xiaohongshu-mcp-python
xiaohongshu-mcp-python 是一个基于现代 Python 技术栈开发的小红书内容自动化发布工具,通过 Model Context Protocol(MCP)协议为 AI 客户端提供强大的小红书操作能力。项目核心功能包括小红书账户登录管理、图文内容发布、视频内容发布、内容搜索与获取、帖子详情查看以及评论互动等。支持多种图片格式(JPG、PNG、GIF)和视频格式(MP4、MOV、AVI),既可处理本地文件路径,也支持 HTTP/HTTPS 链接,为用户提供灵活的内容发布方案。 该工具特别适合内容创作者、营销人员和开发者使用,能够显著提升小红书内容发布的效率和自动化程度。通过标准化的 MCP 接口,用户可以轻松地将小红书操作能力集成到各种 AI 工作流中,实现智能化的内容管理
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Badge for your README
Markdown
[](/listings/luyike221--xiaohongshu-mcp-python)HTML
<a href="/listings/luyike221--xiaohongshu-mcp-python"><img src="/api/listings/luyike221--xiaohongshu-mcp-python/badge.svg" alt="findsafeskills safety rating" /></a>Install
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
README.md · README · 845 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- # 🚀 AI 社交媒体运营全栈解决方案
- <div align="center">
- 
- 
- 
- **🤖 AI驱动的智能社交媒体运营平台 | 让AI帮你运营小红书**
- [快速开始](#-快速开始) • [项目架构](#-项目架构) • [核心功能](#-核心功能) • [使用指南](#-使用指南)
- </div>
- ---
- ## ✨ 项目简介
- 这是一个**完整的AI社交媒体运营解决方案**,由六个强大的项目组成,实现从内容生成、图像视频创作、平台操作到AI智能调度的全链路自动化。
- ### 🎯 核心价值
- - **🤖 AI自主运营**:AI模型自主决策和执行运营任务,无需人工干预
- - **🔄 事件驱动**:智能响应用户请求、平台通知、定时任务等多种事件
- - **📊 数据驱动**:基于数据分析自动优化内容策略和发布时机
- - **🔌 模块化设计**:内容生成、平台操作、AI调度三层架构,灵活可扩展
- - **🎨 内容创作**:AI自动生成图像和视频,支持完整的内容创作流程
- - **📱 多平台支持**:支持小红书、抖音、快手等平台(逐步扩展)
- - **🛠️ Skills 技能管理系统**:采用 `xhs-image-mcp/src/image_video_mcp/skills/` 技能管理架构,通过 Markdown 文件组织和管理提示词技能,支持动态加载、参数格式化,实现提示词的模块化和可复用化
- ---
- ## 📖 使用指南
- ### 场景一:生成内容、图片、并发布于小红书
- ```
- [新对话] 请输入消息: 写个单身程序员如何找富婆的小红书,配9张图,其中有核心图有类似狂飙中大嫂陈舒婷
- 📤 发送中...
- 📥 最终生成的小红书
- ```
- **最终发布的小红书:**
- 
- 
- ## 🏗️ 项目架构
- 本仓库包含六个独立但协同工作的项目:
- ### 1️⃣ **ai_social_scheduler** - AI 调度核心层
- **定位**:上层智能调度系统,AI自主决策和执行运营任务
- - 🤖 **AI自主驱动**:AI模型分析运营目标,自动生成和执行计划
- - 🔄 **事件响应**:支持用户请求、平台通知、定时任务等多种事件
- - 📊 **策略优化**:基于数据分析自动调整内容策略
- - 🎨 **内容创作**:AI生成内容创作计划,调用底层服务执行
- - 📈 **数据分析**:内容表现分析、趋势识别、热点追踪
- - 🌐 **HTTP API 服务**:提供 FastAPI 接口,支持 HTTP 调用
- - 💬 **交互式聊天**:提供命令行聊天客户端,方便快速体验
- **核心文件**:
- - **`run.py`**:启动 FastAPI 服务器,提供 HTTP API 接口(默认端口 8012)
- - **`chat.py`**:交互式聊天客户端,通过命令行与 AI Agent 对话
- **适用场景**:需要AI智能运营和自动化调度的场景
- ### 2️⃣ **xhs-content-generator-mcp** - 小红书内容生成 MCP 服务层
- **定位**:内容文案生成引擎,提供AI内容创作能力
- - ✍️ **内容生成**:基于主题生成小红书笔记、标题、描述等内容
- - 🎯 **多类型支持**:支持笔记、标题、描述等多种内容类型
- - 🚀 **FastMCP框架**:使用 FastMCP 快速构建 MCP 服务
- - 🔌 **MCP协议实现**:完整支持 Model Context Protocol 规范
- - 🎨 **智能创作**:AI驱动的智能内容创作
