meeting-summary-mcp · Universeller Meeting-Zusammenfassungs-MCP

Ein universeller MCP-Server: Geben Sie ihm eine beliebige Besprechung (Feishu-Minutes/Meeting-Notizen-Link, Datumsbereich oder exportierte Transkripte von Tencent Meeting usw.), und er erstellt automatisch ein standardisiertes Meeting-Protokoll – Meeting-Informationen / Meeting-Zusammenfassung / Meeting-Inhalt / Aufgaben nach Abteilung verteilt.

Anwendungsszenario: Nach dem Meeting → KI die Meeting-Inhalte lesen lassen → automatisch strukturierte Protokolle erstellen und jede Aufgabe der entsprechenden Abteilung zuordnen („Produktabteilung / Betriebsabteilung / Markenabteilung …“), was manuelle Nachbearbeitung und Verteilung nach dem Meeting spart. Unterstützt native Feishu-Daten + beliebige Meeting-Transkripte, nicht an eine einzelne Meeting-Plattform gebunden.

✨ Funktionen (MCP-Tools)

Related MCP server: Feishu/Lark OpenAPI MCP

📦 Installation

1. Python-Abhängigkeiten installieren

pip install mcp

2. lark-cli (Feishu-Befehlszeilentool) installieren und anmelden

npm install -g lark-cli
lark-cli auth login

Bei der Anmeldung mit Ihrem eigenen Feishu-Konto per QR-Code autorisieren, folgende Berechtigungsbereiche (Scope) müssen ausgewählt werden:

vc:meeting.search:read
vc:meeting.meetingevent:read
vc:record:readonly
minutes:minutes.search:read
minutes:minutes.basic:read
minutes:minutes.artifacts:read
minutes:minutes.transcript:export
vc:note:read
docs:document.content:read

Es ist kein Problem, wenn nicht alles auf einmal ausgewählt wird – bei späterer Nutzung einer Funktion können Sie die Berechtigung nach Anweisung ergänzen.

🔌 In Ihren KI-Client integrieren

Claude Code (VS Code-Erweiterung / CLI)

In settings.json (Benutzer- oder Projektebene) unter mcpServers hinzufügen:

{
  "mcpServers": {
    "meeting-summary": {
      "command": "python",
      "args": ["D:/meeting-summary-mcp/server.py"]
    }
  }
}

Claude Desktop / andere MCP-fähige Clients

Im MCP-Konfigurationsbereich des Clients ebenfalls auf Folgendes verweisen: command: python, args: [absoluter Pfad von server.py].

🚀 Verwendungsbeispiele

Szenario 1: Besprechungen von heute/einem bestimmten Tag suchen

KI search_meetings("2026-08-21", "2026-08-21") aufrufen lassen, um die Besprechungsliste des Tages zu erhalten.

Szenario 2: Minutes/Notizen-Link in Aufgaben nach Abteilung umwandeln

1. Meeting-Minutes-Link (.../minutes/obcnxxx) der KI geben

2. KI die Rollen der Teilnehmer mitteilen, z. B.:

   吴楠是北京产品经理，熊燕刚是运营总监，季子禾是直播间运营，
   刘晓曼是品牌运营，紫芙BB是品牌对接，王晨旭是直播间运营负责人

3. KI ruft organize_todos_by_department auf, übergibt minute_token oder link und roles_json, und erhält:

# 会议待办 · 按部门分发

## 产品/技术部
- [ ] 积分问题排查：…（负责人：吴楠·北京产品经理）

## 直播间运营部
- [ ] 直播间GMV录入：…（负责人：王晨旭·直播间运营负责人）

Szenario 3: Transkript für tiefgehende Analyse lesen

fetch_transcript(minute_token) aufrufen, um den vollständigen Text zu erhalten, dann KI basierend auf den Originalaussagen unabhängig analysieren lassen (genauer als direkt die KI-Zusammenfassung zu übernehmen).

Szenario 4: Beliebige Besprechungen wie Tencent Meeting (ohne Feishu-Abhängigkeit)

Von Tencent Meeting exportierte Transkripte (txt) direkt der KI mit import_meeting_text zum Lesen geben, dann organize_todos_from_text mit Rollenkonfiguration aufrufen, um Aufgaben nach Abteilung zu organisieren:

张三 00:00:10
这个需求需要尽快跟进，明天给产品确认。
李四 00:00:20
培训文档我来输出，会后整理下发给运营。

→ organize_todos_from_text(text, roles_json, title) gibt nach Abteilung gruppierte Aufgaben aus. WeChat-Meetings / Audio-Transkription / beliebige Text-Transkripte funktionieren genauso.

🧩 roles_json Rollenkonfigurationsformat

Der roles_json-Parameter von organize_todos_by_department:

{
  "吴楠": {"role": "北京产品经理", "department": "产品/技术部"},
  "熊燕刚": {"role": "运营总监", "department": "运营总监"},
  "附子LC-直播运营": {"role": "直播间运营", "department": "直播间运营部"},
  "刘晓曼": {"role": "品牌运营", "department": "品牌运营/品牌对接"}
}

• Schlüssel: Teilnehmername (Anzeigename im Meeting) oder open_id (beginnt mit ou_)

• role: Position; department: Abteilung (Aufgaben werden danach gruppiert)

• Aufgaben ohne passende Abteilung werden automatisch unter „Unbestätigt / Manuelle Zuordnung erforderlich" einsortiert

Beispiel siehe examples/roles_example.json

📄 Ausgabeformat (Standard-Vier-Bereiche-Vorlage)

Standardvorlage der Ausgabe von organize_todos_by_department / organize_todos_from_text:

# 会议纪要 · {会议主题}

## 一、会议信息      （主题 / 时间 / 参会人）
## 二、会议摘要      （一段话概括）
## 三、会议内容      （按议题分节）
## 四、待办事项 · 按部门分发
### 🛠️ 部门A
- [ ] 任务（负责人：xxx·岗位）
### 待确认 / 需人工认领

Vorlagenbeschreibung und reales Beispiel siehe examples/meeting_template.md

📁 Projektstruktur

meeting-summary-mcp/
├── server.py            # MCP 入口（FastMCP + 8 个 tools）
├── feishu_client.py     # lark-cli 封装（搜索/妙记/纪要/逐字稿）
├── organizer.py         # 按部门待办整理逻辑
├── requirements.txt
├── README.md
├── examples/
│   ├── roles_example.json   # 岗位配置示例
│   └── output_example.md    # 生成的按部门待办示例
└── test/
    └── smoke_test.py        # 本机冒烟测试

🧪 Selbsttest

cd meeting-summary-mcp
python test/smoke_test.py

Erfordert, dass lark-cli auf diesem Rechner angemeldet und die entsprechenden Scopes autorisiert sind.

🔄 Mit anderen teilen

Einfach das gesamte meeting-summary-mcp-Verzeichnis packen (zip) und an die andere Person senden. Diese kann es gemäß der drei Schritte in dieser README „Installation → Autorisierung → Integration" in ihrem eigenen KI-Client + ihrem eigenen Feishu-Konto verwenden.

Hinweis: Dieser MCP greift über lark-cli auf Feishu zu. Daten werden nur im autorisierten Bereich des eigenen Kontos gelesen, Meeting-Inhalte werden nicht über Konten hinweg geleakt.