微信公众号文章解析 MCP Server

基于 FastMCP 框架实现的微信公众号文章内容解析 MCP（Model Context Protocol）服务器。

功能特性

✅ 解析微信公众号文章 URL
✅ 提取文章标题、作者、发布时间
✅ 提取文章正文（纯文本格式）
✅ 提取文章摘要/描述
✅ LLM 深度分析：使用大语言模型进行语义分析、观点提取、结构分析
✅ 专注于文字内容解析，不处理图片
✅ 基于 FastMCP 框架，使用 stdio 传输
✅ 遵循 MCP 规范，与所有 MCP 客户端兼容

环境准备

1. 创建虚拟环境

# 创建虚拟环境 python -m venv venv # 激活虚拟环境 # macOS/Linux: source venv/bin/activate # Windows: venv\Scripts\activate

2. 安装依赖

pip install -r requirements.txt

如果网络较慢，可以使用国内镜像源：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

运行服务

python server.py

在 Cursor 中配置 MCP

编辑 ~/.cursor/mcp.json，添加以下配置：

{ "mcpServers": { "wechat-article-parser": { "command": "python3", "args": ["/绝对路径/wechat-article-parser-mcp/server.py"] } } }

重启 Cursor，即可使用微信公众号文章解析功能！

配置 LLM API（可选，用于深度分析）

如果需要使用 analyze_with_llm 工具，需要配置智谱 AI API Key。

配置方式：环境变量（在 MCP 配置中）

在 ~/.cursor/mcp.json 中配置 API Key（已在安装步骤中配置）：

{ "wechat-article-parser": { "command": "python3", "args": ["/path/to/server.py"], "env": { "ZHIPU_API_KEY": "your-zhipu-api-key-here" } } }

获取 API Key： 访问 https://open.bigmodel.cn/ 注册并获取 API Key

可用工具

parse_article

解析微信公众号文章，生成详细摘要（使用 LLM 生成至少十句话的摘要，总结全文和分段要点）。

参数：

url (必填): 微信公众号文章 URL，例如：https://mp.weixin.qq.com/s/...

返回示例：

{ "success": true, "url": "https://mp.weixin.qq.com/s/...", "title": "文章标题", "author": "作者名称", "publish_time": "2024-01-01 12:00:00", "summary": "使用 LLM 生成的详细摘要（至少十句话，总结全文和分段要点）...", "metadata": { "charset": "utf-8", "content_type": "text/html" } }

使用示例：

parse_article( url="https://mp.weixin.qq.com/s/xxxxx" )

analyze_with_llm

使用大语言模型进行深度语义分析和观点提取（推荐）。

参数：

url (可选): 微信公众号文章 URL，如果提供则自动解析文章内容
title (可选): 文章标题，如果不提供 URL 则必须提供
author (可选): 作者名称
content (可选): 文章正文内容，如果不提供 URL 则必须提供
save_path (可选): 保存分析结果的 Markdown 文件路径，如果不提供则自动生成文件名
model (可选): LLM 模型名称，默认 "glm-4"，可选 "glm-4-flash", "glm-3-turbo" 等（智谱 AI）
analysis_type (可选): 分析类型，默认 "comprehensive"（综合分析），可选 "viewpoint"（观点提取）、"structure"（结构分析）

分析类型说明：

comprehensive（综合分析）：完整分析，包括观点、结构、论证方式、语言风格、价值评估
viewpoint（观点提取）：专注于观点提取和分析，包括核心观点、分论点链条、论证方式、观点价值
structure（结构分析）：专注于文章结构分析，包括整体结构、段落组织、过渡衔接、层次划分、可读性

返回示例：

{ "success": true, "message": "LLM analysis completed successfully", "file_path": "文章标题-LLM综合分析.md", "file_size": 12345, "article_info": { "title": "文章标题", "author": "作者名称", "content_length": 1234 }, "analysis_info": { "type": "comprehensive", "model": "glm-4", "provider": "zhipu", "method": "LLM semantic analysis" } }

使用示例：

方式 1：综合分析（默认）

analyze_with_llm( url="https://mp.weixin.qq.com/s/xxxxx" )

方式 2：只提取观点

analyze_with_llm( url="https://mp.weixin.qq.com/s/xxxxx", analysis_type="viewpoint" )

方式 3：只分析结构

analyze_with_llm( url="https://mp.weixin.qq.com/s/xxxxx", analysis_type="structure" )

方式 4：指定分析类型和模型

analyze_with_llm( url="https://mp.weixin.qq.com/s/xxxxx", model="glm-4", analysis_type="viewpoint" )

方式 5：使用不同的模型

analyze_with_llm( url="https://mp.weixin.qq.com/s/xxxxx", model="glm-4-flash" )

注意：此工具需要智谱 AI API Key，会产生 API 调用费用。推荐使用 glm-4 模型，国内服务稳定且成本较低。

使用场景

场景 1：快速获取文章摘要

使用 parse_article 工具，快速获取文章标题、作者、发布时间，以及使用 LLM 生成的详细摘要（至少十句话，总结全文和分段要点）。

场景 2：LLM 深度分析（推荐）

使用 analyze_with_llm 工具进行深度语义分析：

观点提取：自动识别核心观点和分论点链条
结构分析：分析文章结构、段落组织、逻辑关系
论证方式：识别使用的论证方式并评估效果
语言风格：分析语言特点、表达技巧、可读性
价值评估：评估观点价值、传播潜力、目标读者

技术实现

核心技术栈

FastMCP: MCP 服务器框架
requests: HTTP 请求库
BeautifulSoup4: HTML 解析库
lxml: XML/HTML 解析器（BeautifulSoup 后端）

解析流程

URL 验证：验证是否为有效的微信公众号文章 URL
HTTP 请求：使用 requests 发送 GET 请求，模拟浏览器访问
HTML 解析：使用 BeautifulSoup 解析 HTML 内容
信息提取：
- 标题：从 <h1> 标签提取
- 作者：从作者相关的 CSS 类提取
- 发布时间：从时间相关的标签提取
- 正文：从 rich_media_content 或 js_content 提取纯文本
- 摘要：从 meta 标签提取
内容清理：移除 HTML 标签、脚本、样式，提取纯文本
LLM 摘要生成（parse_article）：使用 LLM 生成详细摘要（至少十句话，总结全文和分段要点）
结果返回：返回 JSON 格式的结构化数据

注意事项

反爬虫机制：微信公众号可能有反爬虫机制，建议：
- 控制请求频率
- 使用合适的 User-Agent
- 避免频繁请求同一公众号
内容合法性：确保解析和使用微信公众号文章内容符合相关法律法规和平台规定。
URL 格式：确保提供的是完整的微信公众号文章 URL，格式通常为：
- https://mp.weixin.qq.com/s/xxxxx
- https://weixin.qq.com/s/xxxxx
内容更新：微信公众号文章内容可能会更新，解析结果可能因时间而异。

开发

运行测试

# 运行所有测试 pytest # 运行测试并生成覆盖率报告 pytest --cov=server --cov-report=html # 运行类型检查 mypy server.py

项目结构

. ├── server.py # MCP 服务器主程序 ├── requirements.txt # Python 依赖包 ├── README.md # 项目文档（本文件） ├── .gitignore # Git 忽略文件 └── tests/ # 测试目录（可选） └── test_server.py # 服务器单元测试

许可证

MIT License

贡献

欢迎提交 Issue 和 Pull Request！

WeChat Article Parser