- **适用场景**:需要AI生成小红书文案和内容的场景
- ### 3️⃣ **xhs-browser-automation-mcp** - 小红书浏览器自动化 MCP 服务层
- **定位**:平台操作引擎,提供小红书平台的具体操作能力
- - 🎯 **MCP协议实现**:完整实现 Model Context Protocol 规范
- - 🚀 **高性能**:基于 Playwright 的异步浏览器自动化
- - 📝 **内容发布**:支持图文、视频内容发布
- - 🔍 **内容管理**:搜索、获取、互动等完整功能
- - 🔐 **账户管理**:登录、会话保持、自动重连
- **适用场景**:需要直接操作小红书平台的场景
- ### 4️⃣ **xhs-image-mcp** - 图像生成 MCP 服务层
- **定位**:AI图像生成引擎,提供高质量图像创作能力
- - 🎨 **图像生成**:基于提示词生成高质量图像(支持通义万相)
- - 🚀 **FastMCP框架**:使用 FastMCP 快速构建 MCP 服务
- - 🔌 **MCP协议实现**:完整支持 Model Context Protocol 规范
- - 🛠️ **Skills 技能管理系统**:采用 `src/image_video_mcp/skills/` 架构,通过 Markdown 文件组织和管理提示词技能,支持动态加载、参数格式化,实现提示词的模块化和可复用化
- - 📝 **Prompt模板**:提供5个预定义的Prompt模板
- - 📦 **Resource资源**:提供6个预定义的Resource资源(风格预设、配置模板等)
- - 🎯 **Resource Template**:提供8个预定义的Resource Template模板,支持动态参数访问
- - ⚙️ **灵活配置**:支持自定义尺寸、种子、负面提示词等参数
- **适用场景**:需要AI生成图像内容的场景
- ### 5️⃣ **xhs-video-mcp** - 视频生成 MCP 服务层
- **定位**:视频生成引擎,借鉴 MoneyPrinterTurbo 的视频生产逻辑
- - 🎬 **自动生成视频脚本**:使用 LLM 生成视频脚本
- - 🔍 **自动生成搜索关键词**:智能生成视频素材搜索关键词
- - 🗣️ **文本转语音(TTS)**:支持 edge-tts,多种语音选择
- - 📝 **自动生成字幕**:自动为视频添加字幕
- - 📥 **素材下载**:从 Pexels/Pixabay 下载视频素材
- - ✂️ **视频合成**:拼接、添加字幕、背景音乐、转场效果
- - 📱 **多尺寸支持**:支持竖屏(9:16)和横屏(16:9)
- - ⚡ **GPU加速**:支持NVENC硬件编码加速
- **适用场景**:需要AI生成剪辑风格视频的场景
- ### 6️⃣ **xhs-data-collector-mcp** - 数据收集 MCP 服务层
- **定位**:数据收集和分析引擎
- - 📊 **数据收集**:收集平台数据,支持运营分析
- - 🔍 **数据分析**:内容表现分析、趋势识别
- - 📈 **数据可视化**:提供数据统计和可视化功能
- **适用场景**:需要数据收集和分析的场景
- ### 🔗 协同工作
- ```
- ┌─────────────────────────────────────────────────────────┐
- │ AI Social Scheduler (智能调度层) │
- │ - AI决策引擎 │
- │ - 事件监听器 │
- │ - 任务调度器 │
- │ - 策略管理器 │
- └───┬──────────┬──────────┬──────────┬──────────┬────────┘
- │ MCP协议 │ MCP协议 │ MCP协议 │ MCP协议 │ MCP协议
- ↓ ↓ ↓ ↓ ↓
- ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐
- │xhs-content │ │xhs-image-mcp │ │xhs-video-mcp │ │xhs-browser- │ │xhs-data- │
- │generator │ │(图像生成) │ │(视频生成) │ │automation-mcp │ │collector-mcp │
- │ │ │ │ │ │ │(平台操作) │ │(数据收集) │
- │- 内容生成 │ │- 图像生成 │ │- 视频脚本生成 │ │- 内容发布 │ │- 数据收集 │
- │- 文案创作 │ │- Prompt模板 │ │- TTS语音合成 │ │- 内容搜索 │ │- 数据分析 │
- │ │ │- Resource │ │- 视频合成 │ │- 用户互动 │ │- 趋势识别 │
- └──────────────┘ └──────────────┘ └──────────────┘ │- 账户管理 │ └──────────────┘
- └────────┬────────┘
- │ 浏览器自动化
- ↓
- ┌──────────┐
- │ 小红书平台 │
- └──────────┘
- ```
- ---
- ## 🎯 核心功能
- ### 🤖 AI 智能运营
- - **自主决策**:AI分析运营目标,自动生成内容创作计划
- - **智能调度**:根据数据表现自动调整发布策略和时机
