DeFi-Exploits kündigen sich nicht nach einem Zeitplan an. Wenn eine Bridge geleert wird oder ein Lending-Protokoll eine Auslastung von 100 % erreicht, zeigen sich die ersten Signale in sozialen Daten: plötzliche Erwähnungsspitzen, Verschiebungen der Sentiment-Themen und kettenübergreifendes Gerede, das sich schneller verbreitet als jede offizielle Post-Mortem-Analyse. Der LunarCrush MCP server ermöglicht es Ihnen, diese soziale Signalschicht direkt in Claude einzubinden und so Konversationsintelligenz in einen programmierbaren Risiko-Monitor zu verwandeln.
Dieses Tutorial führt Sie durch den Aufbau dieses Systems von Grund auf. Jeder Schritt enthält den genauen Prompt, den Sie verwenden sollen, wie die Ausgabe aussieht und wo der Workflow visuell wird.
Schritt 1: Verbinden Sie den LunarCrush MCP Server mit Claude
Bevor Sie Live-Social-Daten abfragen können, benötigt Claude Zugriff auf den LunarCrush MCP server. Navigieren Sie zu https://lunarcrush.com/developers/api/ai und folgen Sie den Einrichtungsanweisungen für Ihre Umgebung (Claude Desktop, Claude Code oder die API über das Anthropic SDK).
Sobald die Verbindung hergestellt ist, überprüfen Sie diese, indem Sie eine einfache Testabfrage ausführen.
Zu verwendender Prompt:
Was Sie sehen sollten: Claude gibt eine strukturierte Antwort zurück, die den aktuellen Preis von Ethereum, den Galaxy Score, den AltRank, den Sentiment-Prozentsatz, die soziale Dominanz, die Engagement-Anzahl, die Erwähnungsanzahl, die Erstelleranzahl und KI-generierte Sentiment-Themen mit prozentualen Gewichtungen enthält.
Wenn Sie diese Ausgabe sehen, funktioniert Ihre MCP-Verbindung. Wenn Claude angibt, die LunarCrush-Tools nicht finden zu können, überprüfen Sie den MCP-Konfigurationsschritt erneut.
Schritt 2: Legen Sie Ihre Basis-Metriken fest
Ein Risikowarnsystem muss wissen, wie „normal“ aussieht, bevor es Anomalien kennzeichnen kann. Rufen Sie Basisdaten für die DeFi-Assets ab, die Sie überwachen möchten.
Zu verwendender Prompt:
Was Sie sehen sollten: Eine Rangliste der DeFi-Token nach AltRank, gefolgt von detaillierten Zusammenfassungen für die Top 5. Notieren Sie diese Zahlen als Ihre Basislinie. Wichtige Felder zur Verfolgung: AltRank (Tagesdurchschnitt vs. aktuell), Sentiment-Prozentsatz, Erwähnungsanzahl (Wochentrend) und die Aufschlüsselung der Sentiment-Themen.
Warum das wichtig ist: Wenn der AltRank eines Protokolls um 30 % oder mehr unter seinen Tagesdurchschnitt fällt oder wenn sich seine Sentiment-Themen von mehrheitlich unterstützend zu mehrheitlich kritisch verschieben, hat sich etwas geändert. Sie benötigen die Basislinie, um diese Verschiebung zu erkennen.
Schritt 3: Erstellen Sie Ihre Überwachungsabfrage
Erstellen Sie nun den Prompt, der als Ihre wiederkehrende Risikoprüfung dient. Dies ist der Kern Ihres Warnsystems.
Zu verwendender Prompt:
Was Sie sehen sollten: Ein strukturierter Bericht für jedes Asset, gefolgt von einer klaren Flag/No-Flag-Bewertung. Wenn eine Flag ausgelöst wird, ruft Claude die relevanten Posts ab und liefert Ihnen die spezifische Narrative, die die Warnung antreibt.
Hinweis zur Anpassung: Passen Sie die Schwellenwerte an Ihre Risikotoleranz an. Ein Schwellenwert von 25 % für kritische Themen erfasst signifikante Ereignisse, ohne Sie in Rauschen zu ertränken. Senken Sie ihn auf 15 %, wenn Sie frühere Warnungen wünschen. Fügen Sie der Abfrageliste weitere Assets hinzu, basierend auf Ihrem Portfolio oder Ihren Abdeckungsbedürfnissen.
