Skip to content
Back to search

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.

Checked today
Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/luyike221--xiaohongshu-mcp-python/badge.svg)](/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

i

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)

  1. # 🚀 AI 社交媒体运营全栈解决方案
  2. <div align="center">
  3. ![Python Version](https://img.shields.io/badge/python-3.11%2B-blue.svg)
  4. ![MCP Protocol](https://img.shields.io/badge/MCP-1.0%2B-green.svg)
  5. ![License](https://img.shields.io/badge/license-MIT-blue.svg)
  6. **🤖 AI驱动的智能社交媒体运营平台 | 让AI帮你运营小红书**
  7. [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)
  8. </div>
  9. ---
  10. ## ✨ 项目简介
  11. 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。
  12. ### 🎯 核心价值
  13. - **🤖 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
  14. - **🔄 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
  15. - **📊 数据驱动**:基于数据分析自动优化内容策略和发布时机
  16. - **🔌 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
  17. - **🎨 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
  18. - **📱 多平台支持**:支持小红书、抖音、快手等平台(逐步扩展)
  19. - **🛠️ 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
  20. ---
  21. ## 📖 使用指南
  22. ### 场景一:生成内容、图片、并发布于小红书
  23. ```
  24. [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
  25. 📤 发送中...
  26. 📥 最终生成的小红书
  27. ```
  28. **最终发布的小红书:**
  29. ![富婆圣经0](ai_social_scheduler/assets/富婆圣经0.png)
  30. ![富婆圣经1](ai_social_scheduler/assets/富婆圣经1.png)
  31. ## 🏗️ 项目架构
  32. 本仓库包含六个独立但协同工作的项目:
  33. ### 1️⃣ **ai_social_scheduler** - AI 调度核心层
  34. **定位**:上层智能调度系统,AI自主决策和执行运营任务
  35. - 🤖 **AI自主驱动**:AI模型分析运营目标,自动生成和执行计划
  36. - 🔄 **事件响应**:支持用户请求、平台通知、定时任务等多种事件
  37. - 📊 **策略优化**:基于数据分析自动调整内容策略
  38. - 🎨 **内容创作**:AI生成内容创作计划,调用底层服务执行
  39. - 📈 **数据分析**:内容表现分析、趋势识别、热点追踪
  40. - 🌐 **HTTP API 服务**:提供 FastAPI 接口,支持 HTTP 调用
  41. - 💬 **交互式聊天**:提供命令行聊天客户端,方便快速体验
  42. **核心文件**:
  43. - **`run.py`**:启动 FastAPI 服务器,提供 HTTP API 接口(默认端口 8012)
  44. - **`chat.py`**:交互式聊天客户端,通过命令行与 AI Agent 对话
  45. **适用场景**:需要AI智能运营和自动化调度的场景
  46. ### 2️⃣ **xhs-content-generator-mcp** - 小红书内容生成 MCP 服务层
  47. **定位**:内容文案生成引擎,提供AI内容创作能力
  48. - ✍️ **内容生成**:基于主题生成小红书笔记、标题、描述等内容
  49. - 🎯 **多类型支持**:支持笔记、标题、描述等多种内容类型
  50. - 🚀 **FastMCP框架**:使用 FastMCP 快速构建 MCP 服务
  51. - 🔌 **MCP协议实现**:完整支持 Model Context Protocol 规范
  52. - 🎨 **智能创作**:AI驱动的智能内容创作
  53. **适用场景**:需要AI生成小红书文案和内容的场景
  54. ### 3️⃣ **xhs-browser-automation-mcp** - 小红书浏览器自动化 MCP 服务层