- - **事件响应**:实时响应平台通知、用户请求、定时任务
- - **策略优化**:基于历史数据持续优化运营策略
- ### 🎨 内容生成
- - **图像生成**:基于提示词AI生成高质量图像
- - **视频生成**:基于提示词AI生成视频内容
- - **文案生成**:AI生成小红书笔记、标题、描述等内容
- - **参数定制**:支持自定义尺寸、种子、负面提示词等
- - **批量生成**:支持批量生成和异步处理
- ### 📝 内容发布
- - **图文发布**:支持多图片、标签、标题和描述
- - **视频发布**:支持视频上传、自动等待处理完成
- - **批量操作**:支持批量发布和定时发布
- - **内容管理**:搜索、获取、编辑内容
- ### 📊 数据分析
- - **表现分析**:阅读量、点赞、评论、转发等数据统计
- - **趋势识别**:内容趋势分析和热点识别
- - **用户洞察**:粉丝增长、互动率等用户数据
- - **策略建议**:基于数据自动生成优化建议
- ### 🔍 内容管理
- - **内容搜索**:关键词搜索小红书内容
- - **推荐获取**:获取首页推荐列表
- - **详情分析**:获取帖子详情和互动数据
- - **用户管理**:获取用户主页信息
- ---
- ## 🚀 快速开始
- ### 📋 环境要求
- - Python >= 3.11
- - uv 包管理器
- - 支持的操作系统:Linux, macOS, Windows
- ### 🔧 安装步骤
- 1. **克隆项目**
- ```bash
- git clone git@github.com:luyike221/xiaohongshu-mcp-python.git
- cd xiaohongshu-mcp-python
- ```
- 2. **安装 uv 包管理器**
- ```bash
- # macOS/Linux
- curl -LsSf https://astral.sh/uv/install.sh | sh
- # Windows
- powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
- ```
- 3. **安装项目依赖**
- **安装图像生成 MCP 服务:**
- ```bash
- cd xhs-image-mcp
- uv sync
- ```
- **安装视频生成 MCP 服务:**
- ```bash
- cd xhs-video-mcp
- uv sync
- ```
- **安装小红书内容生成 MCP 服务:**
- ```bash
- cd xhs-content-generator-mcp
- uv sync
- ```
- **安装小红书浏览器自动化 MCP 服务:**
- ```bash
- cd xhs-browser-automation-mcp
- uv sync
- uv run playwright install chromium
- ```
- **安装数据收集 MCP 服务:**
- ```bash
- cd xhs-data-collector-mcp
- uv sync
- ```
- **安装 AI 调度系统:**
- ```bash
- cd ai_social_scheduler
- uv sync
- ```
- ### ⚙️ 配置
- #### 图像生成 MCP 服务配置
- 在 `xhs-image-mcp` 目录下创建 `.env` 文件:
- ```env
- # 服务器配置
- MCP_HOST=127.0.0.1
- MCP_PORT=8003
- # 通义万相配置(图像生成)
- WANT2I_API_KEY=your_api_key
- WANT2I_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
- ```
- #### 视频生成 MCP 服务配置
- 在 `xhs-video-mcp` 目录下创建 `.env` 文件:
- ```env
- # LLM 配置
- LLM_PROVIDER=openai # 或 moonshot, deepseek
- OPENAI_API_KEY=your_openai_api_key
- OPENAI_MODEL_NAME=gpt-3.5-turbo
- # 视频素材配置(多个key用逗号分隔)
- PEXELS_API_KEYS=your_pexels_api_key_1,your_pexels_api_key_2
- PIXABAY_API_KEYS=your_pixabay_api_key
- # 视频配置
- VIDEO_OUTPUT_DIR=./output
- MATERIAL_CACHE_DIR=./cache/materials
- VIDEO_FPS=30
- VIDEO_GPU_ACCELERATION=false # 启用GPU加速(需要NVIDIA GPU和NVENC支持)
- VIDEO_CODEC=auto # 视频编码器: auto, libx264, h264_nvenc, hevc_nvenc
- ```
- #### 小红书内容生成 MCP 服务配置
- 在 `xhs-content-generator-mcp` 目录下创建 `.env` 文件(可选):
- ```env
- # 服务器配置
- MCP_HOST=0.0.0.0
- MCP_PORT=8001