Schritt 4: Cross-Chain-Kontagionserkennung hinzufügen
Die Überwachung einzelner Chains übersieht kaskadierende Ereignisse. Der Kelp DAO-Exploit entstand auf Ethereum, traf aber innerhalb weniger Stunden die Solana-Kreditmärkte. Ihr System sollte erkennen, wenn sozialer Stress gleichzeitig auf mehreren Chains auftritt.
Zu verwendender Prompt:
Was Sie sehen sollten: Eine kettenübergreifende Vergleichstabelle, die Sentiment-Themen nebeneinander zeigt, wobei überlappende kritische Narrative hervorgehoben werden. Während eines Kontagionsereignisses werden Sie exploit-bezogene oder liquiditätsbezogene Themen sehen, die gleichzeitig auf zwei oder mehr Chains erscheinen.
Warum das wichtig ist: Kein Single-Protokoll-Dashboard zeigt Ihnen kettenübergreifende soziale Korrelationen. Wenn Ethereum und Solana am selben Tag soziale Signale über eine Kreditnutzung von 100 % generieren, ist das ein systemischer Risikoindikator, den einzelne Chain-Monitore übersehen würden.
Schritt 5: Richten Sie einen wiederkehrenden Zeitplan ein
Ein Risikosystem, das nur läuft, wenn Sie daran denken, es zu überprüfen, ist kein Risikosystem. Nutzen Sie die Planungsfunktionen von Claude oder erstellen Sie einen Cron-basierten Workflow, der Ihre Überwachungsabfrage in regelmäßigen Abständen ausführt.
Zu verwendender Prompt:
Für Entwickler, die die API direkt verwenden: Sie können die LunarCrush API-Endpunkte programmatisch nach einem Zeitplan aufrufen (lunarcrush.com/api) und die Ergebnisse in jedes beliebige Warnsystem leiten: Slack-Webhooks, E-Mail, Discord-Bots oder ein benutzerdefiniertes Dashboard. Der MCP server ist der schnellste Weg für Claude-native Workflows, aber die zugrunde liegenden Daten sind dieselben.
Schritt 6: Testen Sie mit einem realen Szenario
Bevor Sie dem System vertrauen, validieren Sie es anhand eines bekannten Ereignisses. Der Kelp DAO-Exploit von dieser Woche ist ein guter Testfall.
Zu verwendender Prompt:
Was Sie sehen sollten: Eine Zeitleiste, die zeigt, wie sich die Sentiment-Themen von mehrheitlich unterstützend zu einem Anstieg kritischer Themen verschieben, die den Exploit, die Bridge-Kompromittierung, die gefangene Liquidität und eine Auslastung von 100 % erwähnen. Der Post-Feed sollte die Entwicklung von frühen Warnungen zu einer ausgewachsenen Krisendiskussion zeigen.
Wenn Ihre Überwachungsabfrage zum richtigen Zeitpunkt eine Flag ausgelöst hätte, sind Ihre Schwellenwerte korrekt kalibriert. Wenn sie es verpasst hätte, passen Sie sie nach unten an.
Was Sie aufgebaut haben
An diesem Punkt haben Sie ein funktionierendes System, das: alle paar Stunden Live-Social-Daten über mehrere Chains hinweg abfragt, aktuelle Metriken mit Basislinien vergleicht, Anomalien mithilfe von drei unabhängigen Triggern (Sentiment-Themen, Erwähnungsspitzen, AltRank-Schwächung) kennzeichnet, kettenübergreifende Kontagion durch den Vergleich kritischer Narrative über Ökosysteme hinweg erkennt und die tatsächlichen Posts abruft, die das Signal antreiben, damit Sie die Schwere selbst beurteilen können.
Die Masse reagiert auf DeFi-Exploits schneller als jeder offizielle Kanal. Ihre Aufgabe ist es, ein System zu haben, das diese Reaktion strukturiert abhört. Der LunarCrush MCP server macht die Daten programmierbar. Claude automatisiert die Analyse. Die Kombination verwandelt soziales Rauschen in eine Risikoschicht, auf die Sie reagieren können.
Bauen Sie mit diesen Daten über die LunarCrush API unter https://lunarcrush.com/products/lunarcrush-api oder ziehen Sie sie direkt in Claude über die LunarCrush MCP-Integration unter https://lunarcrush.com/products/lunarcrush-mcpserver.