  55. **定位**:平台操作引擎,提供小红书平台的具体操作能力
  56. - 🎯 **MCP协议实现**:完整实现 Model Context Protocol 规范
  57. - 🚀 **高性能**:基于 Playwright 的异步浏览器自动化
  58. - 📝 **内容发布**:支持图文、视频内容发布
  59. - 🔍 **内容管理**:搜索、获取、互动等完整功能
  60. - 🔐 **账户管理**:登录、会话保持、自动重连
  61. **适用场景**:需要直接操作小红书平台的场景
  62. ### 4️⃣ **xhs-image-mcp** - 图像生成 MCP 服务层
  63. **定位**:AI图像生成引擎,提供高质量图像创作能力
  64. - 🎨 **图像生成**:基于提示词生成高质量图像(支持通义万相)
  65. - 🚀 **FastMCP框架**:使用 FastMCP 快速构建 MCP 服务
  66. - 🔌 **MCP协议实现**:完整支持 Model Context Protocol 规范
  67. - 🛠️ **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
  68. - 📝 **Prompt模板**:提供5个预定义的Prompt模板
  69. - 📦 **Resource资源**:提供6个预定义的Resource资源(风格预设、配置模板等)
  70. - 🎯 **Resource Template**:提供8个预定义的Resource Template模板,支持动态参数访问
  71. - ⚙️ **灵活配置**:支持自定义尺寸、种子、负面提示词等参数
  72. **适用场景**:需要AI生成图像内容的场景
  73. ### 5️⃣ **xhs-video-mcp** - 视频生成 MCP 服务层
  74. **定位**:视频生成引擎,借鉴 MoneyPrinterTurbo 的视频生产逻辑
  75. - 🎬 **自动生成视频脚本**:使用 LLM 生成视频脚本
  76. - 🔍 **自动生成搜索关键词**:智能生成视频素材搜索关键词
  77. - 🗣️ **文本转语音(TTS)**:支持 edge-tts,多种语音选择
  78. - 📝 **自动生成字幕**:自动为视频添加字幕
  79. - 📥 **素材下载**:从 Pexels/Pixabay 下载视频素材
  80. - ✂️ **视频合成**:拼接、添加字幕、背景音乐、转场效果
  81. - 📱 **多尺寸支持**:支持竖屏(9:16)和横屏(16:9)
  82. - ⚡ **GPU加速**:支持NVENC硬件编码加速
  83. **适用场景**:需要AI生成剪辑风格视频的场景
  84. ### 6️⃣ **xhs-data-collector-mcp** - 数据收集 MCP 服务层
  85. **定位**:数据收集和分析引擎
  86. - 📊 **数据收集**:收集平台数据,支持运营分析
  87. - 🔍 **数据分析**:内容表现分析、趋势识别
  88. - 📈 **数据可视化**:提供数据统计和可视化功能
  89. **适用场景**:需要数据收集和分析的场景
  90. ### 🔗 协同工作
  91. ```
  92. ┌─────────────────────────────────────────────────────────┐
  93. │ AI Social Scheduler (智能调度层) │
  94. │ - AI决策引擎 │
  95. │ - 事件监听器 │
  96. │ - 任务调度器 │
  97. │ - 策略管理器 │
  98. └───┬──────────┬──────────┬──────────┬──────────┬────────┘
  99. │ MCP协议 │ MCP协议 │ MCP协议 │ MCP协议 │ MCP协议
  100. ↓ ↓ ↓ ↓ ↓
  101. ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐
  102. │xhs-content │ │xhs-image-mcp │ │xhs-video-mcp │ │xhs-browser- │ │xhs-data- │
  103. │generator │ │(图像生成) │ │(视频生成) │ │automation-mcp │ │collector-mcp │
  104. │ │ │ │ │ │ │(平台操作) │ │(数据收集) │
  105. │- 内容生成 │ │- 图像生成 │ │- 视频脚本生成 │ │- 内容发布 │ │- 数据收集 │
  106. │- 文案创作 │ │- Prompt模板 │ │- TTS语音合成 │ │- 内容搜索 │ │- 数据分析 │
  107. │ │ │- Resource │ │- 视频合成 │ │- 用户互动 │ │- 趋势识别 │
  108. └──────────────┘ └──────────────┘ └──────────────┘ │- 账户管理 │ └──────────────┘
  109. └────────┬────────┘
  110. │ 浏览器自动化
  111. ↓
  112. ┌──────────┐
  113. │ 小红书平台 │
  114. └──────────┘
  115. ```
  116. ---
  117. ## 🎯 核心功能