- ```
- #### 小红书浏览器自动化 MCP 服务配置
- 在 `xhs-browser-automation-mcp` 目录下创建 `.env` 文件:
- ```env
- # 环境模式: development 或 production
- ENV=development
- # 服务器配置
- SERVER_HOST=127.0.0.1
- SERVER_PORT=8000
- # 默认用户
- GLOBAL_USER=your_username
- ```
- #### AI 调度系统配置
- 在 `ai_social_scheduler` 目录下创建配置文件:
- ```bash
- cp config/config.example.yaml config/config.yaml
- # 编辑 config/config.yaml 填入实际配置
- ```
- ### 🎯 启动服务
- #### 启动图像生成 MCP 服务
- ```bash
- cd xhs-image-mcp
- uv run python -m image_video_mcp.main
- ```
- 服务将在 `http://localhost:8003` 启动。
- #### 启动视频生成 MCP 服务
- ```bash
- cd xhs-video-mcp
- # 使用启动脚本(推荐)
- ./start.sh
- # 或使用 uv 命令
- uv run xhs-video-mcp
- # 或指定主机和端口
- uv run xhs-video-mcp --host 0.0.0.0 --port 8005
- ```
- 服务将在 `http://localhost:8005` 启动(默认端口)。
- #### 启动小红书内容生成 MCP 服务
- ```bash
- cd xhs-content-generator-mcp
- uv run python -m xhs_content_generator_mcp.main
- ```
- 服务将在 `http://localhost:8001` 启动(默认端口 8000,可通过参数指定)。
- #### 启动小红书浏览器自动化 MCP 服务
- ```bash
- cd xhs-browser-automation-mcp
- uv run python -m xiaohongshu_mcp_python.main
- ```
- 服务将在 `http://localhost:8000` 启动。
- #### 启动 AI 调度系统
- **方式一:启动 HTTP API 服务(推荐)**
- 使用 `run.py` 启动 FastAPI 服务器,提供 HTTP 接口:
- ```bash
- cd ai_social_scheduler
- uv run python run.py
- ```
- 服务将在 `http://0.0.0.0:8012` 启动,提供以下接口:
- - `POST /api/v1/chat` - 聊天接口,发送消息获取 AI 回复
- **方式二:使用交互式聊天客户端**
- 使用 `chat.py` 启动交互式命令行客户端:
- ```bash
- cd ai_social_scheduler
- uv run python chat.py
- ```
- 启动后可以:
- - 直接输入消息与 AI Agent 对话
- - 输入 `quit` 或 `exit` 退出
- - 输入 `reset` 重置对话线程
- **方式三:直接运行主程序**
- ```bash
- cd ai_social_scheduler
- uv run python main.py
- ```
- ---
- ## 📖 使用指南
- ### 场景一:使用内容生成服务
- 如果你需要生成小红书内容,可以使用 `xhs-content-generator-mcp`:
- ```python
- # 通过 MCP 客户端调用
- {
- "tool": "generate_content",
- "parameters": {
- "topic": "春日美食",
- "content_type": "note"
- }
- }
- ```
- ### 场景二:直接使用小红书浏览器自动化 MCP 服务
- 如果你只需要直接操作小红书平台,可以使用 `xhs-browser-automation-mcp`:
- ```python
- # 通过 MCP 客户端调用
- {
- "tool": "xiaohongshu_publish_content",
- "parameters": {
- "title": "春日美景",
- "content": "分享今天拍摄的美丽春景!",
- "images": ["/path/to/image1.jpg", "/path/to/image2.jpg"],
- "tags": ["春天", "摄影", "美景"]
- }
- }
- ```
- ### 场景三:使用 AI 智能运营
- 如果你需要AI自主运营,可以使用 `ai_social_scheduler`:
- **方式一:使用交互式聊天客户端(最简单)**
- ```bash
- cd ai_social_scheduler
- uv run python chat.py
- ```
- 启动后直接与 AI 对话:
- ```
- [新对话] 请输入消息: 帮我写一篇关于美食的小红书
- 📤 发送中...
