抖音数据分析 MCP 服务器

基于原始抖音数据分析工具开发的 MCP (Model Context Protocol) 服务器，提供抖音视频和用户数据的采集、分析和导出功能。

🎉 现已发布到 PyPI，可直接安装使用！

功能特性

数据采集

• 视频搜索: 根据关键词搜索抖音视频，采集标题、作者、点赞数、评论数等信息

• 用户搜索: 根据关键词搜索抖音用户，采集用户名、抖音号、粉丝数、获赞数等信息

• 自定义参数: 支持设置滚动次数和延迟时间，控制采集规模和速度

数据分析

• 互动数据分析: 分析视频的点赞、评论、分享等互动数据，提供统计报告

• 内容长度分析: 分析视频标题长度分布，了解内容特征

• 关键词分析: 使用中文分词技术分析高频词汇，发现热门话题

数据导出

• 多格式支持: 支持 JSON、Excel、CSV 格式导出

• 分类导出: 可选择导出视频数据、用户数据或全部数据

• 时间戳: 自动添加时间戳，避免文件覆盖

Related MCP server: dy-mcp

安装和配置

方式一：从 PyPI 安装（推荐）

1. 直接安装:

   pip install undoom-douyin-data-analysis

2. 配置 MCP 客户端: 在你的 MCP 客户端配置文件中添加以下配置：

   {
     "mcpServers": {
       "undoom-douyin-data-analysis": {
         "command": "uvx",
         "args": [
           "--index-url",
           "https://pypi.tuna.tsinghua.edu.cn/simple",
           "--from",
           "undoom-douyin-data-analysis",
           "undoom-douyin-mcp"
         ]
       }
     }
   }

方式二：本地开发安装

1. 克隆仓库:

   git clone <repository-url>
   cd undoom_Douyin_data_analysis

2. 安装依赖:

   uv sync

3. 本地运行:

   uv run undoom-douyin-mcp

环境要求

• Python 3.13+

• Chrome/Chromium 浏览器

• 网络连接（访问抖音）

可用工具

1. search_douyin_videos

搜索抖音视频数据

参数:

• keyword (必需): 搜索关键词

• scroll_count (可选): 滚动次数，默认为10

• delay (可选): 每次滚动的延迟时间（秒），默认为2.0

2. search_douyin_users

搜索抖音用户数据

3. analyze_interaction_data

分析视频互动数据（点赞、评论等）

4. analyze_content_length

分析视频标题长度分布

5. analyze_keywords

分析视频标题中的高频词汇

6. export_data

导出采集的数据

7. get_data_summary

获取当前采集数据的摘要信息

8. clear_data

清空当前采集的数据

可用资源

1. douyin://data/videos

当前采集的视频数据（JSON 格式）

2. douyin://data/users

当前采集的用户数据（JSON 格式）

3. douyin://analysis/summary

数据采集和分析摘要（文本格式）

使用示例

基本工作流程

1. 搜索视频数据: 使用 search_douyin_videos 工具搜索关键词

2. 分析数据: 使用 analyze_interaction_data 分析互动数据 使用 analyze_keywords 分析高频词汇

3. 导出结果: 使用 export_data 导出为指定格式

项目信息

• PyPI 包: undoom-douyin-data-analysis

• 版本: 0.1.3

• 许可证: MIT License

• Python 版本: 3.13+

注意事项

1. 网络环境: 需要能够访问抖音网站

2. 浏览器依赖: 使用 DrissionPage 需要 Chrome/Chromium 浏览器

3. 采集频率: 建议设置适当的延迟时间，避免过于频繁的请求

4. 合规使用: 请遵守抖音的使用条款和相关法律法规

5. 数据使用: 采集的数据仅供学习和研究使用，请勿用于商业用途

技术架构

• MCP 协议: 基于 Model Context Protocol 实现

• 异步处理: 使用 asyncio 进行异步操作

• 数据解析: 使用 BeautifulSoup 解析 HTML

• 中文分词: 使用 jieba 进行中文文本分析

• 数据处理: 使用 pandas 进行数据操作和导出