blackmount-nlp-mcp

PyPI version License: MIT Python 3.10+

面向 MCP 的 NLP 工具 — 零繁重依赖。 由 Blackmount 构建。

作为 FastMCP 服务器提供 45 个文本分析工具。无需 NLTK，无需 spaCy，无需 transformers。仅有一个依赖项 (mcp[cli])，NLP 代码不到 50 KB，几秒钟即可就绪。需要 Python 3.10+。

为什么存在这个项目

	blackmount-nlp-mcp	NLTK	spaCy	transformers
Wheel 大小	42 KB	1.5 MB	6 MB+ (+ 模型)	10 MB+ (+ 模型)
直接依赖	1	许多	许多	许多
分词	✅	✅	✅	✅
情感分析	✅	✅	❌	✅
可读性评分	✅	❌	❌	❌
关键词提取	✅	✅	❌	❌
文本相似度	✅	✅	✅	✅
语言检测	✅ (18 种语言)	❌	❌	❌

所有功能均使用纯 Python 从零实现 — 包括 Porter 词干提取、TF-IDF、RAKE、Levenshtein 距离、VADER 风格情感分析、Flesch / Gunning Fog / Coleman-Liau / ARI / SMOG 可读性指标、抽取式摘要、语言检测 — 此外还内置了 2000+ 词的情感词典和 500+ 停用词列表，全部打包在内。

快速开始

pip install blackmount-nlp-mcp

Claude Desktop

添加到您的配置文件中：

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

添加到项目根目录的 .cursor/mcp.json 中：

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

任何 MCP 客户端

服务器通过 stdio 运行。将您的客户端指向 blackmount-nlp-mcp 命令：

blackmount-nlp-mcp

重启您的编辑器。现在所有 45 个 NLP 工具均已可用 — 只需用自然语言提问即可。

工具目录

分词 (4 个工具)

工具	描述	尝试提问
`word_tokenize`	将文本拆分为单词，处理缩写和标点符号	"将此段落分词"
`sentence_tokenize`	拆分为句子，处理常见缩写	"将此文本拆分为单个句子"
`generate_ngrams`	从词元列表中生成词级 n-grams	"从这些词元中生成双词组合 (bigrams)"
`generate_char_ngrams`	生成字符级 n-grams	"获取此单词的字符三元组 (trigrams)"

可读性 (8 个工具)

工具	描述	尝试提问
`flesch_reading_ease`	0–100 易读性得分（越高越容易）	"计算 Flesch 易读性得分"
`flesch_kincaid_grade`	美国年级水平评估	"这是什么年级水平的写作？"
`gunning_fog_index`	基于复杂词比例的 Fog 指数	"计算此文本的 Fog 指数"
`coleman_liau_index`	Coleman-Liau 年级水平指数	"获取 Coleman-Liau 得分"
`automated_readability_index`	ARI 年级水平指数	"此文档的 ARI 是多少？"
`smog_grade_index`	SMOG 年级（推荐用于医疗文本）	"计算此文档的 SMOG 年级"
`count_syllables`	任何单词的音节计数估算	"'extraordinary' 有多少个音节？"
`get_reading_level`	一次调用获取所有可读性得分及简单英语标签	"给我一份此文本的完整可读性报告"

情感分析 (4 个工具)

工具	描述	尝试提问
`get_sentiment_score`	-1.0 到 +1.0 的复合情感得分	"这条客户评论的情感倾向是什么？"
`get_sentiment_label`	返回 `positive`（正面）、`negative`（负面）或 `neutral`（中性）	"这条反馈是正面的还是负面的？"
`get_sentence_sentiments`	逐句情感分析	"显示每个句子的情感"
`get_aspect_sentiment`	针对特定主题的情感分析	"这些评论中关于 '定价' 的情感如何？"

关键词提取 (4 个工具)

工具	描述	尝试提问
`extract_tfidf_keywords`	跨语料库的 TF-IDF 关键词排名	"这些文档中的关键词是什么？"
`extract_rake_keywords`	RAKE 算法 — 短语级关键词提取	"从这篇文章中提取关键短语"
`get_word_frequency`	按频率排序的最高频词（排除停用词）	"此文本中最常见的词是什么？"
`get_phrase_frequency`	按频率排序的最高频 n-gram 短语	"出现频率最高的双词短语是什么？"