- 📥 AI 回复:
- 好的,我来帮你创建一篇关于美食的小红书内容...
- ```
- **方式二:通过 HTTP API 调用**
- 1. 启动 API 服务:
- ```bash
- cd ai_social_scheduler
- uv run python run.py
- ```
- 2. 发送 HTTP 请求:
- ```bash
- curl -X POST http://localhost:8012/api/v1/chat \
- -H "Content-Type: application/json" \
- -d '{"message": "帮我写一篇关于美食的小红书"}'
- ```
- **AI 处理流程**:
- 当你说"帮我写一篇关于美食的小红书"时,AI 会:
- 1. 分析美食主题和需求
- 2. 调用 `xhs-content-generator-mcp` 生成内容文案
- 3. 调用 `xhs-image-mcp` 生成配图
- 4. 调用 `xhs-browser-automation-mcp` 发布内容
- 5. 监控发布结果
- 6. 根据数据调整后续策略
- **视频生成流程**:
- 当需要生成视频时,AI 会:
- 1. 调用 `xhs-video-mcp` 生成视频脚本
- 2. 使用 TTS 生成语音
- 3. 从 Pexels/Pixabay 下载视频素材
- 4. 合成视频(添加字幕、背景音乐、转场效果)
- 5. 输出最终视频文件
- ### 场景四:完整集成使用
- 所有项目可以完美集成,形成完整的运营闭环:
- 1. **AI 调度系统**监听事件(用户请求、定时任务等)
- 2. **AI 决策引擎**分析需求,生成执行计划
- 3. **内容生成服务**生成文案和图片
- 4. **任务调度器**调用 **MCP 服务**执行具体操作
- 5. **数据分析**收集结果,优化策略
- ---
- ## 🛠️ 技术栈
- ### 核心技术
- - **Python 3.11+**:主要开发语言
- - **uv**:现代 Python 包管理工具
- - **MCP 协议**:服务间通信标准
- - **LangGraph**:AI Agent 框架
- - **Playwright**:浏览器自动化
- - **FastAPI**:Web 服务框架
- ### 数据存储
- - **SQLite/PostgreSQL**:关系型数据存储
- - **Redis**:缓存和任务队列
- - **pgvector**:向量数据库(用于AI功能)
- ---
- ## 📁 项目结构
- ```
- .
- ├── xhs-image-mcp/ # 图像生成 MCP 服务
- │ ├── src/
- │ │ └── image_video_mcp/
- │ │ ├── main.py # 主程序入口
- │ │ ├── clients/ # 客户端模块
- │ │ ├── prompts/ # Prompt 模板
- │ │ ├── resources/ # Resource 资源
- │ │ ├── skills/ # Skills 技能管理系统(核心)
- │ │ │ ├── skill_manager.py # 技能管理器
- │ │ │ └── skills/ # 技能文件目录(Markdown格式)
- │ │ └── ...
