Skip to main content
Glama
luyike221

Xiaohongshu MCP Python

by luyike221
OverviewSchemaRelated ServersScoreDiscussions
Python
Local

🚀 AI 社交媒体运营全栈解决方案

Python Version MCP Protocol License

🤖 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 • 项目架构 • 核心功能 • 使用指南

✨ 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：

富婆圣经0

富婆圣经1

🏗️ 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

    git clone git@github.com:luyike221/xiaohongshu-mcp-python.git cd xiaohongshu-mcp-python

  2. 安装 uv 包管理器

    # 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：

    cd xhs-image-mcp uv sync

    安装视频生成 MCP 服务：

    cd xhs-video-mcp uv sync

    安装小红书内容生成 MCP 服务：

    cd xhs-content-generator-mcp uv sync

    安装小红书浏览器自动化 MCP 服务：

    cd xhs-browser-automation-mcp uv sync uv run playwright install chromium

    安装数据收集 MCP 服务：

    cd xhs-data-collector-mcp uv sync

    安装 AI 调度系统：

    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：

# 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：

# 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）：

# 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：

# 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：

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

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

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

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

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：

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：

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

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：

# 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：

# 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）

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：

cd ai_social_scheduler uv run python run.py

  1. 发送 HTTP 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：

{ "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：

{ "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

# 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

# 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：

$ 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：

# 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

⭐ 如果这个项目对你有帮助，请给它一个 Star！

Made with ❤️ by luyike221

This server cannot be installed

-
security - not tested
F
license - not found
-
quality - not tested

How are these scores calculated?

Resources

New MCP Servers

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/luyike221/xiaohongshu-mcp-python'

If you have feedback or need assistance with the MCP directory API, please join our Discord server