抖音爆款内容 MCP：像做 SEO 一样，既帮你选题，又帮你拆爆款结构

做内容的都知道，最难的不是“拍”，是“拍什么”和“怎么拍才火”。

做 SEO 的人有个成熟打法：先找关键词（写什么），再分析排名靠前的页面（怎么写才能排上去）。数据驱动，不靠拍脑袋。但做短视频的人大多还在靠“刷到啥拍啥”、“感觉这能火”。缺的就是这套“找词 + 拆结构”的工具。

所以我们做了一个 抖音爆款内容 MCP——把“选题”和“拆爆款”这两件事，都做成数据驱动的流程。

为什么现在需要这个东西

先说说创作者圈子的现状，你就明白这个工具的出发点。

短视频的红利期过去了。前两年随便拍点东西都有人看，现在流量变贵、竞争变卷，真正拉开差距的不再是“能不能拍”，而是选题和结构。同样一个话题，选题角度不同、开头钩子不同，数据能差一个量级。

而选题这件事，大多数人还在靠三种原始方法：

• 刷榜单：花一两个小时翻热榜、翻对标账号，凭感觉记几个话题；
• 跟风：看到谁爆了就跟谁，但往往追的时候热度已经过了；
• 拍脑袋：开会头脑风暴，讨论出来的选题往往同质化严重。

这三种方法都缺一样东西——数据。没有数据，选题就是玄学。SEO 圈早就把这件事做成了流水线，内容圈却还停留在手工业阶段。

它解决什么问题

SEO 里，一套完整流程是两段：找词 + 分析竞品。抖音内容其实也一样：

这个 MCP 就是让 AI agent 能拿到这些信号，回答创作者最常卡住的两个问题：“我现在该拍什么” 和 “这条爆款到底做对了什么”。

它做什么

一句话：把抖音的内容趋势数据 + 爆款结构数据接进 AI，让 agent 帮你做选题调研和爆款拆解。

第一块：找趋势、定选题（像 SEO 找词）

• 当前正在起量的话题、标签、BGM
• 某个题材的热度趋势（上升期还是衰退期）
• 同类爆款内容的共性特征（时长、题材、人群）
• 结合你的账号定位，给出可执行的选题建议

你不需要手动翻榜单，直接问 agent：“最近一周美妆赛道在起什么量？给我 5 个适合我账号的选题方向。” 它就能基于数据回答。

第二块：拆爆款结构（像 SEO 分析竞品页面）

把一条爆款视频交出去，agent 能拆出它“为什么火”：

• 开头钩子：前 3 秒是怎么留人的（抛冲突？制造悬念？反常识？）
• 叙事结构：冲突—发展—反转—收尾的节奏是怎么铺的
• 节奏：镜头切换频率、信息密度、情绪起伏点在哪
• 结尾引导：怎么诱导关注、评论、转发
• 可复用模板：把上面这些抽象成“钩子公式 + 结构模板”，下次照着套

这一步把“看完一百条爆款，自己悟规律”的过程，压缩成“让 agent 直接给你拆好的结构”。

一个具体例子

为了说清楚它到底怎么用，举个美妆赛道的例子。

你是一个美妆垂类账号，最近不知道拍什么。你直接在 Claude 里问：

“最近美妆赛道在起什么量？结合我账号（平价国货测评）给我 3 个选题，再拆一条对标爆款的结构。”

agent 会先查趋势，给你类似这样的结论：

• 正在起量的标签：#早八伪素颜、#百元以内国货；
• 上升期的话题：平价国货 vs 大牌平替（近一周互动量上涨明显）；
• 建议选题：①“3 款百元国货，实测能不能平替大牌”；②“早八 5 分钟伪素颜，全程用国货”；③“国货里被低估的 3 个单品”。

接着你让它拆那条对标爆款，它会给出一套结构：开头用“我花了 X 元把某大牌全部换成了国货”制造反差，中间三段实测对比，结尾抛一个争议点引导评论。你就照着这个框架去写脚本，而不是从零开始想。

这就是这个 MCP 的价值：把”选题 + 结构“从玄学变成可复用的流水线。

为什么做成 MCP，而不是又一个数据后台

数据后台的问题在于：你得自己会看、会分析。MCP 的价值是让 AI 来做分析这一步。

接成 MCP 之后，agent 能串起一整条工作流：

• 查趋势，找到正在起量的话题；
• 结合你的账号定位，筛出适合你的选题；
• 拉同类爆款，拆出它们的开头钩子和叙事结构；
• 直接产出选题 + 钩子 + 脚本框架。

等于把一个”懂数据的内容策划 + 爆款分析师“装进了你的 AI 工作流。跟 SEO 工具链思路完全一致——一个服务写文章的人，一个服务做短视频的人。

和现有做法比，差在哪

适合谁

• MCN / 内容策划：批量产出数据支撑的选题，并拆解爆款结构给团队复用，降低对”灵感“的依赖。
• 个人创作者：不知道拍什么、拍了不火的时候，让 agent 给方向和拆解。
• 矩阵号团队：快速判断哪些赛道值得进，哪些已经退潮，并把已验证的爆款结构复制到新账号。
• 代运营 / 服务商：把”选题 + 结构“作为标准化交付物，提高客单和交付效率。

常见问题

• 数据从哪来？ 接的是抖音公开的内容与趋势数据，做清洗和结构化后交给 agent，不采集任何个人隐私信息。
• 怎么接入？ 它是个标准的 MCP 服务，接 Claude Desktop、Cursor、Codex、Workbuddy 等任意支持 MCP 的客户端即可，无需额外开发。
• 和写文章用 AI 有什么区别？ 写文章是让 AI 直接产出内容；这个 MCP 是给 AI 喂”选题和结构“的数据，让产出有数据支撑，而不是空想。
• 收费吗？ 上线初期会提供免费额度，具体以正式发布为准。

现状与展望

目前聚焦两件事：找趋势定选题 + 拆爆款结构。后续会延伸到”内容复盘“（这条为什么爆/为什么不爆）和”标题脚本直接优化“（让 agent 直接改），形成”选题 → 拆解 → 生产 → 复盘“的闭环。

数据落地：用 JSONGuy 把内容聚合成 JSON 结构化数据给 agent 用

上面这些趋势数据和爆款拆解，本质都是一堆结构化数据。要让 agent 真正用起来，得先把它们整理成干净、可解析的 JSON——这里我们直接用 JSONGuy 来做落地。

JSONGuy 是个纯前端的 JSON 格式化、校验、修复工具，正好接在这个 MCP 后面当”数据整理层“：

• 把抖音趋势、爆款结构这些原始输出，格式化成规范 JSON，agent 直接消费；
• 数据里经常混着 Python dict、JSON5，甚至是残缺的 JSON，JSONGuy 都能归一化成标准 JSON；
• 自带 JSON 修复能力，脏数据不会再把 agent 的工作流卡住。

整条链路串起来就是：抖音内容 → 聚合成 JSON 结构化数据 → 接入 Workbuddy / Codex / Cursor / Claude 直接使用。选题、拆结构、看趋势，全都变成 agent 一句话的事。

如果你已经在用这些客户端做内容策划，不妨把 JSONGuy 和这个 MCP 一起接进工作流试试。