scweet-monitoring
This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
X-agent-skill
用自然语言采集 X 博主的帖子与可见评论,积累选题资料、分析内容风格并观察互动变化。
正式分发包含标准 MCP 服务、独立后台采集程序和一份中文 x-agent-skill,以及所需的
Scweet 运行源码。业务数据存储在 PostgreSQL,不需要另外寻找采集器或安装 PyPI Scweet。
可以做什么
采集指定博主、时间范围和类型的帖子,保存原文、来源和互动指标。
获取可见评论,保存分页进度,支持增量获取、继续采集和 CSV/JSONL 导出。
按数字用户 ID 建立唯一档案,分类检索帖子、评论、互动快照和操作记录。
分析发布节奏、内容风格、评论需求和高互动素材,结论附带样本范围与证据。
使用用户配置的多个有效账号,在失效、限流或冷却时进行有界故障切换。
明确创建监测后每小时采集,记录新帖、内容修改及可见性变化;用户询问时才汇报。
将正文素材、评论需求与资源组合成发布方案,按博主/日期/主题保存到 Markdown 知识库。
flowchart LR
U[用户自然语言需求] --> A[Agent + 一份中文 Skill]
A <-->|MCP:任务与查询| M[MCP 服务]
M <--> D[(PostgreSQL)]
M <-->|研究笔记与索引| K[本地 Markdown 知识库]
W[独立后台采集进程] <-->|任务、租约、检查点| D
W --> X[X 数据源]Skill 负责理解需求、自动设置参数与解释结果;MCP 校验参数、提交任务和查询数据; Worker 访问 X、执行队列、调度监测及管理账号配额。MCP 与 Worker 部署在同一台机器, 共享数据库和导出目录。Agent 编写研究内容,由 MCP 保存到知识库;Worker 不写分析报告。 Agent 不必常驻,后台不调用模型、不主动推送日报。
Related MCP server: Spectre
安装前准备
需要 Git、Python 3.10+(建议 3.12)、PostgreSQL 14+ 和支持 MCP 的 Agent 客户端。
查询已存数据无需 X 登录凭据;实际采集需要你自己的有效 X auth_token 和可访问 X 的网络。
本项目不是 X 官方产品。服务器部署见 部署指南。
本机安装与启动
1. 获取正式版本并安装
git clone --branch v1.1.0 https://github.com/zhuy3075-ui/X-agent-skill.git
cd X-agent-skill
python install.pyWindows 若 python 未指向受支持版本,可使用 py -3.12 install.py;
Linux/macOS 可使用 python3 install.py。也可在 Release
下载源码 ZIP,解压后在项目根目录执行安装命令。
安装器会创建 .venv、安装全部运行依赖、生成 .env、config.json 和
mcp-client.local.json,并安装一份技能。检测到 Codex CLI 时注册 scweet-monitoring;
同名已有注册会保留。没有 Codex CLI 时,使用生成的 JSON 配置连接自己的 MCP 客户端。
数据库、X token 和后台进程仍需按下面步骤配置。
需要的安装方式 | 命令 |
默认安装 MCP、采集器和技能 |
|
指定其他客户端的技能目录 |
|
只安装服务与采集器 |
|
后续命令使用安装后的 Python:Windows 为 .venv/Scripts/python.exe,
Linux/macOS 为 .venv/bin/python。为便于直接复制,下面分别提供命令。
2. 创建 PostgreSQL 数据库
已有数据库可以直接使用;没有时可用本机 PostgreSQL 或 Docker。 Docker 方式可在安装 Docker 后使用以下命令,密码通过隐藏输入设置:
# Windows PowerShell
$databaseSecret = Read-Host 'PostgreSQL password' -AsSecureString
$env:POSTGRES_PASSWORD = [System.Net.NetworkCredential]::new('', $databaseSecret).Password
docker compose -f mcp/compose.yaml up -d
Remove-Item Env:POSTGRES_PASSWORD# Linux / macOS 的 Bash
read -rsp 'PostgreSQL password: ' POSTGRES_PASSWORD; printf '\n'
export POSTGRES_PASSWORD
docker compose -f mcp/compose.yaml up -d
unset POSTGRES_PASSWORD数据库为 scweet_mcp,用户为 scweet,
默认仅监听本机 5432;修改 POSTGRES_PORT 可避开端口冲突。Docker 不是必需依赖。
打开安装器生成的 .env,设置数据库连接。下面只是格式示例,路径须改成你的实际绝对路径:
SCWEET_MCP_DATABASE_URL=host=127.0.0.1 port=5432 dbname=scweet_mcp user=scweet passfile=C:/path/X-agent-skill/private/pgpass在 private/pgpass 中填写 127.0.0.1:5432:scweet_mcp:scweet:<数据库密码>。
Linux/macOS 使用自己的绝对路径,并执行 chmod 600 private/pgpass;
Windows 限制该文件仅当前用户和系统可读。密码含 : 或 \ 时按
PostgreSQL passfile 规则转义。
密码文件和 .env 均不应上传到仓库。
初始化数据表和索引:
# Windows,在项目根目录执行
.venv/Scripts/python.exe run.py init-db# Linux / macOS,在项目根目录执行
.venv/bin/python run.py init-db本机专用开发数据库可使用其 owner 初始化与运行;正式服务器应分离 owner 和运行角色, 具体创建与授权步骤见 部署指南。
