$ loading_
为兼容 MCP 的 AI 助手提供实体级情感分析、文档聚类与主题命名能力
复制安装指令，让 AI 自动完成配置 · 推荐新手
"sentor-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请读取这批用户评论，按实体进行情感分析，将相似评论聚类，并为每个聚类生成清晰的主题名称，最后输出摘要表。
返回包含实体情绪倾向、评论聚类结果、主题名称及总体洞察的结构化摘要。
把这些访谈纪要按讨论主题自动聚类，识别每个主题涉及的关键实体及其情绪，并给出适合汇报使用的主题标题。
输出分组后的访谈主题、每组核心实体与情绪判断，以及可直接用于报告的主题命名。
对这批新闻与社媒文本做实体级情感分析，按内容相似度聚类，并为每类自动命名，帮助我快速识别主要舆情方向。
生成按主题分类的舆情结果，展示主要实体、情绪分布和每个主题的命名标签。
帮助 AI 助手通过 Senja API 管理、查询并创建用户推荐证言。
通过自然语言调用 Sentio 的网页、数据、价格与告警能力，查询并管理资源。
提供问候与回显等基础交互能力，便于快速测试 MCP 工具连接。
连接 Sentry 以查询错误、事件、发布与项目状态，辅助排障与质量追踪
帮助 AI 深度理解文档内容，提取文本、分析结构并识别关键信息。
实时分析模型输入输出，拦截提示词注入、数据泄露与钓鱼风险。