  118. ### 🤖 AI 智能运营
  119. - **自主决策**:AI分析运营目标,自动生成内容创作计划
  120. - **智能调度**:根据数据表现自动调整发布策略和时机
  121. - **事件响应**:实时响应平台通知、用户请求、定时任务
  122. - **策略优化**:基于历史数据持续优化运营策略
  123. ### 🎨 内容生成
  124. - **图像生成**:基于提示词AI生成高质量图像
  125. - **视频生成**:基于提示词AI生成视频内容
  126. - **文案生成**:AI生成小红书笔记、标题、描述等内容
  127. - **参数定制**:支持自定义尺寸、种子、负面提示词等
  128. - **批量生成**:支持批量生成和异步处理
  129. ### 📝 内容发布
  130. - **图文发布**:支持多图片、标签、标题和描述
  131. - **视频发布**:支持视频上传、自动等待处理完成
  132. - **批量操作**:支持批量发布和定时发布
  133. - **内容管理**:搜索、获取、编辑内容
  134. ### 📊 数据分析
  135. - **表现分析**:阅读量、点赞、评论、转发等数据统计
  136. - **趋势识别**:内容趋势分析和热点识别
  137. - **用户洞察**:粉丝增长、互动率等用户数据
  138. - **策略建议**:基于数据自动生成优化建议
  139. ### 🔍 内容管理
  140. - **内容搜索**:关键词搜索小红书内容
  141. - **推荐获取**:获取首页推荐列表
  142. - **详情分析**:获取帖子详情和互动数据
  143. - **用户管理**:获取用户主页信息
  144. ---
  145. ## 🚀 快速开始
  146. ### 📋 环境要求
  147. - Python >= 3.11
  148. - uv 包管理器
  149. - 支持的操作系统:Linux, macOS, Windows
  150. ### 🔧 安装步骤
  151. 1. **克隆项目**
  152. ```bash
  153. git clone git@github.com:luyike221/xiaohongshu-mcp-python.git
  154. cd xiaohongshu-mcp-python
  155. ```
  156. 2. **安装 uv 包管理器**
  157. ```bash
  158. # macOS/Linux
  159. curl -LsSf https://astral.sh/uv/install.sh | sh
  160. # Windows
  161. powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
  162. ```
  163. 3. **安装项目依赖**
  164. **安装图像生成 MCP 服务:**
  165. ```bash
  166. cd xhs-image-mcp
  167. uv sync
  168. ```
  169. **安装视频生成 MCP 服务:**
  170. ```bash
  171. cd xhs-video-mcp
  172. uv sync
  173. ```
  174. **安装小红书内容生成 MCP 服务:**
  175. ```bash
  176. cd xhs-content-generator-mcp
  177. uv sync
  178. ```
  179. **安装小红书浏览器自动化 MCP 服务:**
  180. ```bash
  181. cd xhs-browser-automation-mcp
  182. uv sync
  183. uv run playwright install chromium
  184. ```
  185. **安装数据收集 MCP 服务:**
  186. ```bash
  187. cd xhs-data-collector-mcp
  188. uv sync
  189. ```
  190. **安装 AI 调度系统:**
  191. ```bash
  192. cd ai_social_scheduler
  193. uv sync
  194. ```
  195. ### ⚙️ 配置
  196. #### 图像生成 MCP 服务配置
  197. 在 `xhs-image-mcp` 目录下创建 `.env` 文件:
  198. ```env
  199. # 服务器配置
  200. MCP_HOST=127.0.0.1
  201. MCP_PORT=8003
  202. # 通义万相配置(图像生成)
  203. WANT2I_API_KEY=your_api_key
  204. WANT2I_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
  205. ```
  206. #### 视频生成 MCP 服务配置
  207. 在 `xhs-video-mcp` 目录下创建 `.env` 文件:
  208. ```env
  209. # LLM 配置
  210. LLM_PROVIDER=openai # 或 moonshot, deepseek
  211. OPENAI_API_KEY=your_openai_api_key
  212. OPENAI_MODEL_NAME=gpt-3.5-turbo
