ツール

TrendRadar 実践入門:Docker 一発で起動、MCP 連携で AI に舆情監視を任せる

GitHub で 60k+ stars を誇る中国語圏の舆情モニタリング OSS。12+ プラットフォームのホットトピックを集約し AI でノイズを除去、多チャネル通知に加え MCP 経由で AI と対話しながら分析できる。本記事では初期セットアップから内部構造、強みと限界までを整理する。

文字サイズ

TrendRadar 実践入門:Docker 一発で起動、MCP 連携で AI に舆情監視を任せる

情報過負荷这件事、ここ最近つくづく実感している。微博のホットサーチ、抖音、B站、知乎を一日ひととおり眺めるだけで2時間が消え、役に立つのは結局2〜3件程度。TrendRadar (GitHub) のアプローチは単純で、「人間が情報を読みに行く」のではなく「AI に代わりに読ませる」。GitHub で 60k+ stars、中国語圏の舆情モニタリング系では頭一つ抜けた存在なので、時間をかけて触る価値はある。

何の問題を解決するのか

プラットフォームごとにランキング形式が違い、ランキングごとにルールが違う。あるキーワードが今どれだけ話題なのかを把握するには、5つのアプリを自分で開いて5回検索する必要がある。TrendRadar の解は明快で、複数プラットフォームのホットトピックを集約 → キーワードで精密に絞り込み → AI でノイズを濾過 → 本当に重要なものだけをスマホに通知する、という流れだ。

用途としては、ブランド監視、競合分析、メディア運営のネタ探しに最も効くだろう。投資家が業界動向を追うケースや、リサーチャーがデータ収集する用途にもそのままハマる。

使い方

デプロイのハードルは Docker 一行まで下げられている。まず config.yaml にキーワードと通知チャネル(微信 / 飛書 / 釘釘 / Telegram / メール / bark / ntfy / slack から任意)を記入し、docker run で起動。あとは定期実行されるのを待つだけだ。

最小構成の設定例は以下のとおり。

# docker-compose.yml
version: "3"
services:
  trendradar:
    image: sansan0/trendradar:latest
    container_name: trendradar
    restart: unless-stopped
    volumes:
      - ./config/config.yaml:/app/config/config.yaml
      - ./config/regex.yaml:/app/config/regex.yaml
      - ./data:/app/data
    environment:
      - TZ=Asia/Shanghai
    # 可选:启用 MCP server
    # ports:
      # - "8000:8000"
# config.yaml 最小示例
platforms:
  - weibo
  - zhihu
  - bilibili
keywords:
  - "AI Agent"
  - "大模型"
push:
  feishu:
    webhook: "https://open.feishu.cn/..."
ai:
  enabled: true
  provider: openai
  model: gpt-4o-mini

README はかなり丁寧に書かれており、中国語ドキュメントが揃っているのもポイント。初心者が手順通りに進めれば、まず引っかかることはない。

内部のアーキテクチャ

構造は4層に分かれていて、データの流れは以下のとおり。

  • データ収集層:クローラー + RSS パースで微博、知乎、抖音、B站、微信公衆号など 12+ プラットフォームをカバー
  • キーワードマッチング層:ローカルルールで一次フィルタを行い、オプションで AI が二次選別
  • コンテンツ処理層:AI による翻訳・要約生成・感情分析
  • 通知層:8+ チャネルのアダプタを設定に従い定時配信

目を引くのは MCP 連携で、プロジェクト全体の機能を MCP server としてラップし、Claude や Cursor といった AI クライアントから直接呼び出せるようにしている。これにより、AI にこんな問いかけができる。

  • 「今日の舆情はどうなっている?」
  • 「あのブランドの最近の口コミ傾向は?」
  • 「A と B の今週のホット度合いを比較して」

通知されたレポートを自分で開いて確認する必要はなく、対話形式でクエリできる。これが「舆情ツール」を「舆情 Agent」に進化させる一番の転換点だ。

良いところ / 惜しいところ

良い点:

  • 中国語圏の最適化が徹底。国内プラットフォームを広くカバーし、国内の通知チャネルも網羅
  • AI は飾りではなく実用的。翻訳・要約・絞り込み・通知文案と、各工程にちゃんと対応する痛みがある
  • 60k+ stars が実需要を裏付けている
  • Docker デプロイが容易、データはローカル保持でサードパーティ SaaS への依存なし

