Instagram MCP Server

Ein produktionsreifer Model Context Protocol (MCP)-Server für die Interaktion mit Instagram-/Meta-APIs. Ermöglicht KI-Agenten die Verwaltung von Inhalten, die Analyse von Leistungskennzahlen, die Recherche von Wettbewerbern und die Abwicklung von Publishing-Workflows über strukturierte MCP-Tools.

Funktionen

• Kontoverwaltung: Profilabruf, Kontoeinblicke, Medienauflistung

• Inhaltsanalysen: Einblicke in Beiträge, Reels und Storys mit Engagement-Kennzahlen

• Inhaltsgenerierung: Reel-Ideen, Bildunterschriften, Hashtags, Inhaltskalender

• Wettbewerbsrecherche: Profilanalyse, Inhaltsvergleich, Wettbewerbsberichte

• Kommentarverwaltung: Klassifizierung, Moderation, Auto-Antwort-Workflows

• Publishing-Workflow: Container-Erstellung, Medienveröffentlichung, Statusverfolgung

• Lead-Bewertung: Analyse von Geschäftsleads mit Bewertungsstufen

• Audit-Protokollierung: Vollständige Anfrage-/Antwort-Protokollierung mit Ausführungsmetriken

Related MCP server: Instagram Control MCP Server

Voraussetzungen

• Python 3.10+

• Meta-Developer-App mit Zugriff auf die Instagram-Graph-API

• Instagram-Unternehmenskonto, das mit deiner Meta-App verbunden ist

Schnellstart

1. Klonen und Installieren

git clone <repository-url>
cd instagram-mcp
pip install -r requirements.txt

2. Umgebung konfigurieren

cp .env.example .env

Bearbeite .env mit deinen Anmeldedaten:

META_APP_ID=your_meta_app_id
META_APP_SECRET=your_meta_app_secret
INSTAGRAM_ACCESS_TOKEN=your_instagram_access_token
INSTAGRAM_BUSINESS_ACCOUNT_ID=your_instagram_business_account_id

3. Server starten

python server.py

Docker

docker-compose up --build

MCP-Client-Konfiguration

Füge Folgendes zu deiner MCP-Client-Konfiguration hinzu (z. B. Claude Desktop, Cursor):

{
  "mcpServers": {
    "instagram": {
      "command": "python",
      "args": ["server.py"],
      "cwd": "/path/to/instagram-mcp"
    }
  }
}

Verfügbare Tools

Account-Tools

Analysetools

Inhaltstools

Wettbewerbs-Tools

Kommentar-Tools

Publishing-Tools

Lead-Tools

Beispiel für natürliche Sprachbefehle

"What were my best performing Reels last month?"
→ instagram_get_reel_insights (multiple calls) → sort → analyze → top results

"Generate a 30-day content calendar for an AI automation agency"
→ instagram_generate_content_calendar

"Analyze my competitor @examplebrand"
→ instagram_analyze_competitor → instagram_find_competitor_content

"What comments need moderation on my latest post?"
→ instagram_get_comments → classify → filter

"Compare my engagement with @competitor1 and @competitor2"
→ instagram_compare_accounts

KI-Entscheidungsebene

Der Server implementiert eine interne Entscheidungspipeline:

1. Benutzeranfrage – Eingabe in natürlicher Sprache

2. Absichtserkennung – Erforderliche Operation bestimmen

3. Berechtigungsprüfung – API-Zugriff validieren

4. Tool-Auswahl – Auf das passende MCP-Tool abbilden

5. Instagram-API – Autorisierte API-Aufrufe ausführen

6. Datenvalidierung – Antwortdaten validieren

7. Analysen/Logik – Ergebnisse verarbeiten und analysieren

8. Strukturierte Antwort – Formatiertes JSON zurückgeben

Kommentarklassifizierung

Kommentare werden automatisch in folgende Kategorien eingeteilt:

Lead-Bewertung

Bewertungsfaktoren: Follower-Anzahl, Veröffentlichungshäufigkeit, Geschäftskategorie, identifizierte Bedürfnisse, Vorhandensein einer Website.

Fehlerbehandlung

Alle Tools geben strukturierte Fehlerantworten zurück:

{
  "success": false,
  "error": {
    "code": "RATE_LIMIT",
    "message": "Instagram API rate limit reached.",
    "retryable": true
  }
}

Fehlercodes: UNAUTHORIZED, FORBIDDEN, NOT_FOUND, RATE_LIMIT, SERVER_ERROR, NETWORK_ERROR, INVALID_MEDIA, PERMISSION_MISSING

Projektstruktur

instagram-mcp/
├── server.py              # Main MCP server with tool definitions
├── config.py              # Configuration management
├── requirements.txt       # Python dependencies
├── .env.example           # Environment template
├── Dockerfile             # Container configuration
├── docker-compose.yml     # Docker Compose setup
├── mcp/
│   ├── tools/             # MCP tool implementations
│   │   ├── account.py     # Account tools
│   │   ├── analytics.py   # Analytics tools
│   │   ├── content.py     # Content generation tools
│   │   ├── comments.py    # Comment management tools
│   │   ├── publishing.py  # Publishing workflow tools
│   │   └── competitors.py # Competitor research tools
│   └── schemas/           # Pydantic data models
│       ├── account.py
│       ├── content.py
│       └── analytics.py
├── services/              # Business logic layer
│   ├── instagram_api.py   # Instagram Graph API client
│   ├── analytics.py       # Analytics calculations
│   ├── content_ai.py      # Content generation engine
│   └── lead_scoring.py    # Lead analysis and scoring
├── database/              # Data persistence
│   ├── models.py          # SQLAlchemy models
│   └── repository.py      # Database operations
└── tests/                 # Unit tests
    ├── test_account.py
    ├── test_analytics.py
    ├── test_publishing.py
    └── test_errors.py

Tests ausführen

pytest tests/ -v

Sicherheit

• OAuth-2.0-Authentifizierung über die Meta-Graph-API

• Zugriffstokens werden in Umgebungsvariablen gespeichert

• Kein Scraping von Anmeldedaten oder Sitzungsextraktion

• Berechtigungsprüfung vor Operationen

• Rate-Limit-Handling mit Wiederholungslogik

• Audit-Protokollierung für alle Tool-Ausführungen

• Tokens oder Geheimnisse werden niemals in Antworten offengelegt

Lizenz

MIT