  213. # 视频素材配置(多个key用逗号分隔)
  214. PEXELS_API_KEYS=your_pexels_api_key_1,your_pexels_api_key_2
  215. PIXABAY_API_KEYS=your_pixabay_api_key
  216. # 视频配置
  217. VIDEO_OUTPUT_DIR=./output
  218. MATERIAL_CACHE_DIR=./cache/materials
  219. VIDEO_FPS=30
  220. VIDEO_GPU_ACCELERATION=false # 启用GPU加速(需要NVIDIA GPU和NVENC支持)
  221. VIDEO_CODEC=auto # 视频编码器: auto, libx264, h264_nvenc, hevc_nvenc
  222. ```
  223. #### 小红书内容生成 MCP 服务配置
  224. 在 `xhs-content-generator-mcp` 目录下创建 `.env` 文件(可选):
  225. ```env
  226. # 服务器配置
  227. MCP_HOST=0.0.0.0
  228. MCP_PORT=8001
  229. ```
  230. #### 小红书浏览器自动化 MCP 服务配置
  231. 在 `xhs-browser-automation-mcp` 目录下创建 `.env` 文件:
  232. ```env
  233. # 环境模式: development 或 production
  234. ENV=development
  235. # 服务器配置
  236. SERVER_HOST=127.0.0.1
  237. SERVER_PORT=8000
  238. # 默认用户
  239. GLOBAL_USER=your_username
  240. ```
  241. #### AI 调度系统配置
  242. 在 `ai_social_scheduler` 目录下创建配置文件:
  243. ```bash
  244. cp config/config.example.yaml config/config.yaml
  245. # 编辑 config/config.yaml 填入实际配置
  246. ```
  247. ### 🎯 启动服务
  248. #### 启动图像生成 MCP 服务
  249. ```bash
  250. cd xhs-image-mcp
  251. uv run python -m image_video_mcp.main
  252. ```
  253. 服务将在 `http://localhost:8003` 启动。
  254. #### 启动视频生成 MCP 服务
  255. ```bash
  256. cd xhs-video-mcp
  257. # 使用启动脚本(推荐)
  258. ./start.sh
  259. # 或使用 uv 命令
  260. uv run xhs-video-mcp
  261. # 或指定主机和端口
  262. uv run xhs-video-mcp --host 0.0.0.0 --port 8005
  263. ```
  264. 服务将在 `http://localhost:8005` 启动(默认端口)。
  265. #### 启动小红书内容生成 MCP 服务
  266. ```bash
  267. cd xhs-content-generator-mcp
  268. uv run python -m xhs_content_generator_mcp.main
  269. ```
  270. 服务将在 `http://localhost:8001` 启动(默认端口 8000,可通过参数指定)。
  271. #### 启动小红书浏览器自动化 MCP 服务
  272. ```bash
  273. cd xhs-browser-automation-mcp
  274. uv run python -m xiaohongshu_mcp_python.main
  275. ```
  276. 服务将在 `http://localhost:8000` 启动。
  277. #### 启动 AI 调度系统
  278. **方式一:启动 HTTP API 服务(推荐)**
  279. 使用 `run.py` 启动 FastAPI 服务器,提供 HTTP 接口:
  280. ```bash
  281. cd ai_social_scheduler
  282. uv run python run.py
  283. ```
  284. 服务将在 `http://0.0.0.0:8012` 启动,提供以下接口:
  285. - `POST /api/v1/chat` - 聊天接口,发送消息获取 AI 回复
  286. **方式二:使用交互式聊天客户端**
  287. 使用 `chat.py` 启动交互式命令行客户端:
  288. ```bash
  289. cd ai_social_scheduler
  290. uv run python chat.py
  291. ```
  292. 启动后可以:
  293. - 直接输入消息与 AI Agent 对话
  294. - 输入 `quit` 或 `exit` 退出
  295. - 输入 `reset` 重置对话线程
  296. **方式三:直接运行主程序**
  297. ```bash