惜しい点:

  • MCP 連携は MCP の設定知識が前提で、非技術ユーザーには障壁が高い
  • 外部 LLM API(OpenAI / Claude 等)への依存があるため継続的なコストが発生する
  • クローラー部分が各プラットフォームの anti-bot 対策変更にどこまで耐えるかは未知数
  • プロジェクト規模が大きいため、二次カスタマイズにはソースを読み込む覚悟が必要

横並びの比較:

  • RSSHub と比べて AI 処理層で明確に上
  • 新榜のような商用舆情ツールより圧倒的に安価だが、機能深度では差がある
  • 個人・小チーム向けのセルフホスト方案という位置づけで、企業向けの SLA 製品ではない

実際に試してみた

デフォルト構成で起動し、まずデータ収集を確認。12 のプラットフォームはおおむね取得でき、微博と知乎が最も安定していた。抖音は cookie の設定が必要。AI フィルタには OpenAI の GPT-4o-mini を接続し、ホットトピック 50 件の処理にかかるコストはおよそ $0.02。許容範囲内だった。

通知は飛書とメールでテストし、3 秒以内に到達。MCP 周りはローカルで完全に動かすところまでは検証できなかった。サーバー側は正常に起動するものの、クライアント側の設定 JSON を手作業で書き換える必要があり、ここは初心者にはやや優しくない。

総合判断としては、開発者にとっては確かに神器だが、純粋なプロダクト/運営担当には初回セットアップの補助が要るというところ。

どんな人に向くか

向いているケース:

  • メディア運営者によるネタ元のモニタリング
  • ブランド運営による口碑(レピュテーション)追跡
  • 投資家による業界動向ウォッチ
  • リサーチャーによるデータ収集

いずれも「ある一批のキーワードを継続的に追いたいが、情報フィードに時間を奪われたくない」という共通ニーズを持つシーンだ。

向かないケース:

  • そのときだけ热搜を見たい場合(微博を直接眺めれば済む)
  • リアルタイム性が秒単位で求められる場合(アーキテクチャは定期 pull で、ストリーミングではない)
  • 企業レベルのコンプライアンス要件が厳しい場合(セルフホスト方案だがコードは未監査)

「毎日1時間かけて各プラットフォームを巡回し、自分に関係のある話題が出ていないか確認している」というのがそのまま痛点になっているなら、このツールはまさにそれ用に作られている。

編集後記

TrendRadar の 60k+ stars という数字自体が一つのシグナルだ。GitHub 上で中国語プロジェクトが 10k を超えるのは全体の 1 割程度というなかで、これは 60k+ に到達している。技術的に特別すごいというより、严重に見過ごされていた需要を正確に押さえたことが大きい。中国語圏ユーザーの「情報過負荷の焦り」と、「何が起きているかは知りたいがアルゴリズムには支配されたくない」という微妙な心理にヒットしているのだろう。

RSSHub のような純粋な技術ツールと比較すると AI 加工層が一枚挟まり、新榜のような商用プロダクトと比較するとコストはほぼゼロ。このプロジェクトが従来と異なる点は、MCP 連携によって舆情モニタリングが「対話型インタラクション」を初めて獲得したことにある。これまではルールを設定し、通知を待ち、レポートを確認するしかなかった。それが今では「A と B ブランドについて直近1週間の口碑の違いを比較して」と AI に直接聞ける。このインタラクションの移行は、機能そのものよりも注目に値する。

不確実な点としては、MCP エコシステム自体がまだ黎明期で、クライアント互換性や呼び出しの安定性には検証の余地がある。また外部 LLM 依存は長期的なコストを不可視にする。将来トークン価格が下がらず逆に上がるようになれば、こうした「AI ミドル層」プロジェクトは再設計の圧力に晒されるだろう。

私なりの見通しとしては、短期(1〜2年)は個人と小チームにおける事実上の標準になるが、企業市場は最終的には SLA を保証する商用方案に食われていくと見ている。

出典: https://github.com/sansan0/TrendRadar