Which integrations are available for this server?

Fetches Hacker News data via the official Firebase API. Collects trending repositories and related information from GitHub. Generates AI summaries of collected content using OpenAI models. Fetches top products from Product Hunt. Fetches news from RSS feeds for Chinese AI sources. Retrieves video details and transcripts from YouTube.

How do I use AI Daily MCP Server?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@AI Daily MCP Server Get today's AI news summary" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

AI Daily MCP Server

by chenxianseng001

Overview Schema Related Servers Score Discussions

Python

Remote

🤖 AI Daily

MIT License Python 3.10+ MCP Ubuntu

An open-source AI intelligence aggregation platform. Collect → Cluster → Summarize → Report.

每天自动采集 AI 行业动态，聚类、摘要并生成 AI 每日报告，同时提供 MCP 能力供 Hermes、Claude Desktop、Cursor 等调用。

每天 10 分钟，掌握 AI 圈重要动态。

Preview

AI Daily Report Preview

Related MCP server: ai-trends

✨ 功能

功能	说明
6 个数据源	GitHub Trending、Hacker News、Product Hunt、YouTube、X (Twitter)、国产 AI
自动采集	每天定时运行，无需人工干预
增量采集	只采集新内容，不重复下载
事件聚类	同一事件在多个源中出现时自动合并
AI 摘要	支持 OpenAI / DeepSeek / Claude / Gemini / 本地模型
统一配置	YAML 配置，无需改代码
多实例容错	Nitter 多实例健康检查，自动切换

🚀 快速开始

环境要求

Python 3.10+
macOS / Linux / WSL

安装

# 1. 克隆
git clone https://github.com/chenxianseng001/ai-daily.git
cd ai-daily

# 2. 安装依赖
pip install -r requirements.txt

# 3. 运行（零配置启动）
python3 run_daily.py

首次运行说明：

所有数据源默认开启
Product Hunt 和 GitHub Trending 无需 Token 即可运行（自动降级模式）
YouTube 需要安装 yt-dlp（已包含在 requirements.txt）
Twitter 使用内置 Nitter 实例

首次运行

python3 run_daily.py

执行流程：

并行采集 6 个数据源（约 1-2 分钟）
自动生成日报
输出到 output/YYYY-MM-DD/daily_report.md
同时打印到控制台

📖 配置说明

基本配置

编辑 config/config.yaml 即可控制：

# 启用/禁用数据源
github_trending:
  enabled: true

hacker_news:
  enabled: true

product_hunt:
  enabled: true

youtube:
  enabled: true

twitter:
  enabled: true

china_ai:
  enabled: true

展示数量

hacker_news:
  max_items: 10        # 日报中展示 Top N

product_hunt:
  show_top: 10         # 日报中展示 Top N

twitter:
  max_items: 10        # 日报中展示 Top N

环境变量（可选）

环境变量	用途
`GITHUB_TOKEN`	GitHub API Token（提升 API 配额）
`PRODUCT_HUNT_TOKEN`	Product Hunt API Token
`AI_SUMMARY_API_KEY`	AI 摘要 API Key
`AI_SUMMARY_PROVIDER`	AI 摘要 Provider（openai/deepseek/claude/gemini）

详细配置

各数据源的详细配置见：

文件	说明
`config/config.yaml`	全局配置
`config/channels.yaml`	YouTube 频道白名单
`config/twitter_accounts.yaml`	X 账号白名单 + Nitter 实例
`config/china_ai_sources.yaml`	国产 AI 新闻源

📊 数据源说明

数据源	采集方式	是否需要 Token
GitHub Trending	网页解析 + README 下载	可选（GITHUB_TOKEN）
Hacker News	官方 Firebase API	❌ 不需要
Product Hunt	网页解析 / GraphQL API	可选（PRODUCT_HUNT_TOKEN）
YouTube	yt-dlp	❌ 不需要
X (Twitter)	Nitter RSS（多实例）	❌ 不需要
国产 AI	RSS（量子位/36氪/少数派）	❌ 不需要

🏗️ 项目架构

采集层（Collector）                   报告层（Reporter）
┌──────────────┐                  ┌──────────────────┐
│ GitHub       │ → JSON + raw →   │ Section: GitHub  │
│ Hacker News  │ → JSON + raw →   │ Section: HN      │
│ Product Hunt │ → JSON + raw →   │ Section: PH      │
│ YouTube      │ → JSON + raw →   │ Section: YT      │
│ X (Twitter)  │ → JSON + raw →   │ Section: X       │
│ 国产 AI      │ → JSON + raw →   │ Section: China   │
└──────────────┘                  └──────────────────┘
                                            ↓
                                    Event Clustering
                                            ↓
                                      AI Summary
                                            ↓
                                    Markdown 日报

