提交您的产品 
Ai应用
Ai资讯
AI生图
AI生视频
AI生PPT
AI数字人系统MCP-Twikit：与Twitter交互的MCP服务器，应用于社交媒体分析和数据检索
MCP-Twikit是什么？
MCP-Twikit 是一个基于模型MCP服务器，专门用来与 Twitter 进行交互。它允许用户通过 MCP 协议访问 Twitter 的数据，帮你搜索推文、按时间线查找内容，结合LLM分析推文、跟踪回复转发，还可以用它做比如品牌监控、竞品分析、舆情研究等。
MCP-Twikit功能
情感分析：可以比较不同 Twitter 账户的推文情感。例如，分析印尼几家互联网服务提供商的推文情感，发现它们都存在网络不稳定、客户支持响应慢等问题。
推文检索：能够检索特定账户的推文，并按最新、最热等方式排序。
安装方法
通过 Smithery 安装：
npx -y @smithery/cli install mcp-twikit --client claude
手动安装：
{
"mcpServer": {
"command": "uvx",
"args": ["--from", "git+https://github.com/adhikasp/mcp-twikit", "mcp-twikit"],
"env": {
"TWITTER_USERNAME": "@example",
"TWITTER_EMaiL": "me@example.com",
"TWITTER_PASSWORD": "secret"
}
}
}使用示例
以下是一个使用 MCP-Twikit 分析不同账户推文情感的示例：
$ llm compare 20 latest tweet directed @IndiHomeCare, @di_cbn, @BiznetHome, @ID_MyRepublic. What are people sentiment to the product? Do 1 search for each account
该命令会调用 MCP-Twikit 的 search_twitter 函数，分别检索这四个账户的最新 20 条推文，并分析公众对这些互联网服务提供商的情感。
MCP-Twikit应用
情感分析：通过分析 Twitter 上的推文，了解公众对特定品牌、产品或事件的情感倾向。例如，可以比较不同互联网服务提供商的推文情感，找出用户对其服务的满意度。
趋势分析：检索特定主题或话题标签的推文，分析其热度和趋势变化，帮助品牌或个人了解市场动态。
用户行为分析：研究特定用户或群体的推文行为，包括发布时间、频率、内容类型等，以更好地了解目标受众。
推文检索：支持按关键词、用户、话题标签等多种方式检索推文，并可按最新、最热等排序方式获取结果。
时间线管理：访问和管理用户的 Twitter 时间线，包括获取最新推文、删除旧推文等操作。
数据导出：将检索到的推文数据导出为 CSV 等格式，便于进一步分析和处理。
作为 MCP 服务器，MCP-Twikit 可以与各种 AI 模型集成，例如 Claude 等，使 AI 能够直接访问和分析 Twitter 数据，结合其他 MCP 工具，实现自动化任务，如定时检索特定话题的推文并生成报告。
GitHub：https://github.com/adhikasp/mcp-twikit
