meeting-summary-mcp · 通用会议总结 MCP

一个通用的 MCP Server：把任意一场会议交给它（飞书妙记/纪要链接、日期范围，或腾讯会议等导出的文字稿）， 它就能自动整理成一份标准会议纪要 —— 会议信息 / 会议摘要 / 会议内容 / 待办事项·按部门分发。

适用场景：开完会 → 让 AI 读取会议内容 → 自动产出结构化纪要，并按「产品部 / 运营部 / 品牌部 …」 把每条待办归到对应部门，省去会后手工整理、逐条分发的功夫。 支持飞书原生数据 + 任意会议文字稿，不绑定单一会议平台。

✨ 功能（MCP Tools）

Related MCP server: Feishu/Lark OpenAPI MCP

📦 安装

1. 安装 Python 依赖

pip install mcp

2. 安装并登录 lark-cli（飞书命令行工具）

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

登录时用你自己的飞书账号扫码授权，需要勾选以下权限范围（Scope）：

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

没有一次性全选也没关系，后续用到某个功能时按提示补授权即可。

🔌 接入你的 AI 客户端

Claude Code（VS Code 扩展 / CLI）

在 settings.json（用户或项目级）的 mcpServers 里加：

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

Claude Desktop / 其他支持 MCP 的客户端

在客户端 MCP 配置里同样指向：command: python，args: [server.py 的绝对路径]。

🚀 使用示例

场景 1：搜索今天/某天的会议

让 AI 调用 search_meetings("2026-08-21", "2026-08-21")，即可拿到当天的会议列表。

场景 2：把妙记/纪要链接整理成按部门待办

1. 把会议妙记链接（.../minutes/obcnxxx）给 AI

2. 告诉 AI 参会人岗位，例如：

   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. AI 调用 organize_todos_by_department，传入 minute_token 或 link 和 roles_json，得到：

# 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）

场景 3：读逐字稿做深度分析

调用 fetch_transcript(minute_token) 拿全文，再让 AI 基于原始发言独立分析（比直接抄 AI 总结更准）。

场景 4：腾讯会议等任意会议（不依赖飞书）

腾讯会议导出的会议文字稿（txt），直接交给 AI 用 import_meeting_text 读取， 再调 organize_todos_from_text 结合岗位配置按部门整理待办：

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) 输出按部门分组待办。 微信会议 / 录音转写 / 任何文字稿同理。

🧩 roles_json 岗位配置格式

organize_todos_by_department 的 roles_json 参数：

{
  "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"}
}

• 键：参会人姓名（会议里的显示名）或 open_id（ou_ 开头）

• role：岗位；department：所在部门（待办会按此分组）

• 没有匹配到部门的待办自动归入「待确认 / 需人工认领」

示例见 examples/roles_example.json

📄 输出格式（标准四板块模板）

organize_todos_by_department / organize_todos_from_text 输出的标准模板：

# 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

模板说明与真实示例见 examples/meeting_template.md

📁 项目结构

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

🧪 自测

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

需要本机 lark-cli 已登录并授权对应 scope。

🔄 分享给别人

直接把整个 meeting-summary-mcp 目录打包（zip）发给对方，对方按本 README 的 「安装 → 授权 → 接入」三步即可在自己的 AI 客户端 + 自己的飞书账号下使用。

说明：本 MCP 通过 lark-cli 访问飞书，数据只在自己账号授权范围内读取， 不会跨账号泄露会议内容。