28 февраля 2026 года я стоял у окна на 41-м этаже в JBR в Дубае и смотрел, как системы ПВО ОАЭ перехватывают иранские беспилотники прямо над моей головой. Полез в новости — в Google и Яндексе статья двухчасовой давности, Telegram‑каналы противоречат друг другу. Когда это происходит где‑то далеко, не придаёшь этому значения. Когда ты в центре событий, то хочешь знать оперативную информацию, желательно с push‑уведомлениями.
Начал с Telegram‑канала по Ближнему Востоку — агрегировал RSS мировых агентств. Быстро понял: 200+ статей в день руками не покроешь. Написал парсер. Добавил автоперевод. Потом IT‑источники, потом экономику. Так появился мой продукт — сайт агрегатор новостей с AI и MCP.
Что это такое?
Мультиязычный новостной агрегатор.
-
80+ источников: Reuters, Bloomberg, FT, Habr, iXBT, RBC, ТАСС…
-
Структура из 9 категорий и 50 тегов, на актуальные темы
-
Лента хронологическая, отражение темы со всех сторон без цензуры(но с официальных источников).
-
Мультиязычность: статья приходит на EN, автоматически переводится на RU, получает теги и появляется в ленте.
API и MCP‑сервер
Это то, чем проект отличается от обычного агрегатора.
Есть REST API с документацией (aitg.pro/apidocs): поиск, фильтрация по тегам/источникам/датам, полнотекстовый поиск с релевантностью.
Поверх работает MCP‑сервер(https://aitg.pro/mcp) — стандарт для подключения AI‑ассистентов к внешним данным.
MCP (Model Context Protocol) — стандарт от Anthropic, который позволяет AI‑ассистентам вроде Claude подключаться к внешним источникам данных. По сути — способ дать LLM доступ к инструментам.
Все инструменты возвращают типизированные данные через Pydantic‑модели (ArticleSummary, ArticleDetail, TagNode, SearchResult). Это важно для AI‑агентов: структурированный вывод вместо сырого JSON уменьшает ошибки парсинга и экономит токены.
MCP‑сервер можно вызывать и из браузера, и из Claude Desktop.
Например, подключаешь MCP к Claude, пишешь «Собери дайджест по AI за 3 дня» — получаешь структурированный отчёт. Агент сам находит тег, запрашивает статьи, читает полные тексты, формирует выжимку.
AI‑ассистент
AI‑чат, который ищет и анализирует новости в реальном времени.
Под капотом — DeepSeek, так как он в 15–30 раз дешевле при сопоставимом качестве для поиска и суммаризации. Для бесплатного продукта принципиально.
Нюанс архитектуры: агент не хардкодит инструменты, а динамически подгружает их из MCP каждые 5 минут. Добавил новый инструмент — агент на сайте подхватит автоматически.
Архитектура
FeedManager — отдельный сервис, который парсит RSS и пишет в MySQL.
Flask только читает. Парсер может зависнуть, упасть при дёрганом RSS‑источнике — фронтенд этого не замечает.
Проставление тегов реализовано в auto_tagger.py он читает из MySQL свежие статьи и пишет обратно теги. Поэтому на схеме двунаправленная стрелка — это не ошибка, а честное отражение того, что процесс и читает, и пишет в одну базу.
Реализован MCP‑сервер для AI‑агента и внешних потребителей.
Телеграмм бот живёт своей жизнью и по запросам пользователей отправляет новости.
Мультиязычность
Я собираю мировые новости, планирую сделать сайт международным и добавить 30 языков.
Переводы хранятся прямо в записи статьи как JSON‑колонка(это быстрее join):
{
"en": {"title": "...", "summary": "...", "content": "..."},
"ru": {"title": "...", "summary": "...", "content": "..."}
}Автоматическое проставление тегов 600 ключевых слов вместо нейросети
Для меня важно разметить все статьи по крупным тегам и далее по дочерним тегам:
Для экономии, вместо AI, применил keyword matching, потому что на таком объеме новостей LLM будет кушать много токенов и работать медленнее, а keyword matching стоит 0 денег, <1 мс на статью, точность: ~85%.
TAG_RULES = {
"ai": [
"artificial intelligence", " ai ", "neural network",
"deep learning", "искусственный интеллект", "нейросет",
],
"cybersecurity": [
"cybersecurity", "ransomware", "vulnerability",
"кибербезопасность", "уязвимость", "хакер",
],
# 47 тегов, ~600 ключевых слов (EN + RU)
}Ссылки
-
Сайт: aitg.pro
-
AI‑ассистент: aitg.pro/ru/ai
-
Telegram‑бот: @aitg_pro_bot
-
API Docs: aitg.pro/apidocs/
-
MCP‑сервер: aitg.pro/mcp
Автор: garbuzenko
