Emotion Analyzer MCP
基于Bun的JavaScript情绪分析工具，集成AI模型调用能力。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Emotion Analyzer MCP。 它的用途是：基于Bun的JavaScript情绪分析工具，集成AI模型调用能力。 完整的 Skill 内容见：https://321skill.com/skills/emotion-analyzer-mcp/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“分析这段用户反馈：‘产品很好用，但客服响应太慢了。’的情绪。”，它会调用集成的情绪分析工具，返回这段文本的整体情感倾向（如消极）及可能的置信度。或者，在您的代码中直接引入该模块，调用相关函数即可获得结构化的情绪分析结果。
介绍
Emotion Analyzer MCP 是一个基于Bun运行时构建的JavaScript项目，旨在为开发者提供便捷的情绪处理功能。它主要解决了在开发需要情感分析的应用时，手动集成复杂AI模型和API的繁琐问题，让情绪分析功能的实现变得简单高效。
使用方式非常直接，开发者通过安装该Skill并配置好必要的API密钥后，即可在自己的JavaScript项目中调用其提供的函数，对文本内容进行情绪倾向（如积极、消极、中性）的分析。它封装了与底层AI模型的交互细节，提供了简洁的接口。
这个Skill特别适合那些需要在产品中快速集成情绪分析功能的全栈或后端开发者，例如开发社交媒体监控工具、客服系统情感分析模块或用户反馈自动分类系统的团队。它降低了情感AI技术的使用门槛。
在使用时，建议开发者注意其依赖的底层AI服务（如OpenAI）的调用成本和速率限制。对于需要高并发或处理海量数据的生产环境，应做好性能测试和错误处理。同时，情绪分析的结果具有一定的主观性，在关键决策场景中建议结合人工复核。
核心特点
核心区别在于其专为Bun运行时环境优化，提供了轻量、快速的JavaScript原生集成方案，避免了在Node.js环境中可能遇到的兼容性或性能开销问题。同时，它专注于情绪分析这一细分领域，接口设计更为专注和简洁。
注意事项
不适合需要离线运行、处理非文本数据（如图像、音频）或进行复杂情感维度（如喜悦、愤怒等细分情绪）深度分析的场景。
常见问题
这个工具支持分析哪些语言？
主要支持英文，对中文等语言的分析效果取决于底层集成的AI模型能力。
需要自己提供AI模型的API密钥吗？
是的，您需要自行获取并配置所依赖的AI服务（如OpenAI）的API密钥。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/emotion-analyzer-mcp/raw/index.md 读取 Emotion Analyzer MCP 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/emotion-analyzer-mcp/raw/index.md（查看排版版本）