增强 · 实时数据TikTok Agent

TikTok 数据 Skill

通过 UnifAPI MCP 读取 TikTok 公开数据:用于达人与趋势研究的 tiktok/... 操作、响应结构与注意事项。绝不发帖。

Agent 原生

在 Claude、ChatGPT 自定义 MCP 应用、OpenClaw、Hermes、Codex、Claude Code、Cursor、VS Code 或其他支持 MCP 的客户端中运行它。无需专门的 GUI 流程,也无需单独的 LLM API 密钥。

由实时公开数据支撑

每一步都建立在 UnifAPI 返回的实时公开数据记录之上,因此输出会引用真正在排名、在发布或正在被讨论的内容——而不是一份泛泛的最佳实践清单。

可组合且开源

Skills 相互交叉引用,并存放在一个公开的、MIT 风格的仓库中。在 GitHub 上阅读完整的 SKILL.md、fork 它,或原样在你的 Agent 中运行它。

运行提示词

把它粘贴进 Codex 或 Claude Code

这段提示词有意可自由编辑。替换其中的用户名、市场、预算与活动目标,然后让 Agent 在需要实时公开数据时调用 UnifAPI MCP。

Using the TikTok Data Skill, research creators for a skincare niche: search users and videos for the topic, resolve the strongest handles to ids, read their follower and video engagement, and surface rising hashtags. Return a cited brief. Read-only.
这个 skill 如何运作

由 SKILL.md 渲染出的完整 skill

通过 UnifAPI 读取公开 TikTok 数据的确定性读取路径。这是一个 Data Skill:它本身不运行营销任务——它点明具体的 tiktok/... 操作、响应形态和坑点, 让任何创作者优先或趋势优先的工作流(候选名单、受众契合、需求雷达、本地热度) 都从一份已知的配方读取,而不必每次都重新摸索这个面。

只读——眼睛,而非双手。它调研公开 TikTok 数据并返回带引证的记录;它绝不发帖、 评论或关注,且 UnifAPI 绝不持有 TikTok 凭据。

用 unifapi skill 获取实时证据

通过共享的 unifapi skill 连接一次(OAuth MCP),然后调用下面的操作。 TikTok 用户和视频以数字 id 为键——先把一个 @handle 或视频 URL 解析为其 id (见坑点)。保留任何 billing 元数据,以便输出能陈述记录成本。

响应契约

单实体端点在 data 中返回对象:

{
  "request_id": "unif_...",
  "data": {},
  "billing": { "records_charged": 1, "balance_remaining": 99 }
}

列表端点在 data 中返回数组,外加 pagination:

{
  "request_id": "unif_...",
  "data": [],
  "pagination": { "has_more": false, "next_cursor": null },
  "billing": { "records_charged": 1 }
}

当 pagination.has_more 为 true 时,把 pagination.next_cursor 作为下一个请求的 cursor 传入(limit 设定页面大小)。始终保留 billing。

核心操作

需求操作
解析 handle → idtiktok/users/resolve (?username=...)
解析视频 URL → idtiktok/videos/resolve (?url=...)
搜索视频 / 用户tiktok/search/videos · tiktok/search/users (?q=...)
搜索话题标签 / 混合tiktok/search/hashtags · tiktok/search (?q=...)
创作者主页tiktok/users/{id}
创作者视频tiktok/users/{id}/videos
粉丝 / 关注 / 点赞tiktok/users/{id}/followers · .../following · .../likes
视频 + 反应tiktok/videos/{id} · tiktok/videos/{id}/comments
话题标签信息流tiktok/hashtags/{id} · tiktok/hashtags/{id}/videos
音乐信息流tiktok/music/{id} · tiktok/music/{id}/videos