  298. cd ai_social_scheduler
  299. uv run python main.py
  300. ```
  301. ---
  302. ## 📖 使用指南
  303. ### 场景一:使用内容生成服务
  304. 如果你需要生成小红书内容,可以使用 `xhs-content-generator-mcp`:
  305. ```python
  306. # 通过 MCP 客户端调用
  307. {
  308. "tool": "generate_content",
  309. "parameters": {
  310. "topic": "春日美食",
  311. "content_type": "note"
  312. }
  313. }
  314. ```
  315. ### 场景二:直接使用小红书浏览器自动化 MCP 服务
  316. 如果你只需要直接操作小红书平台,可以使用 `xhs-browser-automation-mcp`:
  317. ```python
  318. # 通过 MCP 客户端调用
  319. {
  320. "tool": "xiaohongshu_publish_content",
  321. "parameters": {
  322. "title": "春日美景",
  323. "content": "分享今天拍摄的美丽春景!",
  324. "images": ["/path/to/image1.jpg", "/path/to/image2.jpg"],
  325. "tags": ["春天", "摄影", "美景"]
  326. }
  327. }
  328. ```
  329. ### 场景三:使用 AI 智能运营
  330. 如果你需要AI自主运营,可以使用 `ai_social_scheduler`:
  331. **方式一:使用交互式聊天客户端(最简单)**
  332. ```bash
  333. cd ai_social_scheduler
  334. uv run python chat.py
  335. ```
  336. 启动后直接与 AI 对话:
  337. ```
  338. [新对话] 请输入消息: 帮我写一篇关于美食的小红书
  339. 📤 发送中...
  340. 📥 AI 回复:
  341. 好的,我来帮你创建一篇关于美食的小红书内容...
  342. ```
  343. **方式二:通过 HTTP API 调用**
  344. 1. 启动 API 服务:
  345. ```bash
  346. cd ai_social_scheduler
  347. uv run python run.py
  348. ```
  349. 2. 发送 HTTP 请求:
  350. ```bash
  351. curl -X POST http://localhost:8012/api/v1/chat \
  352. -H "Content-Type: application/json" \
  353. -d '{"message": "帮我写一篇关于美食的小红书"}'
  354. ```
  355. **AI 处理流程**:
  356. 当你说"帮我写一篇关于美食的小红书"时,AI 会:
  357. 1. 分析美食主题和需求
  358. 2. 调用 `xhs-content-generator-mcp` 生成内容文案
  359. 3. 调用 `xhs-image-mcp` 生成配图
  360. 4. 调用 `xhs-browser-automation-mcp` 发布内容
  361. 5. 监控发布结果
  362. 6. 根据数据调整后续策略
  363. **视频生成流程**:
  364. 当需要生成视频时,AI 会:
  365. 1. 调用 `xhs-video-mcp` 生成视频脚本
  366. 2. 使用 TTS 生成语音
  367. 3. 从 Pexels/Pixabay 下载视频素材
  368. 4. 合成视频(添加字幕、背景音乐、转场效果)
  369. 5. 输出最终视频文件
  370. ### 场景四:完整集成使用
  371. 所有项目可以完美集成,形成完整的运营闭环:
  372. 1. **AI 调度系统**监听事件(用户请求、定时任务等)
  373. 2. **AI 决策引擎**分析需求,生成执行计划
  374. 3. **内容生成服务**生成文案和图片
  375. 4. **任务调度器**调用 **MCP 服务**执行具体操作
  376. 5. **数据分析**收集结果,优化策略
  377. ---
  378. ## 🛠️ 技术栈
  379. ### 核心技术
  380. - **Python 3.11+**:主要开发语言
  381. - **uv**:现代 Python 包管理工具
  382. - **MCP 协议**:服务间通信标准
  383. - **LangGraph**:AI Agent 框架
  384. - **Playwright**:浏览器自动化
  385. - **FastAPI**:Web 服务框架
  386. ### 数据存储
  387. - **SQLite/PostgreSQL**:关系型数据存储
  388. - **Redis**:缓存和任务队列
  389. - **pgvector**:向量数据库(用于AI功能)
  390. ---
  391. ## 📁 项目结构
  392. ```
  393. .
