基于腾讯云MCP广场的AI自动化实践：爬取小红书热门话题
基于腾讯云MCP广场的AI自动化实践：爬取小红书热门话题
我正在参加Trae「超级体验官」创意实践征文，本文所使用的 Trae 免费下载链接：www.trae.com.cn/?utm_source…
🔎 背景
在人工智能快速发展的时代，AI技术不仅重塑了传统行业，也极大提高了开发者的工作效率。腾讯云推出的 MCP（Model Context Protocol），作为一种创新的技术协议，能够帮助开发者将云能力、AI模型与自动化流程高效整合，让开发者可以将更多精力集中在业务逻辑和创新上，而不再是重复性工作。
最近，腾讯云推出了**MCP广场，一个帮助开发者轻松创建与管理自动化应用的平台。在探索过程中，我发现了一个非常有趣的工具——超浏览器AI自动化**，它能让开发者通过浏览器模拟技术实现自动化操作。我曾经看到过一个小红书爬取的代码，但由于种种原因没有成功运行。于是，我决定尝试利用超浏览器AI自动化功能，结合腾讯云MCP的能力，进行小红书热门话题的自动化爬取与分析，最终成功实现了这一目标。
📉效果展示
通过本次实践，成功构建了一个自动化流程，它能够：
- 将提取到的数据（如标题、作者、点赞数）结构化。
- 基于抓取的数据，通过AI能力生成对当前热门趋势的分析，甚至提炼出具有吸引力的热门标题。
- 将最终结果保存为一个整洁的 Markdown 文件，便于后续查阅和使用。
👍AI编程开发流程
🧰 工具选型与架构
| 组件 | 用途 | 工具 |
|---|---|---|
| 用户输入 | 提供创作方向 | 自然语言输入 |
| MCP能力平台 | 提供发现、管理和调用各类 MCP 工具的平台。是整个自动化实践的入口。 | 腾讯云MCP |
| MCP LLM工具链 | 解析输入并生成话题 | Trae |
| 超浏览器自动化 | 模拟浏览器行为，获取平台信息 | Playwright/Selenium |
| 数据处理与输出 | 格式化生成内容，提供创作灵感 | markdown |
🧱不能运行的爬取小红书代码
如前所述，对于小红书这类大量使用JavaScript动态加载内容的网站，传统的静态HTML解析方法往往无法获取到完整的页面信息。
以下是我发现并运行过过的爬取小红书的代码（未能成功运行）：
import requests from bs4 import BeautifulSoup headers = {'User-Agent':'Mozilla/5.0 (Linux; Android 11) AppleWebKit/537.36'} url = 'https://www.xiaohongshu.com/explore' res = requests.get(url, headers=headers) soup = BeautifulSoup(res.text,'html.parser') hot_list = [] for item in soup.select('.hot-item'): title = item.select('.title')[0].text.strip() hot_value = item.select('.hot-value')[0].text hot_list.append(f"{title}🔥{hot_value}") print("实时热榜TOP10:", hot_list[:10]) 之前看到的代码如下(来源)：
这段代码的逻辑是发送一个HTTP请求，然后使用 BeautifulSoup 解析返回的HTML文本，尝试通过CSS选择器（.hot-item, .title, .hot-value）来定位热门话题元素。
然而，当我尝试在本地运行这段代码时，并没有得到预期的热门话题列表：
运行了个寂寞。哈哈哈哈。
😊腾讯云发现的AI自动化实践爬取小红书：超浏览器出击！
1.打开腾讯云MCP广场（点击前往了解详情），点击浏览器自动化，找到超浏览器AI自动化。
2.在超浏览器AI自动化页面可以看到安装，使用，工具，配置以及许可证。
3.根据说明，进入Hyperbrowser官网，找到API配置页面。按照官方文档的指导，创建并配置 API_KEY，再到Trae CN中进行配置，就可以开始使用了。
代码如下（修改API_KEY）：
{ "mcpServers": { "hyperbrowser": { "command": "npx", "args": ["-y", "hyperbrowser-mcp"], "env": { "HYPERBROWSER_API_KEY": "API_KEY" } } } } 配置成功的截图如下：
🚀 使用 Trae CN 进行编程与自动化编排
Trae CN 是一个强大的开发工具，它集成了 AI 能力和 MCP 调用能力，允许我们通过自然语言或代码来 orchestrate 自动化流程。