核心设计原则

Data Contract：所有数据源使用统一 JSON Schema
分离原则：Collector 只采集不分析，Reporter 只读取不联网
模块化：新增数据源只需新建一个 Collector 文件 + 一个 Section 文件

📁 目录结构

ai-daily/
├── run_daily.py           # 统一运行入口（推荐）
├── run_collector.py       # 仅采集
├── run_reporter.py        # 仅生成报告
│
├── core/                  # 基础设施
│   ├── config.py          # 配置加载
│   ├── http_client.py     # HTTP 客户端（限流/重试/超时）
│   ├── logger.py          # 统一日志
│   └── utils.py           # 工具函数
│
├── collectors/            # 采集器（每个数据源一个）
│   ├── base_collector.py  # 基类 + State 管理
│   ├── github_trending.py
│   ├── hacker_news.py
│   ├── product_hunt.py
│   ├── youtube.py
│   ├── twitter.py
│   └── china_ai.py
│
├── reporter/              # 报告生成
│   ├── base_section.py    # Section 基类
│   ├── report_builder.py  # 报告构建器
│   ├── event_cluster.py   # 事件聚类
│   └── sections/          # 各数据源 Section
│
├── config/                # 配置文件
├── tests/                 # 单元测试
└── storage/ / output/     # 缓存/输出（自动生成）

🔧 如何新增一个数据源

只需 4 步：

1. 创建 Collector

collectors/my_source.py:

from collectors.base_collector import BaseCollector, CollectorResult

class MySourceCollector(BaseCollector):
    @property
    def source_name(self) -> str:
        return "my_source"

    def collect(self, state: dict) -> CollectorResult:
        # 1. 采集数据
        # 2. build_item() 构造 item
        # 3. write_raw() 保存原始内容
        # 4. write_json() 写入缓存
        ...

2. 添加到配置

config/config.yaml:

my_source:
  enabled: true
  max_items: 10

3. 注册到 run_collector.py

在 create_collectors() 中添加一行。

4. 创建 Section

reporter/sections/my_source_section.py:

from reporter.base_section import BaseSection

class MySourceSection(BaseSection):
    @property
    def name(self) -> str: return "My Source"
    @property
    def source_name(self) -> str: return "my_source"
    def render(self, items, config=None) -> str: ...

然后在 reporter/report_builder.py 的 SECTIONS 中注册。

🧪 测试

# 运行所有测试
python3 -m pytest tests/ -v

# 运行特定测试
python3 -m pytest tests/test_summary.py -v

❓ 常见问题

Q: 需要 API Key 吗？ A: 不需要。6 个数据源中 5 个无需任何 API Key 即可运行。配置 Token 可以获得更完整的数据。

Q: 运行需要多久？ A: 首次运行约 1-2 分钟，后续增量运行约 30-60 秒。主要耗时在 YouTube 视频获取和 Hacker News 文章下载。

Q: 日报在哪里看？ A: 运行后自动输出到 output/YYYY-MM-DD/daily_report.md。

Q: 可以每天自动运行吗？ A: 可以。使用 cron job 或 systemd timer（见 deploy/systemd/）。

Q: Product Hunt 怎么没有投票数？ A: 网页降级模式无法获取实时投票数。配置 PRODUCT_HUNT_TOKEN 后可通过 API 获取。

Q: YouTube 字幕获取失败怎么办？ A: 字幕获取失败不影响采集。Collector 会自动跳过，日志中会记录失败原因。

Q: 如何接入 Claude Desktop / Cursor？ A: 详见 MCP_CONFIG.md。

📄 License

MIT

This server cannot be installed

license - permissive license

quality - not tested

maintenance

How are these scores calculated?

Maintenance

–Maintainers

–Response time

–Release cycle

2Releases (12mo)

Commit activity

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly
Lightport: Open-Sourcing Glama's AI Gateway
By punkpeye on April 27, 2026.
OpenAI
open source

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/chenxianseng001/ai-daily'

If you have feedback or need assistance with the MCP directory API, please join our Discord server