (MCP) 服务器，该服务器将 Twitter 的热门话题与 Claude 的分析能力连接起来。该服务器将获取实时的 Twitter 趋势，并使用 Claude 分析它们以寻找商业机会。

前提条件

• Python 3.8 或更高版本
• 已安装 Claude Desktop
• 具有 API 访问权限的 Twitter 开发者帐户
• Python 的基本理解

第 1 部分：设置环境

1. 创建一个新的项目目录：

mkdir twitter-trends-mcp
cd twitter-trends-mcp

2. 设置一个虚拟环境：

python -m venv .venv
.venv\Scripts\activate  # 在 Windows 上

3. 安装所需的软件包：

pip install tweepy mcp python-dotenv hatchling

第 2 部分：项目结构

创建以下目录结构：

twitter-trends-mcp/
├── pyproject.toml
├── twitter_server_run.py
├── src/
│   └── twitter_trends_mcp/
│       ├── __init__.py
│       └── server.py

第 3 部分：配置文件

1. 在根目录中创建 pyproject.toml：

[build-system]
requires = ["hatchling"]
build-backend = "hatchling.build"

[project]
name = "twitter-trends-mcp"
version = "0.1.0"
description = "Twitter 趋势 MCP 服务器"
requires-python = ">=3.8"
dependencies = [
    "tweepy",
    "mcp",
    "python-dotenv"
]

[tool.hatch.build]
packages = ["src/twitter_trends_mcp"]
include = ["src/twitter_trends_mcp/*"]

[project.scripts]
twitter-trends-server = "twitter_trends_mcp:main"

2. 创建 src/twitter_trends_mcp/__init__.py：

"""Twitter 趋势 MCP 服务器包。"""
import asyncio
from . import server

def main():
    """包的主要入口点。"""
    asyncio.run(server.main())

__all__ = ['main', 'server']

3. 创建入口点文件 twitter_server_run.py：

#!/usr/bin/env python
import os
import sys
import logging
from pathlib import Path

# 配置日志记录
logging.basicConfig(
    level=logging.DEBUG,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
    handlers=[
        logging.FileHandler('twitter_server.log'),
        logging.StreamHandler()
    ]
)
logger = logging.getLogger('twitter-trends-mcp')

# 将 src 目录添加到 Python 路径
src_path = str(Path(__file__).parent / "src")
sys.path.insert(0, src_path)
logger.info(f"Python path: {sys.path}")

try:
    from twitter_trends_mcp.server import main
    logger.info("Successfully imported server module")
except Exception as e:
    logger.error(f"Error importing server module: {e}")
    raise

if __name__ == "__main__":
    try:
        logger.info("Starting server...")
        import asyncio
        asyncio.run(main())
    except KeyboardInterrupt:
        logger.info("Server stopped by user")
    except Exception as e:
        logger.error(f"Server error: {e}")
        raise

第 4 部分：Twitter API 设置

1. 前往 Twitter 开发者门户
2. 创建一个新的项目和应用
3. 获取您的 API 凭据：
   • API 密钥
   • API 密钥 Secret
   • 访问令牌
   • 访问令牌 Secret
   • Bearer Token

第 5 部分：MCP 服务器实现

创建 src/twitter_trends_mcp/server.py，其中包含完整的服务器代码，包括：

• API 客户端初始化
• 趋势获取逻辑
• 资源和工具处理程序
• 与 Claude 的分析集成

关键组件：

# 初始化 Twitter 客户端
client_v2 = tweepy.Client(...)
auth = tweepy.OAuthHandler(...)
api_v1 = tweepy.API(auth)

# 定义服务器功能
app = Server("twitter-trends-server")

# 实现处理程序
@app.list_resources()
async def list_resources() -> list[Resource]: ...

@app.read_resource()
async def read_resource(uri: AnyUrl) -> str: ...

@app.list_tools()
async def list_tools() -> list[Tool]: ...

@app.call_tool()
async def call_tool(name: str, arguments: Any) -> Sequence[TextContent]: ...

第 6 部分：Claude Desktop 配置

1. 找到您的 Claude Desktop 配置文件：

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

2. 更新配置：

{
  "mcpServers": {
    "twitter-trends": {
      "command": "C:\\Users\\YOUR_USERNAME\\twitter-trends-mcp\\.venv\\Scripts\\python.exe",
      "args": ["C:\\Users\\YOUR_USERNAME\\twitter-trends-mcp\\twitter_server_run.py"],
      "env": {
        "PYTHONPATH": "C:\\Users\\YOUR_USERNAME\\twitter-trends-mcp\\src",
        "PYTHONUNBUFFERED": "1"
      },
      "cwd": "C:\\Users\\YOUR_USERNAME\\twitter-trends-mcp"
    }
  }
}

第 7 部分：运行和测试

1. 安装该包：

pip install -e .

2. 运行服务器：

python twitter_server_run.py

3. 在 Claude Desktop 中：

   • 单击 🔌 图标
   • 查找 "twitter-trends"
   • 尝试："分析当前 Twitter 趋势以寻找 SaaS 机会"

4. 监控日志：

Get-Content twitter_server.log -Wait

故障排除提示

1. 常见问题：

   • 找不到模块：检查 PYTHONPATH
   • 连接错误：验证配置中的路径
   • API 错误：验证凭据
   • 服务器未响应：检查日志

2. 日志位置：

   • 服务器：twitter_server.log
   • Claude: %APPDATA%\Claude\Logs\mcp*.log

特性

• 实时趋势获取
• 基于类别的分析
• 商业机会识别
• AI 驱动的洞察
• 详细的日志记录

最佳实践

1. 使用绝对路径
2. 确保凭据安全
3. 监控日志
4. 逐步测试
5. 使用虚拟环境

下一步

• 添加趋势历史记录
• 实施情感分析
• 支持更多地区
• 添加业务指标
• 增强分析类别