需要这里没列出的字段?在调用前用 unifapi skill 的 get_operation 读取确切的 schema——但要从这张表里挑操作,不要盲目摸索。

工作流

确定性的配方。挑选与任务匹配的那一个;每一个都精确点名要调用什么。

  1. 按话题发现。 为该细分领域调用 tiktok/search/videos?q=...、 tiktok/search/users?q=... 或 tiktok/search/hashtags?q=...; 用 tiktok/search?q=... 获取混合结果。
  2. 解析一个创作者。 调用 tiktok/users/resolve?username=... 拿到数字 id, 然后用 tiktok/users/{id} 获取 follower_count、like_count 和 video_count。
  3. 读取互动。 调用 tiktok/users/{id}/videos;每个 Video 都带有 view_count、like_count、comment_count 和 share_count——按视频计算 互动量。通过 next_cursor 翻页。
  4. 读取一条视频及其反应。 调用 tiktok/videos/{id}(先用 tiktok/videos/resolve?url=... 解析 URL),然后用 tiktok/videos/{id}/comments 获取情绪。
  5. 追踪趋势。 调用 tiktok/hashtags/{id} 获取 video_count/view_count, 并用 tiktok/hashtags/{id}/videos(或 tiktok/music/{id}/videos)获取某个标签 或声音上正在传播的内容。
  6. 绘制网络图。 调用 tiktok/users/{id}/followers、.../following 或 .../likes 做触达和亲和度分析。
  7. 引证一切。 每个数字都回溯到它所源自的视频或主页;报告 billing.records_charged(在缺少计费元数据时进行估算)。

形态说明

  • User —— username、display_name、follower_count、following_count、 like_count、video_count、is_verified、is_private、region。
  • Video —— video_description、view_count、like_count、 comment_count、share_count、duration、author、music、hashtags、 create_time。
  • Hashtag —— name、video_count、view_count、is_commerce。
  • Music —— title、author、is_original。

坑点

  • TikTok 用户和视频以数字 id 为键。在任何 tiktok/users/{id}/... 或 tiktok/videos/{id}/... 调用之前,用 tiktok/users/resolve?username=... 解析 @handle,用 tiktok/videos/resolve?url=... 解析视频 URL。
  • tiktok/videos/batch 是 POST(id 在 body 中),不是 GET——用它一次性 填充多个视频 id。
  • 私密创作者(is_private)会限制你能读取的内容——把它指出来。
  • 余额不足可能静默截断列表页:检查 billing.truncated_due_to_balance—— 当其为 true 时该页是不完整的,因此在信任任何计数之前先充值。

输出

返回调用方工作流所需的记录,每条都引证到它的视频或主页,外加一行成本说明 (records_charged)。当本 skill 被直接使用时,默认给出一份紧凑的创作者摘要:

**@handle** — {followers} followers, {videos} videos. Recent videos: avg {views} views / {likes} likes / {comments} comments. Rising tags: {#hashtags}. Evidence: {video URLs}. Records: ~{N}.

相关 skills

  • creator-shortlist、audience-fit-check(Influencer Marketing)—— 在这条读取路径之上对 TikTok 创作者做候选名单和甄别。
  • social-listening-brief(Social Listening)、treatment-demand-radar、menu-demand-radar、restaurant-local-buzz(垂直领域)—— 优先读取 TikTok 的趋势和需求工作。
  • unifapi —— 共享的数据 skill:连接 MCP 并用 get_operation 查找确切的 schema。

源码:GitHub 上的 tiktok/SKILL.md——可在那里提交 PR 来改进它。

公开数据工具

这个 skill 调用的实时 API

这个 skill 提到的每个操作都属于这些 UnifAPI 平台之一——它们对于产品代码、调试与自定义 Agent 流程仍然可见、可调用。

  • 针对每个常见创作者/趋势读取任务的具体 `tiktok/...` 操作
  • 面向用户、视频、话题标签、音乐的响应契约与结构说明
  • 确定性配方:解析创作者、读取互动、发现趋势
  • 平台注意事项(先把用户名解析为 id、游标分页、计费)