  394. ├── xhs-image-mcp/ # 图像生成 MCP 服务
  395. │ ├── src/
  396. │ │ └── image_video_mcp/
  397. │ │ ├── main.py # 主程序入口
  398. │ │ ├── clients/ # 客户端模块
  399. │ │ ├── prompts/ # Prompt 模板
  400. │ │ ├── resources/ # Resource 资源
  401. │ │ ├── skills/ # Skills 技能管理系统(核心)
  402. │ │ │ ├── skill_manager.py # 技能管理器
  403. │ │ │ └── skills/ # 技能文件目录(Markdown格式)
  404. │ │ └── ...
  405. │ └── README.md # 详细文档
  406. │
  407. ├── xhs-video-mcp/ # 视频生成 MCP 服务
  408. │ ├── src/
  409. │ │ └── xhs_video_mcp/
  410. │ │ ├── main.py # 主程序入口
  411. │ │ ├── services/ # 服务模块
  412. │ │ │ ├── llm_service.py # LLM 服务
  413. │ │ │ ├── voice_service.py # 语音服务
  414. │ │ │ ├── subtitle_service.py # 字幕服务
  415. │ │ │ ├── material_service.py # 素材服务
  416. │ │ │ ├── video_service.py # 视频服务
  417. │ │ │ └── video_generation_service.py # 主服务
  418. │ │ ├── config/ # 配置管理
  419. │ │ └── utils/ # 工具模块
  420. │ ├── start.sh # 启动脚本
  421. │ └── README.md # 详细文档
  422. │
  423. ├── xhs-content-generator-mcp/ # 小红书内容生成 MCP 服务
  424. │ ├── src/
  425. │ │ └── xhs_content_generator_mcp/
  426. │ │ ├── __init__.py
  427. │ │ └── main.py # 主程序入口
  428. │ ├── pyproject.toml
  429. │ └── README.md # 详细文档
  430. │
  431. ├── xhs-browser-automation-mcp/ # 小红书浏览器自动化 MCP 服务
  432. │ ├── src/
  433. │ │ └── xiaohongshu_mcp_python/
  434. │ │ ├── main.py # 主程序入口
  435. │ │ ├── server/ # MCP 服务器
  436. │ │ ├── xiaohongshu/ # 小红书操作模块
  437. │ │ └── ...
  438. │ ├── tests/ # 测试文件
  439. │ └── README.md # 详细文档
  440. │
  441. ├── xhs-data-collector-mcp/ # 数据收集 MCP 服务
  442. │ ├── src/
  443. │ │ └── xhs_data_collector_mcp/
  444. │ │ └── ...
  445. │ └── README.md # 详细文档
  446. │
  447. ├── ai_social_scheduler/ # AI 调度系统
  448. │ ├── src/
  449. │ │ └── ai_social_scheduler/
  450. │ │ ├── core/ # AI调度核心层
  451. │ │ │ ├── ai_engine.py # AI决策引擎
  452. │ │ │ ├── event_listener.py # 事件监听器
  453. │ │ │ └── ...
