blackmount-nlp-mcp

PyPI version License: MIT Python 3.10+

NLP für MCP — keine schweren Abhängigkeiten. Entwickelt von Blackmount.

45 Textanalysetools als FastMCP-Server. Kein NLTK. Kein spaCy. Keine Transformer. Eine Abhängigkeit (mcp[cli]), unter 50 KB NLP-Code, in Sekunden einsatzbereit. Erfordert Python 3.10+.

Warum gibt es das?

	blackmount-nlp-mcp	NLTK	spaCy	transformers
Wheel-Größe	42 KB	1,5 MB	6 MB+ (+ Modelle)	10 MB+ (+ Modelle)
Direkte Abhängigkeiten	1	viele	viele	viele
Tokenisierung	✅	✅	✅	✅
Stimmungsanalyse	✅	✅	❌	✅
Lesbarkeitswerte	✅	❌	❌	❌
Schlüsselwortextraktion	✅	✅	❌	❌
Textähnlichkeit	✅	✅	✅	✅
Spracherkennung	✅ (18 Sprachen)	❌	❌	❌

Alles ist von Grund auf in reinem Python implementiert — Porter-Stemmer, TF-IDF, RAKE, Levenshtein, VADER-artige Stimmung, Flesch / Gunning Fog / Coleman-Liau / ARI / SMOG-Lesbarkeit, extraktive Zusammenfassung, Spracherkennung — plus ein integriertes Stimmungslexikon mit über 2000 Wörtern und eine Stoppwortliste mit über 500 Einträgen, alles direkt im Paket enthalten.

Schnellstart

pip install blackmount-nlp-mcp

Claude Desktop

Fügen Sie dies Ihrer Konfigurationsdatei hinzu:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "nlp": {
      "command": "blackmount-nlp-mcp"
    }
  }
}

Cursor

Fügen Sie dies zu .cursor/mcp.json in Ihrem Projektstammverzeichnis hinzu:

{
  "mcpServers": {
    "nlp": {
      "command": "blackmount-nlp-mcp"
    }
  }
}

Jeder MCP-Client

Der Server läuft über stdio. Verweisen Sie Ihren Client auf den Befehl blackmount-nlp-mcp:

blackmount-nlp-mcp

Starten Sie Ihren Editor neu. Alle 45 NLP-Tools sind jetzt verfügbar — fragen Sie einfach in natürlicher Sprache.

Tool-Katalog

Tokenisierung (4 Tools)

Tool	Beschreibung	Beispielanfrage
`word_tokenize`	Text in Wörter aufteilen, unter Berücksichtigung von Kontraktionen und Satzzeichen	"Tokenisiere diesen Absatz in Wörter"
`sentence_tokenize`	In Sätze aufteilen, unter Berücksichtigung gängiger Abkürzungen	"Zerlege diesen Text in einzelne Sätze"
`generate_ngrams`	Wortbasierte N-Gramme aus einer Token-Liste generieren	"Generiere Bigramme aus diesen Token"
`generate_char_ngrams`	Zeichenbasierte N-Gramme generieren	"Erstelle Zeichen-Trigramme für dieses Wort"

Lesbarkeit (8 Tools)

Tool	Beschreibung	Beispielanfrage
`flesch_reading_ease`	0–100 Lesbarkeitswert (höher = einfacher)	"Berechne den Flesch Reading Ease Wert"
`flesch_kincaid_grade`	US-Schulstufenschätzung	"Welchem Schulniveau entspricht dieser Text?"
`gunning_fog_index`	Fog-Index basierend auf dem Verhältnis komplexer Wörter	"Berechne den Fog-Index für diesen Text"
`coleman_liau_index`	Coleman-Liau-Schulstufenindex	"Ermittle den Coleman-Liau-Wert"
`automated_readability_index`	ARI-Schulstufenindex	"Was ist der ARI für dieses Dokument?"
`smog_grade_index`	SMOG-Stufe (empfohlen für Gesundheitstexte)	"Berechne die SMOG-Stufe für dieses Dokument"
`count_syllables`	Silbenzahlschätzung für jedes Wort	"Wie viele Silben hat 'extraordinary'?"
`get_reading_level`	Alle Lesbarkeitswerte in einem Aufruf mit einfacher Bezeichnung	"Gib mir einen vollständigen Lesbarkeitsbericht für diesen Text"