3. 从浏览器获取 X auth_token
仅获取你本人或明确授权使用的账号的登录 Cookie。以下以 Chrome/Edge 为例:
打开 X,登录目标采集账号,确认能正常查看首页。
按
F12或Ctrl+Shift+I打开开发者工具;macOS 使用Cmd+Option+I。切换到 Application(应用)→ Storage(存储)→ Cookies。 若未显示 Application,使用顶部
»展开更多面板。选择当前 X 页面的 Cookie 来源,通常显示为
https://x.com;确认 Domain 属于x.com。在筛选框输入
auth_token,选中对应 Cookie,复制其 Value(值)。 只复制值,不带auth_token=、引号、分号,也不要复制整条 Cookie 请求头。按下一节通过隐藏输入保存,完成后清空剪贴板。不要把值发给 Agent 聊天、贴进 issue 或截图。
Cookies 面板和 Value 字段的操作可参考 Chrome 官方说明。
auth_token 是网页登录凭据,不是 X 开发者 API 的 Bearer Token,也不是本服务的 MCP API token。
如果找不到该 Cookie,确认已登录、选中了正确来源,再刷新首页;不要用 ct0 等其他 Cookie 代替。
浏览器能显示 Cookie 不代表它仍然有效,后续必须完成账号检查。
4. 保存并注册账号
安装器已将 config.json 的 mcp_credentials_file 指向本机 private/worker-env.json。
在项目根目录执行,终端出现 X auth token: 后粘贴 Cookie 值并回车;输入不会显示:
# Windows
.venv/Scripts/python.exe mcp/credentials.py --file private/worker-env.json --credential-ref SCWEET_X_ACCOUNT_A# Linux / macOS
.venv/bin/python mcp/credentials.py --file private/worker-env.json --credential-ref SCWEET_X_ACCOUNT_A多个账号分别使用 SCWEET_X_ACCOUNT_A、SCWEET_X_ACCOUNT_B 等不同引用;重复运行会保留其他条目。
如果你修改了 mcp_credentials_file,--file 必须指向同一个文件。
凭据文件按请求读取,替换 token 不必重启 Worker,但需重新核验账号身份。
5. 启动采集器、连接 MCP
单独打开一个终端,进入项目根目录并保持 Worker 运行:
# Windows
.venv/Scripts/python.exe run.py worker# Linux / macOS
.venv/bin/python run.py workerstdio 模式由 MCP 客户端启动服务,不需要手动再开一个 MCP 终端。
把生成的 mcp-client.local.json 中 mcpServers.scweet-monitoring 配置导入客户端;
部分客户端要求手工填写 command 和 args,沿用 JSON 中的绝对路径即可。例:
{
"mcpServers": {
"scweet-monitoring": {
"command": "C:/path/X-agent-skill/.venv/Scripts/python.exe",
"args": ["C:/path/X-agent-skill/run.py", "mcp", "--config", "C:/path/X-agent-skill/config.json"]
}
}
}run.py 自动读取仓库 .env,进程环境中的同名设置优先。
Linux/macOS 把 command 改为对应绝对路径的 .venv/bin/python。
客户端如果保留旧注册,手动更新 command/args 到当前安装位置,重新连接后检查工具列表。
连接成功后对 Agent 说:
注册我已配置的 SCWEET_X_ACCOUNT_A,检查登录状态;检查完成前不要开始采集。
Agent 应调用 accounts_register,随后 accounts_check,通过 jobs_get 核实完成结果。
Worker 未启动时检查任务会排队;只有检查成功的有效账号可用于采集。
注册工具的结构为 entries=[{credential_ref,label}],只传引用,不传 token 原文。
最后执行只读健康检查,正常应返回 healthy=true、tools=35、database_read=true:
# Windows
.venv/Scripts/python.exe scripts/check_service.py --config config.json# Linux / macOS
.venv/bin/python scripts/check_service.py --config config.json此检查确认 stdio 协议和数据库查询,不证明 X 登录有效,也不创建采集或监测。
Skill 的安装与使用
安装器默认放到 CODEX_HOME/skills,未设置时为 ~/.codex/skills。
其他客户端可指定 --skills-dir 或复制 mcp/skills/x-agent-skill 到其支持的技能目录。
只有这一份技能,包含平台意图识别、参数推断、分页、档案、分析及通俗结果表达。
升级保留个人 config.json;旧 social-monitoring/scweet-monitoring-router 会迁移偏好并备份到
加载目录外。刷新客户端技能列表后可显式使用 $x-agent-skill。
可以这样提问 | 执行效果 |
“看看 @目标博主 最近在发什么。” | 默认最近 7 天、50 条帖子,不采评论 |
“分析他的内容风格,给我可参考的选题。” | 默认最近 30 天、100 条原创/引用帖,评论最多覆盖 20 篇 |
“评论区最关心什么?〈帖子链接〉” | 获取或复用可见评论,分析需求并引用证据 |
“把已采到的评论导出 CSV。” | 导出已有数据,不默认重新采集 |
“继续采上次没采完的评论。” | 核实真实进度,沿保存的分页分支继续 |
“持续监测他的帖子变化,不要推送。” | 明确授权后创建每小时监测,询问时汇报 |
