Which integrations are available for this server?

Enables automated content publishing to 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.

How do I use Xiaohongshu MCP Python?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@Xiaohongshu MCP Python create a post about weekend coffee recipes with 3 images" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

🚀 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，由六个强大的项目组成，实现从内容生成、图像视频创作、平台操作到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：内容生成、平台操作、AI调度三层架构，灵活可扩展
🎨 内容创作：AI自动生成图像和视频，支持完整的内容创作流程
📱 多平台支持：支持小红书、抖音、快手等平台（逐步扩展）
🛠️ Skills 技能管理系统：采用 xhs-image-mcp/src/image_video_mcp/skills/ 技能管理架构，通过 Markdown 文件组织和管理提示词技能，支持动态加载、参数格式化，实现提示词的模块化和可复用化

📖 使用指南

场景一：生成内容、图片、并发布于小红书

[新对话] 请输入消息: 写个单身程序员如何找富婆的小红书，配9张图，其中有核心图有类似狂飙中大嫂陈舒婷
📤 发送中...
📥 最终生成的小红书

最终发布的小红书：

富婆圣经0

富婆圣经1

🏗️ 项目架构

本仓库包含六个独立但协同工作的项目：

1️⃣ 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
🌐 HTTP API 服务：提供 FastAPI 接口，支持 HTTP 调用
💬 交互式聊天：提供命令行聊天客户端，方便快速体验

核心文件：

run.py：启动 FastAPI 服务器，提供 HTTP API 接口（默认端口 8012）
chat.py：交互式聊天客户端，通过命令行与 AI Agent 对话

适用场景：需要AI智能运营和自动化调度的场景

2️⃣ xhs-content-generator-mcp - 小红书内容生成 MCP 服务层

定位：内容文案生成引擎，提供AI内容创作能力

✍️ 内容生成：基于主题生成小红书笔记、标题、描述等内容
🎯 多类型支持：支持笔记、标题、描述等多种内容类型
🚀 FastMCP框架：使用 FastMCP 快速构建 MCP 服务
🔌 MCP协议实现：完整支持 Model Context Protocol 规范
🎨 智能创作：AI驱动的智能内容创作

适用场景：需要AI生成小红书文案和内容的场景

3️⃣ xhs-browser-automation-mcp - 小红书浏览器自动化 MCP 服务层

定位：平台操作引擎，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

4️⃣ xhs-image-mcp - 图像生成 MCP 服务层

定位：AI图像生成引擎，提供高质量图像创作能力

🎨 图像生成：基于提示词生成高质量图像（支持通义万相）
🚀 FastMCP框架：使用 FastMCP 快速构建 MCP 服务
🔌 MCP协议实现：完整支持 Model Context Protocol 规范
🛠️ Skills 技能管理系统：采用 src/image_video_mcp/skills/ 架构，通过 Markdown 文件组织和管理提示词技能，支持动态加载、参数格式化，实现提示词的模块化和可复用化
📝 Prompt模板：提供5个预定义的Prompt模板
📦 Resource资源：提供6个预定义的Resource资源（风格预设、配置模板等）
🎯 Resource Template：提供8个预定义的Resource Template模板，支持动态参数访问
⚙️ 灵活配置：支持自定义尺寸、种子、负面提示词等参数

适用场景：需要AI生成图像内容的场景

5️⃣ xhs-video-mcp - 视频生成 MCP 服务层

定位：视频生成引擎，借鉴 MoneyPrinterTurbo 的视频生产逻辑

🎬 自动生成视频脚本：使用 LLM 生成视频脚本
🔍 自动生成搜索关键词：智能生成视频素材搜索关键词
🗣️ 文本转语音（TTS）：支持 edge-tts，多种语音选择
📝 自动生成字幕：自动为视频添加字幕
📥 素材下载：从 Pexels/Pixabay 下载视频素材
✂️ 视频合成：拼接、添加字幕、背景音乐、转场效果
📱 多尺寸支持：支持竖屏（9:16）和横屏（16:9）
⚡ GPU加速：支持NVENC硬件编码加速

适用场景：需要AI生成剪辑风格视频的场景

6️⃣ xhs-data-collector-mcp - 数据收集 MCP 服务层

定位：数据收集和分析引擎

📊 数据收集：收集平台数据，支持运营分析
🔍 数据分析：内容表现分析、趋势识别
📈 数据可视化：提供数据统计和可视化功能

适用场景：需要数据收集和分析的场景

🔗 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                                           │
└───┬──────────┬──────────┬──────────┬──────────┬────────┘
    │ MCP协议  │ MCP协议  │ MCP协议  │ MCP协议  │ MCP协议
    ↓          ↓          ↓          ↓          ↓
┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│xhs-content   │ │xhs-image-mcp │ │xhs-video-mcp  │ │xhs-browser-   │ │xhs-data-      │
│generator     │ │(图像生成)     │ │(视频生成)     │ │automation-mcp │ │collector-mcp │
│              │ │              │ │              │ │(平台操作)     │ │(数据收集)     │
│- 内容生成    │ │- 图像生成     │ │- 视频脚本生成 │ │- 内容发布     │ │- 数据收集     │
│- 文案创作    │ │- Prompt模板   │ │- TTS语音合成 │ │- 内容搜索     │ │- 数据分析     │
│              │ │- Resource    │ │- 视频合成     │ │- 用户互动     │ │- 趋势识别     │
└──────────────┘ └──────────────┘ └──────────────┘ │- 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

