NLP für MCP — ohne schwere Abhängigkeiten. Entwickelt von Blackmount.
45 Textanalyse-Tools 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+.
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 | ✅ | ✅ | ❌ | ✅ |
Lesbarkeits-Scores | ✅ | ❌ | ❌ | ❌ |
Keyword-Extraktion | ✅ | ✅ | ❌ | ❌ |
Textähnlichkeit | ✅ | ✅ | ✅ | ✅ |
Spracherkennung | ✅ (18 Sprachen) | ❌ | ❌ | ❌ |
Alles wurde 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.
Related MCP server: LODA MCP Server
pip install blackmount-nlp-mcpFügen 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"
}
}
}Fügen Sie dies zu .cursor/mcp.json in Ihrem Projektstammverzeichnis hinzu:
{
"mcpServers": {
"nlp": {
"command": "blackmount-nlp-mcp"
}
}
}Der Server läuft über stdio. Verweisen Sie Ihren Client auf den Befehl blackmount-nlp-mcp:
blackmount-nlp-mcpStarten Sie Ihren Editor neu. Alle 45 NLP-Tools sind jetzt verfügbar — fragen Sie einfach in natürlicher Sprache.
Tool | Beschreibung | Beispielanfrage |
| Text in Wörter aufteilen, inklusive Kontraktionen und Satzzeichen | "Tokenisiere diesen Absatz in Wörter" |
| In Sätze aufteilen, inklusive gängiger Abkürzungen | "Zerlege diesen Text in einzelne Sätze" |
| Wortbasierte N-Gramme aus einer Token-Liste generieren | "Generiere Bigramme aus diesen Token" |
| Zeichenbasierte N-Gramme generieren | "Erstelle Zeichen-Trigramme für dieses Wort" |
Alle Lesbarkeitsfunktionen geben 0.0 für leere oder nur aus Leerzeichen bestehende Eingaben zurück.
Tool | Beschreibung | Beispielanfrage |
| 0–100 Lesbarkeits-Score (höher = einfacher) | "Berechne den Flesch Reading Ease Score" |
| US-Schulnoten-Schätzung | "Welchem Schulniveau entspricht dieser Text?" |
| Fog-Index basierend auf dem Verhältnis komplexer Wörter | "Berechne den Fog-Index für diesen Text" |
| Coleman-Liau-Schulnoten-Index | "Ermittle den Coleman-Liau-Score" |
| ARI-Schulnoten-Index | "Was ist der ARI für dieses Dokument?" |
| SMOG-Grad (empfohlen für medizinische Texte) | "Berechne den SMOG-Grad für dieses Dokument" |
| Schätzung der Silbenanzahl für jedes Wort | "Wie viele Silben hat 'extraordinary'?" |
| Alle Lesbarkeits-Scores in einem Aufruf mit einfacher Bezeichnung | "Gib mir einen vollständigen Lesbarkeitsbericht für diesen Text" |
Tool | Beschreibung | Beispielanfrage |
| Zusammengesetzter Stimmungs-Score von -1.0 bis +1.0 | "Wie ist die Stimmung dieser Kundenbewertung?" |
| Gibt | "Ist dieses Feedback positiv oder negativ?" |
| Stimmungsanalyse pro Satz | "Zeige mir die Stimmung jedes Satzes" |
| Stimmung bezogen auf bestimmte Themen | "Wie ist die Stimmung bezüglich 'Preise' in diesen Bewertungen?" |
Tool | Beschreibung | Beispielanfrage |
| TF-IDF Keyword-Ranking über ein Korpus | "Was sind die Schlüsselbegriffe in diesen Dokumenten?" |
| RAKE-Algorithmus — phrasenbasierte Keyword-Extraktion | "Extrahiere die Schlüsselphrasen aus diesem Artikel" |
| Top-Wörter nach Häufigkeit, Stoppwörter ausgeschlossen | "Was sind die häufigsten Wörter in diesem Text?" |
| Top N-Gramm-Phrasen nach Häufigkeit | "Welche Zwei-Wort-Phrasen kommen am häufigsten vor?" |
Tool | Beschreibung | Beispielanfrage |