- │ └── README.md # 详细文档
- │
- ├── xhs-video-mcp/ # 视频生成 MCP 服务
- │ ├── src/
- │ │ └── xhs_video_mcp/
- │ │ ├── main.py # 主程序入口
- │ │ ├── services/ # 服务模块
- │ │ │ ├── llm_service.py # LLM 服务
- │ │ │ ├── voice_service.py # 语音服务
- │ │ │ ├── subtitle_service.py # 字幕服务
- │ │ │ ├── material_service.py # 素材服务
- │ │ │ ├── video_service.py # 视频服务
- │ │ │ └── video_generation_service.py # 主服务
- │ │ ├── config/ # 配置管理
- │ │ └── utils/ # 工具模块
- │ ├── start.sh # 启动脚本
- │ └── README.md # 详细文档
- │
- ├── xhs-content-generator-mcp/ # 小红书内容生成 MCP 服务
- │ ├── src/
- │ │ └── xhs_content_generator_mcp/
- │ │ ├── __init__.py
- │ │ └── main.py # 主程序入口
- │ ├── pyproject.toml
- │ └── README.md # 详细文档
- │
- ├── xhs-browser-automation-mcp/ # 小红书浏览器自动化 MCP 服务
- │ ├── src/
- │ │ └── xiaohongshu_mcp_python/
- │ │ ├── main.py # 主程序入口
- │ │ ├── server/ # MCP 服务器
- │ │ ├── xiaohongshu/ # 小红书操作模块
- │ │ └── ...
- │ ├── tests/ # 测试文件
- │ └── README.md # 详细文档
- │
- ├── xhs-data-collector-mcp/ # 数据收集 MCP 服务
- │ ├── src/
- │ │ └── xhs_data_collector_mcp/
- │ │ └── ...
- │ └── README.md # 详细文档
- │
- ├── ai_social_scheduler/ # AI 调度系统
- │ ├── src/
- │ │ └── ai_social_scheduler/
- │ │ ├── core/ # AI调度核心层
- │ │ │ ├── ai_engine.py # AI决策引擎
- │ │ │ ├── event_listener.py # 事件监听器
- │ │ │ └── ...
- │ │ ├── api/ # FastAPI 接口层
- │ │ │ ├── app.py # FastAPI 应用
- │ │ │ └── ...
- │ │ ├── mcp/ # MCP服务层
- │ │ └── ...
- │ ├── run.py # 启动 FastAPI 服务器
- │ ├── chat.py # 交互式聊天客户端
- │ ├── config/ # 配置文件
- │ └── README.md # 详细文档
- │
- └── README.md # 本文件
- ```
- ---
- ## 🔌 MCP 客户端接入
- ### Cursor IDE
- 在项目根目录创建 `.cursor/mcp.json`:
- ```json
- {
- "mcpServers": {
- "xhs-image-mcp": {
- "url": "http://localhost:8003",
- "description": "图像生成 MCP 服务"
- },
- "xhs-video-mcp": {
- "url": "http://localhost:8005",
- "description": "视频生成 MCP 服务"
- },
- "xhs-content-generator-mcp": {
- "url": "http://localhost:8001",
- "description": "小红书内容生成 MCP 服务"
- },
- "xhs-browser-automation-mcp": {
- "url": "http://localhost:8000",
- "description": "小红书浏览器自动化 MCP 服务"
- },
- "xhs-data-collector-mcp": {
- "url": "http://localhost:8006",
- "description": "数据收集 MCP 服务"
- }
- }
- }
- ```
- ### Claude Desktop
- 在配置文件中添加:
- ```json
- {
- "mcpServers": {
- "xhs-image-mcp": {
- "url": "http://localhost:8003"
- },
- "xhs-video-mcp": {
- "url": "http://localhost:8005"
- },
- "xhs-content-generator-mcp": {
- "url": "http://localhost:8001"
- },
- "xhs-browser-automation-mcp": {
- "url": "http://localhost:8000"
- },
- "xhs-data-collector-mcp": {
- "url": "http://localhost:8006"
- }
- }
- }
- ```
- ---
- ## 🎨 功能演示
- ### AI 自主运营示例
- ```python
- # 用户请求:"帮我写一篇关于美食的小红书"
- #
- # AI 调度系统处理流程:
- # 1. 事件监听器接收用户请求
- # 2. AI 引擎分析需求,生成内容计划:
- # - 主题:美食
- # - 内容方向:分享一道家常菜
- # - 图片需求:需要3张图片
- # - 标签:美食、家常菜、生活
- # 3. 任务调度器调用 MCP 服务:
- # - 生成内容(调用 xhs-content-generator-mcp)
- # - 生成图片(调用 xhs-image-mcp)
- # - 生成视频(调用 xhs-video-mcp,如需要)
- # - 发布内容(调用 xhs-browser-automation-mcp)
- # 4. 监控发布结果
- # 5. 根据数据调整后续策略
- ```
- ### 定时任务示例
- ```python
- # 设置定时任务:"每天下午3点发布一篇内容"
- #
- # AI 调度系统会:
- # 1. 定时触发任务
- # 2. AI 分析当天热点和用户偏好
- # 3. 生成合适的内容
- # 4. 自动发布
- # 5. 收集数据并优化策略
- ```
- ### 交互式聊天使用示例
- 使用 `chat.py` 与 AI Agent 进行对话:
- ```bash
- $ cd ai_social_scheduler
- $ uv run python chat.py
- ============================================================
- 小红书运营 Agent 交互式聊天
- ============================================================
- 提示:
- - 输入消息后按 Enter 发送
- - 输入 'quit' 或 'exit' 退出
- - 输入 'reset' 重置对话
- [新对话] 请输入消息: 帮我写一篇关于春日美食的小红书
- 📤 发送中...