  454. │ │ ├── api/ # FastAPI 接口层
  455. │ │ │ ├── app.py # FastAPI 应用
  456. │ │ │ └── ...
  457. │ │ ├── mcp/ # MCP服务层
  458. │ │ └── ...
  459. │ ├── run.py # 启动 FastAPI 服务器
  460. │ ├── chat.py # 交互式聊天客户端
  461. │ ├── config/ # 配置文件
  462. │ └── README.md # 详细文档
  463. │
  464. └── README.md # 本文件
  465. ```
  466. ---
  467. ## 🔌 MCP 客户端接入
  468. ### Cursor IDE
  469. 在项目根目录创建 `.cursor/mcp.json`:
  470. ```json
  471. {
  472. "mcpServers": {
  473. "xhs-image-mcp": {
  474. "url": "http://localhost:8003",
  475. "description": "图像生成 MCP 服务"
  476. },
  477. "xhs-video-mcp": {
  478. "url": "http://localhost:8005",
  479. "description": "视频生成 MCP 服务"
  480. },
  481. "xhs-content-generator-mcp": {
  482. "url": "http://localhost:8001",
  483. "description": "小红书内容生成 MCP 服务"
  484. },
  485. "xhs-browser-automation-mcp": {
  486. "url": "http://localhost:8000",
  487. "description": "小红书浏览器自动化 MCP 服务"
  488. },
  489. "xhs-data-collector-mcp": {
  490. "url": "http://localhost:8006",
  491. "description": "数据收集 MCP 服务"
  492. }
  493. }
  494. }
  495. ```
  496. ### Claude Desktop
  497. 在配置文件中添加:
  498. ```json
  499. {
  500. "mcpServers": {
  501. "xhs-image-mcp": {
  502. "url": "http://localhost:8003"
  503. },
  504. "xhs-video-mcp": {
  505. "url": "http://localhost:8005"
  506. },
  507. "xhs-content-generator-mcp": {
  508. "url": "http://localhost:8001"
  509. },
  510. "xhs-browser-automation-mcp": {
  511. "url": "http://localhost:8000"
  512. },
  513. "xhs-data-collector-mcp": {
  514. "url": "http://localhost:8006"
  515. }
  516. }
  517. }
  518. ```
  519. ---
  520. ## 🎨 功能演示
  521. ### AI 自主运营示例
  522. ```python
  523. # 用户请求:"帮我写一篇关于美食的小红书"
  524. #
  525. # AI 调度系统处理流程:
  526. # 1. 事件监听器接收用户请求
  527. # 2. AI 引擎分析需求,生成内容计划:
  528. # - 主题:美食
  529. # - 内容方向:分享一道家常菜
  530. # - 图片需求:需要3张图片
  531. # - 标签:美食、家常菜、生活
  532. # 3. 任务调度器调用 MCP 服务:
  533. # - 生成内容(调用 xhs-content-generator-mcp)
  534. # - 生成图片(调用 xhs-image-mcp)
  535. # - 生成视频(调用 xhs-video-mcp,如需要)
  536. # - 发布内容(调用 xhs-browser-automation-mcp)
  537. # 4. 监控发布结果
  538. # 5. 根据数据调整后续策略
  539. ```
  540. ### 定时任务示例
  541. ```python
  542. # 设置定时任务:"每天下午3点发布一篇内容"
  543. #
  544. # AI 调度系统会:
  545. # 1. 定时触发任务
  546. # 2. AI 分析当天热点和用户偏好
  547. # 3. 生成合适的内容
  548. # 4. 自动发布
  549. # 5. 收集数据并优化策略
  550. ```
  551. ### 交互式聊天使用示例
  552. 使用 `chat.py` 与 AI Agent 进行对话:
  553. ```bash
  554. $ cd ai_social_scheduler
  555. $ uv run python chat.py
  556. ============================================================
  557. 小红书运营 Agent 交互式聊天
  558. ============================================================
  559. 提示:
  560. - 输入消息后按 Enter 发送
  561. - 输入 'quit' 或 'exit' 退出
  562. - 输入 'reset' 重置对话
  563. [新对话] 请输入消息: 帮我写一篇关于春日美食的小红书
  564. 📤 发送中...
