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/cliinstallmcp-twikit--clientclaude

手动安装：

{"mcpServer":{"command":"uvx","args":["--from","git+https://github.com/adhikasp/mcp-twikit","mcp-twikit"],"env":{"TWITTER_USERNAME":"@example","TWITTER_EMaiL":"[email protected]","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：

$llmcompare20latesttweetdirected@IndiHomeCare,@di_cbn,@BiznetHome,@ID_MyRepublic.Whatarepeoplesentimenttotheproduct?Do1searchforeachaccount

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