- 📥 AI 回复:
- 好的,我来帮你创建一篇关于春日美食的小红书内容。让我先分析一下需求...
- [对话 ID: a1b2c3d4...] 请输入消息: 标题要吸引人一点
- 📤 发送中...
- 📥 AI 回复:
- 好的,我会优化标题,让它更加吸引人...
- 消息数: 4
- [对话 ID: a1b2c3d4...] 请输入消息: reset
- ✅ 对话已重置
- [新对话] 请输入消息: quit
- 再见!
- ```
- ### HTTP API 使用示例
- 使用 `run.py` 启动服务后,可以通过 HTTP 调用:
- ```bash
- # 启动服务
- $ cd ai_social_scheduler
- $ uv run python run.py
- INFO: Started server process [12345]
- INFO: Uvicorn running on http://0.0.0.0:8012
- # 在另一个终端发送请求
- $ curl -X POST http://localhost:8012/api/v1/chat \
- -H "Content-Type: application/json" \
- -d '{
- "message": "帮我写一篇关于春日美食的小红书",
- "thread_id": null
- }'
- {
- "thread_id": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
- "response": "好的,我来帮你创建一篇关于春日美食的小红书内容...",
- "message_count": 2
- }
- # 继续对话(使用相同的 thread_id)
- $ curl -X POST http://localhost:8012/api/v1/chat \
- -H "Content-Type: application/json" \
- -d '{
- "message": "标题要吸引人一点",
- "thread_id": "a1b2c3d4-e5f6-7890-abcd-ef1234567890"
- }'
- ```
- ---
- ## ⚠️ 注意事项
- ### 🔒 账户安全
- - 同一账户不要在多个浏览器端同时登录
- - 定期检查登录状态,及时处理 Cookie 过期
- - 建议使用专门的小红书账户进行自动化操作
- ### 📊 使用限制
- - 遵守小红书平台规则和相关法律法规
- - 合理控制发布频率,避免被平台限制
- - 本项目仅供学习和研究使用
- ### 🛡️ 风险提示
- 使用本工具产生的任何后果由使用者自行承担。请遵守平台规则,合理使用。
- ---
- ## 🤝 贡献
- 欢迎提交 Issue 和 Pull Request!
- 1. Fork 本项目
- 2. 创建特性分支:`git checkout -b feature/amazing-feature`
- 3. 提交更改:`git commit -m 'Add amazing feature'`
- 4. 推送分支:`git push origin feature/amazing-feature`
- 5. 提交 Pull Request
- ---
- ## 📄 许可证
- 本项目采用 MIT 许可证。
- ---
- ## 🙏 致谢
- - [Model Context Protocol](https://modelcontextprotocol.io) - MCP 协议标准
- - [Playwright](https://playwright.dev) - 浏览器自动化工具
- - [uv](https://github.com/astral-sh/uv) - 现代 Python 包管理工具
- - [LangGraph](https://github.com/langchain-ai/langgraph) - AI Agent 框架
- ---
- <div align="center">
- **⭐ 如果这个项目对你有帮助,请给它一个 Star!**
- Made with ❤️ by [luyike221](https://github.com/luyike221)
- </div>
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.