Stimmungsanalyse (4 Tools)

Tool	Beschreibung	Beispielanfrage
`get_sentiment_score`	Zusammengesetzter Stimmungswert von -1,0 bis +1,0	"Wie ist die Stimmung dieser Kundenbewertung?"
`get_sentiment_label`	Gibt `positive`, `negative` oder `neutral` zurück	"Ist dieses Feedback positiv oder negativ?"
`get_sentence_sentiments`	Stimmungsaufschlüsselung pro Satz	"Zeige mir die Stimmung jedes Satzes"
`get_aspect_sentiment`	Stimmung bezogen auf bestimmte Themen	"Wie ist die Stimmung bezüglich 'Preise' in diesen Bewertungen?"

Schlüsselwortextraktion (4 Tools)

Tool	Beschreibung	Beispielanfrage
`extract_tfidf_keywords`	TF-IDF Schlüsselwort-Ranking über ein Korpus	"Was sind die Schlüsselbegriffe in diesen Dokumenten?"
`extract_rake_keywords`	RAKE-Algorithmus — phrasenbasierte Schlüsselwortextraktion	"Extrahiere die Schlüsselphrasen aus diesem Artikel"
`get_word_frequency`	Top-Wörter nach Häufigkeit, Stoppwörter ausgeschlossen	"Was sind die häufigsten Wörter in diesem Text?"
`get_phrase_frequency`	Top N-Gramm-Phrasen nach Häufigkeit	"Welche Zwei-Wort-Phrasen kommen am häufigsten vor?"

Textähnlichkeit (5 Tools)

Tool	Beschreibung	Beispielanfrage
`get_jaccard_similarity`	Wortmengen-Überlappung, 0–1	"Wie ähnlich sind diese beiden Absätze?"
`get_cosine_similarity`	Bag-of-Words Kosinus-Ähnlichkeit, 0–1	"Berechne die Kosinus-Ähnlichkeit zwischen diesen Texten"
`get_edit_distance`	Levenshtein-Editierdistanz	"Wie viele Änderungen braucht es, um 'kitten' in 'sitting' zu verwandeln?"
`get_normalized_edit_distance`	Editierdistanz normalisiert auf 0–1	"Wie unterschiedlich sind diese beiden Zeichenfolgen?"
`get_longest_common_subsequence`	Länge der längsten gemeinsamen Teilfolge zwischen zwei Strings	"Was ist die Länge der LCS dieser beiden Strings?"

Textbereinigung (10 Tools)

Tool	Beschreibung	Beispielanfrage
`clean_remove_stopwords`	Über 500 englische Stoppwörter entfernen	"Entferne Stoppwörter aus diesem Text"
`clean_remove_punctuation`	Alle Satzzeichen entfernen	"Entferne die Satzzeichen"
`clean_remove_numbers`	Numerische Token entfernen	"Entferne alle Zahlen daraus"
`clean_remove_urls`	URLs entfernen	"Bereinige die URLs"
`clean_remove_emails`	E-Mail-Adressen entfernen	"Entferne E-Mail-Adressen aus diesem Text"
`clean_remove_html`	HTML-Tags entfernen	"Entferne das HTML aus diesem Inhalt"
`clean_normalize_whitespace`	Leerzeichen reduzieren und trimmen	"Normalisiere die Leerzeichen"
`clean_lowercase`	Text in Kleinbuchstaben umwandeln	"Konvertiere dies in Kleinbuchstaben"
`porter_stem`	Porter-Stemmer (reines Python, kein NLTK)	"Stemme das Wort 'running'"
`clean_text_pipeline`	Konfigurierbare mehrstufige Bereinigung in einem Aufruf	"Bereinige diesen Text: entferne HTML, URLs und Stoppwörter"

Erkennung (8 Tools)

