Xiaohongshu MCP Python

# 🚀 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**，由四个强大的项目组成，实现从内容生成、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） --- ## 📖 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 本仓库包含四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 **image_video_mcp** - 图像视频生成 MCP 服务层 **定位**：内容创作引擎，提供AI图像和视频生成能力 - 🎨 **图像生成**：基于提示词生成高质量图像（支持通义万相） - 🎬 **视频生成**：基于提示词生成视频内容 - 🚀 **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 - ⚙️ **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生成图像或视频内容的场景 ### 🔗 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 ↓ ↓ ↓ ┌──────────────┐ ┌──────────────┐ ┌────────────────────┐ │xhs-content │ │image_video_mcp│ │xhs-browser-auto-mcp │ │generator │ │(图像视频生成) │ │ (平台操作服务层) │ │ │ │ │ │ │ │- 内容生成 │ │- 图像生成 │ │- 小红书内容发布 │ │- 文案创作 │ │- 视频生成 │ │- 内容搜索与获取 │ │ │ │ │ │- 用户互动管理 │ └──────────────┘ └──────────────┘ │- 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** **安装图像视频生成 MCP 服务：** ```bash cd image_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 AI 调度系统：** ```bash cd ai_social_scheduler uv sync ``` ### ⚙️ 配置 #### 图像视频生成 MCP 服务配置 在 `image_video_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 ``` #### 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 #### 启动图像视频生成 MCP 服务 ```bash cd image_video_mcp uv run python -m image_video_mcp.main ``` 服务将在 `http://localhost:8003` 启动。 #### 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 `image_video_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 ### 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 ``` . ├── image_video_mcp/ # 图像视频生成 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 │ │ └── ... │ └── 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 │ ├── 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": { "image-video-mcp": { "url": "http://localhost:8003", "description": "图像视频生成 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" } } } ``` ### Claude Desktop 在配置文件中添加： ```json { "mcpServers": { "image-video-mcp": { "url": "http://localhost:8003" }, "xhs-content-generator-mcp": { "url": "http://localhost:8001" }, "xhs-browser-automation-mcp": { "url": "http://localhost:8000" } } } ``` --- ## 🎨 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 image_video_mcp） # - 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>