gtrends-mcp-full Skill 技能

技能简介

gtrends-mcp-full 是 Google Trends 的完整 MCP 服务器：向 Claude、Cursor、Windsurf、VS Code、Codex 等客户端直接提问「大家在搜什么、在哪里、什么时候、什么正在起飞」，拿回的是分析结论而不是一张要凑近看的图表。它提供 32 个工具，覆盖 Trending Now 实时热搜全量列表（含真实搜索量）、时间/地区兴趣曲线、相关搜索与相关主题、季节性、动势与搜索份额；无需 API Key、无需 Google Cloud 项目、无需登录、无需无头浏览器，装完即问。

核心能力

• 热搜全量获取：trending_now 返回国家/地区完整热搜榜（搜索量、增幅、起始时间、是否仍活跃、类别及同一事件下的其他查询），trend_details 展开单条热搜的全部查询、背后新闻与逐小时曲线，trending_across_countries 找多国同时在榜的事件。
• 关键词探索：interest_over_time 在同一刻度上对比最多 5 个词（范围从 1 小时到 2004 年至今，支持 a+b、a-b、"精确短语" 运算符），interest_by_location 下钻到国家、区域、城市乃至都会区，related_queries/topics 给出顶级与上升查询。
• 深度分析：trend_momentum 对每个词给出突破/上升/稳定/下滑判定与同比、环比、峰值距离；seasonality 给出逐月指数、峰值月与「内容应何时上线」的日期；share_of_search 计算品牌对最多 4 个竞品的搜索份额变化。
• 突破网页版限制：compare_many 让 6–25 个词同榜排名（网页只允许 5 个），daily_history 提供跨年的逐日兴趣（网页约 9 个月截断），热搜历史可用 snapshot_trending 长期留存。
• 韧性和诚实数字：请求节流 + 持久会话 + 退避重试，被限流时缓存仍会应答并明确标注；所有数值标明是 Google 0–100 指数而非搜索量，未完结周期单独标记，失败返回原因而非空结果。
• 四套现成工作流：trend_report（单关键词全景）、newsjacking_brief（蹭热搜简报）、seasonal_content_plan（12 个月内容日历）、market_comparison（品牌份额对比），在客户端提示词菜单直接调用。

安装配置

1. 环境要求：Python 3.10 或更新版本，安装 uv（或使用 pip）。
2. Claude Code 一键接入：claude mcp add gtrends -- uvx gtrends-mcp-full，uvx 会自动从 PyPI 取包运行，无需先下载任何东西。
3. 通用 MCP 配置：在 Claude Desktop、Cursor、Windsurf、VS Code 的配置中加入 {"mcpServers": {"gtrends": {"command": "uvx", "args": ["gtrends-mcp-full"], "env": {"GTRENDS_GEO": "US", "GTRENDS_TIMEZONE": "America/New_York"}}}}。
4. 偏好 pip：pip install gtrends-mcp-full 安装后按你宿主的 MCP 文档指向 gtrends-mcp-full 命令即可。

使用步骤

1. 按上述任一方式把服务器注册进你的 MCP 客户端并重启。
2. 用自然语言提问，例如「德国过去 4 小时有什么热搜」「特斯拉和比亚迪在德国五年对比」，客户端自动挑选工具。
3. 需要留存时执行 snapshot_trending 把当前热搜榜存到本地，用 trending_history 事后检索「上个月 iPhone 相关上过榜吗」。
4. 用 watchlist_add 建观察清单（如英国的 heat pump、solar panels），watchlist_report 定期看方向与变化。
5. 让 AI 用内置提示词产出趋势报告、蹭热搜简报或季节性内容日历，直接指导选题与排期。

适用场景

• 热点追踪与借势营销：match_trends 把当前热搜与你的品牌、产品、题材做匹配，找到可蹭的事件并提示风险。
• 选题与内容排期：用 seasonality 判断品类何时进入上升期，content_calendar 为最多 8 个话题排出发布日历。
• 市场与竞品研究：share_of_search 量化品牌搜索份额，compare_many 一次给 20 个品牌排名，find_spikes 定位突发事件的时间点。
• 跨市场趋势对比：trending_across_countries 找多国同时在榜的事件，interest_over_time 在统一刻度上比较各国兴趣。
• 趋势数据资产沉淀：热搜快照与观察清单存本地，配合 history_sql 做只读查询，沉淀 Google 网页上一周就删的记录。

适用人群

做热点追踪、借势内容的自媒体与营销运营；需要季节性和竞争份额数据支撑选题的内容策略团队；进行市场研究与竞品监测的分析师；关注「什么正在起飞」的公关与品牌团队；希望在本地留存趋势数据、不想配置 Google Cloud 凭据的独立开发者。

工作原理

服务器以 stdio/HTTP 被 MCP 客户端拉起，直接对接 Google Trends 的公开接口，无需任何 API Key。工具层按五组组织：查询类工具把你的自然语言问题翻译成参数并做节流调度，通过持久会话复用连接、遇限流退避重试；分析类工具（动势、季节性、份额、峰值）在本地对取回的序列做确定性计算，再以短表格返回给模型解读；历史类工具读写本地数据文件，热搜快照、观察清单与读数全部落盘，history_sql 在其上提供只读 SQL。缓存层记住近期应答，Google 拒答时仍会给出标注过的缓存结果。AI 客户端始终不直接碰数据——它按工具描述挑选入口，拿到的是带口径说明（0–100 指数、周期是否完整）的结构化结论。

官方链接

• PyPI 主页：https://pypi.org/project/gtrends-mcp-full/
• GitHub 仓库：https://github.com/mamrrez/gtrends-mcp-full
• 完整文档：https://mamrrez.github.io/gtrends-mcp-full/
• 项目主页：https://hasanpour.com/tools/google-trends-mcp/