产品信号监测工具

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

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

   复制

   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
   

2. 配置环境

   填满 .env 使用API密钥文件：

   复制

   # 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
   

3. 启动服务器

   复制

   # 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).
3. 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

1. 搜索阶段：使用 web_search 或 search_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_signal 或 batch_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

• 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

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）

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。