“他这周改过哪些帖子,互动增长怎样?” | 查询实际变化记录与快照,没有历史就说明缺口 |
用户无需手动填写所有参数,Agent 自动推断起步范围;默认值不是完整采集承诺。 高互动素材属于基于样本的候选证据,不保证产生爆款。
Markdown 研究知识库与发布组合
将每篇帖子拆解成可借鉴内容,再把正文素材、评论痛点与可用资源组合为发布方案。 知识库按博主、日期、主题和笔记类型建立索引,含帖子分析、每日清单、素材、需求、资源、组合与决策报告。 稳定 ID 避免重复保存;更新需核对内容指纹,旧版本保留。没有评论证据的组合标为待验证。
本机安装默认在项目根目录创建 精致清单/,包含目录与通用模板,没有实际博主报告。
mcp_knowledge_base_dir 可指定其他绝对路径;真实笔记和个人配置不提交 Git。
MCP 提供 save_research_note/get_research_note/query_research_notes/rebuild_research_index,
由用户要求时的 Agent 生成、保存和复用分析;后台不自动编写日报或发布内容。
详细路径、元数据、模板和使用方法见 知识库说明。
调度与数据约定
一次采集、画像或历史查询不自动创建持续监测。只有明确监测意图才允许
monitor_upsert(monitoring_requested=true):首次回补最近 7 天,每小时发现新帖,
每轮最多核查 5 篇已存帖子,默认覆盖最近 30 天,分轮观察正文、指标和可见性。
默认不定期采评论、不推送报告。三次至少间隔一小时的可靠缺失仅标记疑似删除;
网络失败、限流和未知响应不作为删除证据。恢复可见时保留此前存档和历史。
数据按唯一 ID 更新,任务按 request_id 幂等提交;PostgreSQL 保存 JSONB、索引、正文版本、
快照、档案和队列。既有 Scweet 账号/接口清单缓存可使用 SQLite,采集业务数据始终在 PostgreSQL。
35 个工具的参数与返回值见 工具 Schema,以连接后 tools/list 为准。
Agent 核实任务结果后说明条数、日期、完整性及原因,默认隐藏内部任务 ID 和状态码。
正式服务器部署、升级与排障
使用 部署指南完成 Linux 同机 PostgreSQL/API/Worker 部署、
systemd 托管、HTTPS、权限、备份和版本升级;部署模板在 mcp/deploy/。
安装器不自动开通服务器、修改防火墙或迁移数据库。Windows 本机按上面的独立终端流程运行即可。
现象 | 排查与处理 |
数据库连接失败 | 检查 .env、端口、数据库名、用户、passfile 路径和文件权限 |
数据表/版本不可用 | 使用 schema-owner 执行 init-db,再给运行角色授权 |
任务一直等待 | 检查独立 Worker 是否运行,且与 MCP 使用同一数据库和配置 |
登录失效/需要验证 | 在浏览器完成登录或账号解锁,更新 token 并重新 accounts_check |
可见评论未采完整 | 查看停止原因,按已有任务继续;不要反复从第一页重新提交 |
只有一次指标记录 | 暂不能判断增长,后续积累真实快照 |
HTTP 提示未认证 | 检查 Authorization Bearer 与 SCWEET_MCP_API_TOKEN,一般不是 X token 问题 |
平台私有 GraphQL 可能变化。隐藏、删除、受保护内容不保证取得;疑似删除不等于确认删除。 跨任务共享的 30 分钟认证缓存尚不支持;评论词频和词典情感统计有语义局限。
License
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Fetch recent public X/Twitter posts by named handle for monitoring, comparison, OSINT, and research.
X/Twitter search, posts, comments, user profiles, user posts/replies and video transcripts.
Read-only public X (Twitter) data: profiles, tweets, threads, followers, search. Pay per result.
Your agent posts, schedules, queues and threads posts on X, with a human approval queue.
Related MCP Servers
- FlicenseNot gradedqualityDmaintenanceArchives posts from X into a local SQLite database and provides tools for semantic analysis and natural language search. It enables agents to manage low-cost data ingestion and retrieve relevant posts using local embeddings and topic labeling.3-
- AlicenseNot gradedqualityCmaintenanceEnables AI agents to fully automate X/Twitter interactions including searching, posting, engaging, and managing multiple accounts without paid API keys.MIT
- AlicenseNot gradedqualityCmaintenanceProvides 19+ tools for AI agents to interact with X/Twitter, including search, posting, analysis, and monitoring capabilities.18 npm3MIT
- AlicenseAqualityDmaintenanceEnables AI agents to read, post, search, and engage with Twitter/X content, including AI-powered reply drafting and analytics.17MIT