  565. 📥 AI 回复:
  566. 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...
  567. [对话 ID: a1b2c3d4...] 请输入消息: 标题要吸引人一点
  568. 📤 发送中...
  569. 📥 AI 回复:
  570. 好的,我会优化标题,让它更加吸引人...
  571. 消息数: 4
  572. [对话 ID: a1b2c3d4...] 请输入消息: reset
  573. ✅ 对话已重置
  574. [新对话] 请输入消息: quit
  575. 再见!
  576. ```
  577. ### HTTP API 使用示例
  578. 使用 `run.py` 启动服务后,可以通过 HTTP 调用:
  579. ```bash
  580. # 启动服务
  581. $ cd ai_social_scheduler
  582. $ uv run python run.py
  583. INFO: Started server process [12345]
  584. INFO: Uvicorn running on http://0.0.0.0:8012
  585. # 在另一个终端发送请求
  586. $ curl -X POST http://localhost:8012/api/v1/chat \
  587. -H "Content-Type: application/json" \
  588. -d '{
  589. "message": "帮我写一篇关于春日美食的小红书",
  590. "thread_id": null
  591. }'
  592. {
  593. "thread_id": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  594. "response": "好的,我来帮你创建一篇关于春日美食的小红书内容...",
  595. "message_count": 2
  596. }
  597. # 继续对话(使用相同的 thread_id)
  598. $ curl -X POST http://localhost:8012/api/v1/chat \
  599. -H "Content-Type: application/json" \
  600. -d '{
  601. "message": "标题要吸引人一点",
  602. "thread_id": "a1b2c3d4-e5f6-7890-abcd-ef1234567890"
  603. }'
  604. ```
  605. ---
  606. ## ⚠️ 注意事项
  607. ### 🔒 账户安全
  608. - 同一账户不要在多个浏览器端同时登录
  609. - 定期检查登录状态,及时处理 Cookie 过期
  610. - 建议使用专门的小红书账户进行自动化操作
  611. ### 📊 使用限制
  612. - 遵守小红书平台规则和相关法律法规
  613. - 合理控制发布频率,避免被平台限制
  614. - 本项目仅供学习和研究使用
  615. ### 🛡️ 风险提示
  616. 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。
  617. ---
  618. ## 🤝 贡献
  619. 欢迎提交 Issue 和 Pull Request!
  620. 1. Fork 本项目
  621. 2. 创建特性分支:`git checkout -b feature/amazing-feature`
  622. 3. 提交更改:`git commit -m 'Add amazing feature'`
  623. 4. 推送分支:`git push origin feature/amazing-feature`
  624. 5. 提交 Pull Request
  625. ---
  626. ## 📄 许可证
  627. 本项目采用 MIT 许可证。
  628. ---
  629. ## 🙏 致谢
  630. - [Model Context Protocol](https://modelcontextprotocol.io) - MCP 协议标准
  631. - [Playwright](https://playwright.dev) - 浏览器自动化工具
  632. - [uv](https://github.com/astral-sh/uv) - 现代 Python 包管理工具
  633. - [LangGraph](https://github.com/langchain-ai/langgraph) - AI Agent 框架
  634. ---
  635. <div align="center">
  636. **⭐ 如果这个项目对你有帮助,请给它一个 Star!**
  637. Made with ❤️ by [luyike221](https://github.com/luyike221)
  638. </div>

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.