Tool	Beschreibung	Beispielanfrage
`detect_text_language`	Sprache aus 18 unterstützten Sprachen identifizieren	"In welcher Sprache ist dieser Text verfasst?"
`detect_text_encoding_type`	Skript erkennen: ASCII, Latein, Kyrillisch, CJK, Arabisch	"Welches Skript verwendet dieser Text?"
`check_is_english`	Englisch-Konfidenzwert, 0–1	"Ist dieser Text auf Englisch?"
`count_words`	Wortanzahl	"Wie viele Wörter sind darin?"
`count_sentences`	Satzanzahl	"Zähle die Sätze"
`count_paragraphs`	Absatzanzahl	"Wie viele Absätze?"
`get_avg_word_length`	Durchschnittliche Wortlänge in Zeichen	"Was ist die durchschnittliche Wortlänge?"
`get_avg_sentence_length`	Durchschnittliche Satzlänge in Wörtern	"Wie lang sind die Sätze im Durchschnitt?"

Zusammenfassung (2 Tools)

Tool	Beschreibung	Beispielanfrage
`get_extractive_summary`	Die N Sätze mit der höchsten Bewertung aus einem Dokument auswählen	"Fasse diesen Artikel in 3 Sätzen zusammen"
`get_text_statistics`	Vollständige Dokumentstatistiken: Wörter, Lesbarkeit, Sprache, Lesezeit	"Gib mir ein statistisches Profil dieses Textes"

Als Bibliothek verwenden

Die Untermodule können direkt importiert werden — kein MCP-Server erforderlich:

from blackmount_nlp_mcp.sentiment import sentiment_score, sentiment_label
from blackmount_nlp_mcp.readability import reading_level
from blackmount_nlp_mcp.keywords import rake_keywords

text = "This product is absolutely amazing! The quality is excellent."

print(sentiment_score(text))
# 0.9285

print(sentiment_label(text))
# 'positive'

print(reading_level(text))
# {'grade_level': 12.39, 'label': 'college',
#  'flesch_reading_ease': 14.27, 'flesch_kincaid_grade': 12.39,
#  'gunning_fog': 19.58, 'coleman_liau': 10.94,
#  'automated_readability': 7.51, 'smog_grade': 11.21}

print(rake_keywords(text))
# [{'phrase': 'absolutely amazing', 'score': 4.0},
#  {'phrase': 'product', 'score': 1.0},
#  {'phrase': 'quality', 'score': 1.0},
#  {'phrase': 'excellent', 'score': 1.0}]

Entwicklung

git clone https://github.com/BlackMount-ai/blackmount-nlp-mcp
cd blackmount-nlp-mcp
pip install -e .
pytest tests/ -v

Blackmount-Ökosystem

blackmount-nlp-mcp wurde von Blackmount entwickelt — Tools für Menschen, die mit KI arbeiten.

blackmount-mcp — Browser-Speicher, KI-Chat-Suche und Sitzungsanalysen als MCP-Server. Kombinieren Sie es mit blackmount-nlp-mcp, um Ihre gespeicherten Konversationen zu analysieren: Extrahieren Sie Schlüsselwörter aus dem Chatverlauf, bewerten Sie die Lesbarkeit von KI-Antworten, erkennen Sie Stimmungstrends über Sitzungen hinweg.

app.blackmount.ai — Die vollständige Blackmount-Plattform. Suchen, organisieren und analysieren Sie alles, was Ihre KI-Tools produzieren.

Lizenz

MIT

blackmount-nlp-mcp

blackmount-nlp-mcp

Warum gibt es das?

Schnellstart

Claude Desktop

Cursor

Jeder MCP-Client

Tool-Katalog

Tokenisierung (4 Tools)

Lesbarkeit (8 Tools)

Stimmungsanalyse (4 Tools)

Schlüsselwortextraktion (4 Tools)

Textähnlichkeit (5 Tools)

Textbereinigung (10 Tools)

Erkennung (8 Tools)

Zusammenfassung (2 Tools)

Als Bibliothek verwenden

Entwicklung

Blackmount-Ökosystem

Lizenz

Resources

Looking for Admin?

Tools

Latest Blog Posts

MCP directory API