文本相似度 (5 个工具)

工具	描述	尝试提问
`get_jaccard_similarity`	词集重叠度，0–1	"这两个段落有多相似？"
`get_cosine_similarity`	词袋余弦相似度，0–1	"计算这些文本之间的余弦相似度"
`get_edit_distance`	Levenshtein 编辑距离	"将 'kitten' 变为 'sitting' 需要多少次编辑？"
`get_normalized_edit_distance`	归一化到 0–1 的编辑距离	"这两个字符串有多大差异？"
`get_longest_common_subsequence`	两个字符串之间的 LCS 长度	"这两个字符串的 LCS 长度是多少？"

文本清洗 (10 个工具)

工具	描述	尝试提问
`clean_remove_stopwords`	去除 500+ 个英语停用词	"从这段文本中去除停用词"
`clean_remove_punctuation`	去除所有标点符号	"去除标点符号"
`clean_remove_numbers`	去除数字词元	"从这段文本中去除所有数字"
`clean_remove_urls`	去除 URL	"清理掉 URL"
`clean_remove_emails`	去除电子邮件地址	"从这段文本中去除电子邮件地址"
`clean_remove_html`	去除 HTML 标签	"从这段内容中去除 HTML"
`clean_normalize_whitespace`	合并并修剪空白字符	"规范化空白字符"
`clean_lowercase`	将文本转换为小写	"将其转换为小写"
`porter_stem`	Porter 词干提取器（纯 Python，无 NLTK）	"提取单词 'running' 的词干"
`clean_text_pipeline`	可配置的多步清洗调用	"清洗此文本：去除 HTML、URL 和停用词"

检测 (8 个工具)

工具	描述	尝试提问
`detect_text_language`	识别 18 种支持语言中的一种	"这段文本是用什么语言写的？"
`detect_text_encoding_type`	检测脚本：ASCII、Latin、Cyrillic、CJK、Arabic	"这段文本使用什么脚本？"
`check_is_english`	英语置信度得分，0–1	"这段文本是英语吗？"
`count_words`	单词计数	"这里有多少个单词？"
`count_sentences`	句子计数	"统计句子数量"
`count_paragraphs`	段落计数	"有多少个段落？"
`get_avg_word_length`	平均单词长度（字符数）	"平均单词长度是多少？"
`get_avg_sentence_length`	平均句子长度（单词数）	"平均句子长度是多少？"

摘要 (2 个工具)

工具	描述	尝试提问
`get_extractive_summary`	从文档中选择 N 个得分最高的句子	"用 3 句话总结这篇文章"
`get_text_statistics`	完整的文档统计：单词数、可读性、语言、阅读时间	"给我一份此文本的统计概况"

作为库使用

子模块可直接导入 — 无需 MCP 服务器：

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}]

开发

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

Blackmount 生态系统

blackmount-nlp-mcp 由 Blackmount 构建 — 为 AI 从业者提供的工具。

blackmount-mcp — 作为 MCP 服务器提供浏览器记忆、AI 聊天搜索和会话分析功能。将其与 blackmount-nlp-mcp 搭配使用，可以分析您保存的对话：从聊天记录中提取关键词、评估 AI 回复的可读性、检测跨会话的情感趋势。

app.blackmount.ai — 完整的 Blackmount 平台。搜索、组织和分析您的 AI 工具生成的所有内容。

许可证

MIT

blackmount-nlp-mcp

blackmount-nlp-mcp

为什么存在这个项目

快速开始

Claude Desktop

Cursor

任何 MCP 客户端

工具目录

分词 (4 个工具)

可读性 (8 个工具)

情感分析 (4 个工具)

关键词提取 (4 个工具)

文本相似度 (5 个工具)

文本清洗 (10 个工具)

检测 (8 个工具)

摘要 (2 个工具)

作为库使用

开发

Blackmount 生态系统

许可证

Resources

Looking for Admin?

Tools

Latest Blog Posts

MCP directory API