mcpField
H
Hacker News MCP — by NeCL – Neural Engineering & Cognitive Logic

Hacker News MCP — by NeCL – Neural Engineering & Cognitive Logic

本地服务
github.com/adjacentai开发工具020 周前更新

关于 Hacker News MCP — by NeCL – Neural Engineering & Cognitive Logic

Hacker News MCP 为 AI Agent 和研究工作流提供结构化的故事、评论、分类及搜索访问。它使用公开的 Hacker News API 和 Algolia 搜索,无需凭据。

主要功能

  1. 01按得分和时间范围获取热门故事
  2. 02查看故事详情和评论
  3. 03通过 Algolia 搜索帖子和评论
  4. 04按分类浏览故事

适用场景

  1. 01整理每日 Hacker News 简报
  2. 02跟踪特定主题或竞争对手的讨论
  3. 03为新闻简报或趋势报告寻找故事

MCP 相关

向 MCP 客户端提供五种 Hacker News 工具:热门故事、故事详情、评论、搜索和分类浏览。无需凭据。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"necl-hn": {
"command": "uvx",
"args": [
"git+https://github.com/adjacentai/necl-hn-mcp.git"
]
}
}
}
启动命令uvx 'git+https://github.com/adjacentai/necl-hn-mcp.git'

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypigit+https://github.com/adjacentai/necl-hn-mcp.git

工具

5

收录的工具列表 · 更新于 3 周前

参数类型必填说明
hoursinteger否
limitinteger否

详细介绍

necl-hn-mcp

License: MIT MCP Python Built by NeCL

面向 AI Agent 的 Hacker News 工具。 热门帖子、帖子详情、评论串、全文搜索。

无需任何凭据。 使用公开的 HN API。安装即可使用。

由 NeCL 构建——一家 AI 工程工作室。已在生产环境中验证:这正是为我们的内部内容 Agent 提供支持的 HN 层,数月来每天运行 3 次。

工具

工具功能
hn_top_stories(limit, hours)获取过去 N 小时内按得分排序的前 N 条帖子。默认值:过去 24 小时内的前 10 条。
hn_get_story(id)获取完整的帖子元数据:标题、URL、得分、作者、评论数和发布时间。
hn_get_comments(id, limit)获取帖子的顶层评论串,按 HN 排名排序。
hn_search(query, sort)对 HN 帖子和评论进行全文搜索(通过 Algolia HN API)。
hn_category(category, limit)获取特定类别的帖子:top、new、best、ask、show、job。

为什么选择这个 MCP

  • 无需凭据,无需配置——使用公开的 HN API,无需担心速率限制,也无需注册。
  • 经过实战检验的代码——从我们的内部 HN 转草稿内容引擎中提取,该引擎数月来每天运行 3 次。
  • 专为 AI Agent 打造——每个工具都会返回清晰的结构化数据,供大模型串联调用(搜索 → 热门帖子 → 评论 → 摘要)。
  • 适用场景——内容研究、趋势监测、自动新闻简报、提示词上下文增强。

安装

通过 uvx 安装(推荐——无需设置)

uvx 会在临时环境中运行此软件包。无需 pip install,也无需 venv。将以下内容添加到 mcp.json(Claude Desktop、Claude Code 或任何 MCP 客户端):

{
  "mcpServers": {
    "necl-hn": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/adjacentai/necl-hn-mcp.git",
        "necl-hn-mcp"
      ]
    }
  }
}

没有 uvx?安装它:pip install uv 或 brew install uv。

通过 pip + python -m 安装
pip install git+https://github.com/adjacentai/necl-hn-mcp.git

然后在 mcp.json 中添加:

{
  "mcpServers": {
    "necl-hn": {
      "command": "python",
      "args": ["-m", "necl_hn_mcp"]
    }
  }
}
从源代码安装(用于开发)
git clone https://github.com/adjacentai/necl-hn-mcp.git
cd necl-hn-mcp
pip install -e ".[dev]"

然后使用上文相同的 python -m necl_hn_mcp 配置。

在 Claude 中使用示例

安装完成后,只需向 Claude 提出类似这样的问题:

  • “过去 6 小时内 HN 上最热门的 5 条帖子是什么?”
  • “获取 HN 帖子 38420000 的评论串”
  • “搜索 HN 上关于 RAG 性能的帖子,并按日期排序”
  • “显示 Ask HN 类别中当前的所有内容”
  • “找出本周关于 AI Agent 的 3 条热门 Show HN 帖子”

Claude 会调用合适的工具,无需进一步设置。

可以用它构建什么

  • 每日内容简报——提取热门 HN 帖子、生成摘要,并创建跨平台帖子。
  • 竞品研究机器人——搜索 HN 上对竞争对手的提及,找出负面评论。
  • 趋势检测器——通过 cron 监控 new 和 best 类别,在某个主题热度飙升时发出提醒。
  • 新闻简报工作流——按关键词和时间范围搜索、聚类结果,并生成编辑摘要。
  • 客户探索 Agent——在 Ask HN 中搜索产品可解决的问题,并生成冷启动外联草稿。
  • 技术雷达更新器——定期扫描 show 类别,查找技术栈中的新工具。

故障排除

"mcp command not found" / 安装错误。 确保 Python 版本为 3.10+。如果使用 uvx,请确保已安装 uv(pip install uv)。使用 pip 安装时:运行 pip install necl-hn-mcp,然后确认执行 python -m necl_hn_mcp --help 不会报错。

工具调用超时。 获取大量条目时,HN 的 Firebase API 可能会比较慢(例如,hn_top_stories(limit=30, hours=168) 会扫描 200 条故事)。每个请求的默认超时时间为 10s。查询较长时间范围时,请降低 limit。

Algolia 没有返回结果。 Algolia 索引 HN 内容会有延迟(新条目约需 5-15 min)。查询近期动态时,试试 sort="date"。

我在 HN 上看到某个故事有评论,但评论串为空。 hn_get_comments 只会返回顶级评论。回复不会递归获取(这样可以让大模型的 Token 成本保持可预测)。使用每条评论中的 replies_count 字段,了解是否还有更深层的讨论。

Claude 中没有显示工具。 编辑 mcp.json 后,请完全重启 Claude Desktop / Claude Code(而不只是重新加载)。在 Settings → Developer 中检查 MCP 日志。

搭配使用

  • necl-content-poster Skill — 将 HN 故事转为可直接发布到 TG/LinkedIn/Threads 的帖子。

完整流程:

necl-hn-mcp (find story) → necl-content-poster (write 3 posts) → you publish

由 NeCL 构建

neclco.com — 面向生产环境的 AI 工程。为需要的不只是包装层的公司构建 RAG 系统、语音 Agent、Telegram 机器人、自定义 MCP 和内容引擎。

需要一个接入内部 API / 数据库 / SaaS 的自定义 MCP? 请访问 neclco.com。

开发

git clone https://github.com/adjacentai/necl-hn-mcp.git
cd necl-hn-mcp
pip install -e ".[dev]"

# Run locally with MCP inspector
mcp dev src/necl_hn_mcp/server.py

许可证

MIT — 参见 LICENSE。


关注 NeCL:Telegram · LinkedIn · X · 网站

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。