Which integrations are available for this server?

Enables automated content publishing to [Xiaohongshu](/mcp/servers/integrations/xiaohongshu) (Little Red Book), including posting image/text and video content, searching feeds, retrieving user profiles and post details, managing comments, and handling account login sessions.

🚀 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，由两个强大的项目组成，实现从底层操作到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：底层MCP服务 + 上层AI调度，灵活可扩展
📱 多平台支持：支持小红书、抖音、快手等平台（逐步扩展）

🏗️ 项目架构

本仓库包含两个独立但协同工作的项目：

1️⃣ xiaohongshumcp-python - 小红书 MCP 服务层

定位：底层操作引擎，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

2️⃣ 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

适用场景：需要AI智能运营和自动化调度的场景

🔗 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 │ └──────────────┬──────────────────────────┘ │ 通过 MCP 协议调用 ↓ ┌─────────────────────────────────────────┐ │ xiaohongshumcp-python (操作服务层) │ │ - 小红书内容发布 │ │ - 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

克隆项目
git clone git@github.com:luyike221/xiaohongshu-mcp-python.git cd xiaohongshu-mcp-python
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"
安装项目依赖
安装小红书 MCP 服务：
cd xiaohongshumcp-python uv sync uv run playwright install chromium
安装 AI 调度系统：
cd ai_social_scheduler uv sync

⚙️ 配置

小红书 MCP 服务配置

在 xiaohongshumcp-python 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

启动小红书 MCP 服务

cd xiaohongshumcp-python uv run python -m xiaohongshu_mcp_python.main

服务将在 http://localhost:8000 启动。

启动 AI 调度系统

cd ai_social_scheduler uv run python main.py

📖 使用指南

场景一：直接使用小红书 MCP 服务

如果你只需要直接操作小红书平台，可以使用 xiaohongshumcp-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"] } }

场景二：使用 AI 智能运营

如果你需要AI自主运营，可以使用 ai_social_scheduler：

# AI 会自动分析你的需求，生成内容计划，并调用底层服务执行 # 例如："帮我写一篇关于美食的小红书" # AI 会： # 1. 分析美食主题 # 2. 生成内容计划 # 3. 调用 xiaohongshumcp-python 发布内容 # 4. 监控发布结果 # 5. 根据数据调整策略

场景三：集成使用

两个项目可以完美集成：

AI 调度系统监听事件（用户请求、定时任务等）
AI 决策引擎分析需求，生成执行计划
任务调度器调用 MCP 服务执行具体操作
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

. ├── xiaohongshumcp-python/ # 小红书 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 │ │ │ └── ... │ │ ├── mcp/ # MCP服务层 │ │ └── ... │ ├── 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": { "xiaohongshu-mcp-python": { "url": "http://localhost:8000/mcp", "description": "小红书 Python MCP 服务" } } }

Claude Desktop

在配置文件中添加：

{ "mcpServers": { "xiaohongshu-mcp-python": { "url": "http://localhost:8000/mcp" } } }

🎨 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： # - 生成图片（调用 ComfyUI 服务） # - 发布内容（调用小红书 MCP 服务） # 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

⚠️ 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！

Fork 本项目
创建特性分支：git checkout -b feature/amazing-feature
提交更改：git commit -m 'Add amazing feature'
推送分支：git push origin feature/amazing-feature
提交 Pull Request

📄 许可证

本项目采用 MIT 许可证。

🙏 致谢

Model Context Protocol - MCP 协议标准
Playwright - 浏览器自动化工具
uv - 现代 Python 包管理工具
LangGraph - AI Agent 框架

⭐ 如果这个项目对你有帮助，请给它一个 Star！

Made with ❤️ by luyike221