| Wortmengen-Überlappung, 0–1 | "Wie ähnlich sind sich diese beiden Absätze?" |
| Bag-of-Words Kosinus-Ähnlichkeit, 0–1 | "Berechne die Kosinus-Ähnlichkeit zwischen diesen Texten" |
| Levenshtein-Distanz | "Wie viele Bearbeitungen braucht es, um 'kitten' in 'sitting' zu verwandeln?" |
| Auf 0–1 normalisierte Bearbeitungsdistanz | "Wie unterschiedlich sind diese beiden Zeichenketten?" |
| Länge der längsten gemeinsamen Teilfolge | "Was ist die Länge der LCS dieser beiden Zeichenketten?" |
Tool | Beschreibung | Beispielanfrage |
| Über 500 englische Stoppwörter entfernen | "Entferne Stoppwörter aus diesem Text" |
| Alle Satzzeichen entfernen | "Entferne die Satzzeichen" |
| Numerische Token entfernen | "Entferne alle Zahlen daraus" |
| URLs entfernen | "Bereinige die URLs" |
| E-Mail-Adressen entfernen | "Entferne E-Mail-Adressen aus diesem Text" |
| HTML-Tags entfernen | "Entferne das HTML aus diesem Inhalt" |
| Leerzeichen zusammenfassen und trimmen | "Normalisiere die Leerzeichen" |
| Text in Kleinbuchstaben umwandeln | "Wandle dies in Kleinbuchstaben um" |
| Porter-Stemmer (reines Python, kein NLTK) | "Stemme das Wort 'running'" |
| Konfigurierbare mehrstufige Bereinigung in einem Aufruf | "Bereinige diesen Text: entferne HTML, URLs und Stoppwörter" |
Tool | Beschreibung | Beispielanfrage |
| Sprache aus 18 unterstützten Sprachen identifizieren | "In welcher Sprache ist dieser Text verfasst?" |
| Skript erkennen: ASCII, Latin, Kyrillisch, CJK, Arabisch | "Welches Skript verwendet dieser Text?" |
| Englisch-Konfidenz-Score, 0–1 | "Ist dieser Text auf Englisch?" |
| Wortanzahl | "Wie viele Wörter sind hier enthalten?" |
| Satzanzahl | "Zähle die Sätze" |
| Absatzanzahl | "Wie viele Absätze?" |
| Durchschnittliche Wortlänge in Zeichen | "Was ist die durchschnittliche Wortlänge?" |
| Durchschnittliche Satzlänge in Wörtern | "Wie lang sind die Sätze im Durchschnitt?" |
Tool | Beschreibung | Beispielanfrage |
| Die N Sätze mit der höchsten Bewertung aus einem Dokument auswählen | "Fasse diesen Artikel in 3 Sätzen zusammen" |
| Vollständige Dokumentstatistiken: Wörter, Lesbarkeit, Sprache, Lesezeit | "Gib mir ein statistisches Profil dieses Textes" |
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}]git clone https://github.com/BlackMount-ai/blackmount-nlp-mcp
cd blackmount-nlp-mcp
pip install -e .
pytest tests/ -vblackmount-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 Keywords aus dem Chatverlauf, bewerten Sie die Lesbarkeit von KI-Antworten und erkennen Sie Stimmungstrends über Sitzungen hinweg.
app.blackmount.ai — Die vollständige Blackmount-Plattform. Suchen, organisieren und analysieren Sie alles, was Ihre KI-Tools produzieren.
MIT
Deterministic AI agent microtools, no accounts/API keys. fetch_extract: 98% token cut. 38 tools.
16 AI-native tools with dual SSE + streamable-http transport. Free tier available.
Honest library picks for coding agents in 25-360 tokens. Tells your agent what NOT to install.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/BlackMount-ai/blackmount-nlp-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server