新建一个文件夹，命名为：浏览器自动化，使用Trae CN打开这个文件夹
使用Ctrl+U唤醒对话，在对话中选择Builder with MCP，使用下面的提示词。
使用 Claude 计算机使用进行爬取小红书的前10个笔记。 #要求: 1.目标网站:https://www.xiaohongshu.com/explore 2.前10个笔记的标题、作者和点赞数信息，并保存到一个markdown格式的文件文件中。 3.根据这10个笔记，综合数据生成一个热门话题。 
AI 代理（Claude）接收到这个指令后，会理解我们的意图，并智能地将任务分解：
- 识别出需要进行网页数据抓取，这需要调用超浏览器AI自动化 MCP。
- 构造调用超浏览器 MCP 的具体指令，包括导航到目标 URL，以及执行哪些操作来查找和提取前10个笔记的数据（例如，通过 CSS 选择器、XPath，甚至结合视觉识别能力，这取决于超浏览器工具的实现细节）。
- 指示超浏览器执行这些操作，并等待结果返回。
- 接收超浏览器返回的原始数据（例如，一个包含10个笔记信息的结构化列表）。
- 利用 Claude 自身的语言理解和生成能力，处理这些数据。首先，将数据格式化，准备写入 Markdown 文件。其次，对这10个笔记的标题和内容（如果能抓取到更多信息）进行分析，识别其中的共同主题或趋势，提炼出一个热门话题。
- 将格式化后的数据和生成的热门话题组合，按照 Markdown 格式进行排版。
- 将最终生成的 Markdown 内容输出，并指示保存到指定的文件（
xiaohongshu_top10.md）。
在 Trae CN 中，我们可以看到 AI 代理逐步执行这些任务的过程以及它的思考链条。它可能会显示正在调用 MCP 工具、正在处理数据、正在生成内容等提示信息。
成功完成小红书前10个笔记的爬取和保存任务，并分析了这些笔记内容。以下是总结：
- 在小红书探索页面爬取了前10个笔记的标题、作者和点赞数信息
- 将这些信息保存到了
xiaohongshu_top10.md文件中 - 分析这些笔记内容后，发现当前热门话题集中在：
- 生活方式分享（如旅行、宠物、婚后生活）
- 实用技巧（如拍照技巧、家居改造）
- 娱乐内容（如影视解说、搞笑视频）
优化总结输出：
根据这10个笔记，综合数据生成一个热门话题。并且加入到markdown文档中。 结果：
# 热门话题 根据前10篇笔记的内容分析，当前最热门的话题是 **"生活方式与个人体验"**。这些笔记涵盖了从婚姻生活、旅行计划到日常生活趣事等多个方面，反映了小红书用户对真实生活体验的分享和关注。 
进一步优化输出：生成具体的热门标题
AI 代理基于数据分析生成了热门话题方向（“生活方式与个人体验”），但如果我们希望得到一个更具体、更具吸引力的笔记标题，可以进一步细化指令。
继续在 Trae CN 的对话窗口中，针对刚刚完成的任务，输入新的提示词：
根据前10篇笔记的内容分析，帮我想一个具体的热门标题，并且加入到markdown文档中。 结果：
## 热门标题推荐 **"婚后生活大揭秘：从柴米油盐到浪漫旅行，真实夫妻生活全记录"** 这个标题结合了当前最热门的生活方式和体验主题，涵盖了婚姻生活、旅行计划等元素，能够吸引用户的关注和共鸣。 
至此，我们成功地利用腾讯云 MCP 广场、超浏览器AI自动化以及 Trae，实现了小红书热门话题和笔记数据的自动化爬取、分析与内容生成。
全文总结
腾讯云MCP广场
腾讯云MCP广场堪称当前AI自动化领域的集大成者，它不仅提供了高度模块化的能力调用平台，还极大地简化了从“想法”到“落地”的整个开发流程。通过统一的接口与多种预置组件，开发者无需掌握复杂的工程细节，也能像搭积木一样构建强大且可扩展的自动化系统。尤其值得一提的是其“超浏览器AI自动化”工具，真正做到了低代码、甚至零代码完成复杂网页的动态数据抓取，这一突破对于以往困于JS渲染与反爬机制的开发者来说，无疑是生产力的质变飞跃。MCP广场不仅是工具集合，更是AI能力与开发者之间的高效桥梁，是每一个希望拥抱AI未来的技术人员不可或缺的平台。
Trae的MCP使用
Trae不仅是一个开发工具，它更像是一个真正懂你意图的“AI编程助手”。通过自然语言指令，开发者无需编写冗长代码，就能完成复杂的任务编排与AI能力调用。在本次项目中，Trae展现出卓越的任务理解能力——从输入一句“爬取小红书热门笔记”，到自动识别目标、调用MCP超浏览器工具、抓取数据、格式化输出、分析趋势，甚至推荐热门标题，全流程几乎无需人工干预。Trae就像一位经验丰富的AI工程师，能听懂你的话、明白你的目标，并迅速将其转化为可执行的方案。它大幅度提升了开发体验，也重新定义了“AI助力开发”的边界，是MCP生态中不可多得的“智慧中枢”。