🎨 内容生成

图像生成：基于提示词AI生成高质量图像
视频生成：基于提示词AI生成视频内容
文案生成：AI生成小红书笔记、标题、描述等内容
参数定制：支持自定义尺寸、种子、负面提示词等
批量生成：支持批量生成和异步处理

📝 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
安装图像生成 MCP 服务：
```
cd xhs-image-mcp
uv sync
```
安装视频生成 MCP 服务：
```
cd xhs-video-mcp
uv sync
```
安装小红书内容生成 MCP 服务：
```
cd xhs-content-generator-mcp
uv sync
```
安装小红书浏览器自动化 MCP 服务：
```
cd xhs-browser-automation-mcp
uv sync
uv run playwright install chromium
```
安装数据收集 MCP 服务：
```
cd xhs-data-collector-mcp
uv sync
```
安装 AI 调度系统：
```
cd ai_social_scheduler
uv sync
```

⚙️ 配置

图像生成 MCP 服务配置

在 xhs-image-mcp 目录下创建 .env 文件：

# 服务器配置
MCP_HOST=127.0.0.1
MCP_PORT=8003

# 通义万相配置（图像生成）
WANT2I_API_KEY=your_api_key
WANT2I_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

视频生成 MCP 服务配置

在 xhs-video-mcp 目录下创建 .env 文件：

# LLM 配置
LLM_PROVIDER=openai  # 或 moonshot, deepseek
OPENAI_API_KEY=your_openai_api_key
OPENAI_MODEL_NAME=gpt-3.5-turbo

# 视频素材配置（多个key用逗号分隔）
PEXELS_API_KEYS=your_pexels_api_key_1,your_pexels_api_key_2
PIXABAY_API_KEYS=your_pixabay_api_key

# 视频配置
VIDEO_OUTPUT_DIR=./output
MATERIAL_CACHE_DIR=./cache/materials
VIDEO_FPS=30
VIDEO_GPU_ACCELERATION=false  # 启用GPU加速（需要NVIDIA GPU和NVENC支持）
VIDEO_CODEC=auto  # 视频编码器: auto, libx264, h264_nvenc, hevc_nvenc

小红书内容生成 MCP 服务配置

在 xhs-content-generator-mcp 目录下创建 .env 文件（可选）：

# 服务器配置
MCP_HOST=0.0.0.0
MCP_PORT=8001

小红书浏览器自动化 MCP 服务配置

在 xhs-browser-automation-mcp 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

启动图像生成 MCP 服务

cd xhs-image-mcp
uv run python -m image_video_mcp.main

服务将在 http://localhost:8003 启动。

启动视频生成 MCP 服务

cd xhs-video-mcp
# 使用启动脚本（推荐）
./start.sh

# 或使用 uv 命令
uv run xhs-video-mcp

# 或指定主机和端口
uv run xhs-video-mcp --host 0.0.0.0 --port 8005

服务将在 http://localhost:8005 启动（默认端口）。

启动小红书内容生成 MCP 服务

cd xhs-content-generator-mcp
uv run python -m xhs_content_generator_mcp.main

服务将在 http://localhost:8001 启动（默认端口 8000，可通过参数指定）。

启动小红书浏览器自动化 MCP 服务

cd xhs-browser-automation-mcp
uv run python -m xiaohongshu_mcp_python.main

服务将在 http://localhost:8000 启动。

启动 AI 调度系统

方式一：启动 HTTP API 服务（推荐）

使用 run.py 启动 FastAPI 服务器，提供 HTTP 接口：

cd ai_social_scheduler
uv run python run.py

服务将在 http://0.0.0.0:8012 启动，提供以下接口：

POST /api/v1/chat - 聊天接口，发送消息获取 AI 回复

方式二：使用交互式聊天客户端

使用 chat.py 启动交互式命令行客户端：

cd ai_social_scheduler
uv run python chat.py

启动后可以：

直接输入消息与 AI Agent 对话
输入 quit 或 exit 退出
输入 reset 重置对话线程

方式三：直接运行主程序

cd ai_social_scheduler
uv run python main.py

📖 使用指南

场景一：使用内容生成服务

如果你需要生成小红书内容，可以使用 xhs-content-generator-mcp：

# 通过 MCP 客户端调用
{
  "tool": "generate_content",
  "parameters": {
    "topic": "春日美食",
    "content_type": "note"
  }
}

场景二：直接使用小红书浏览器自动化 MCP 服务

如果你只需要直接操作小红书平台，可以使用 xhs-browser-automation-mcp：

# 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"]
  }
}

场景三：使用 AI 智能运营

如果你需要AI自主运营，可以使用 ai_social_scheduler：

方式一：使用交互式聊天客户端（最简单）

cd ai_social_scheduler
uv run python chat.py

启动后直接与 AI 对话：

[新对话] 请输入消息: 帮我写一篇关于美食的小红书
📤 发送中...
📥 AI 回复:
好的，我来帮你创建一篇关于美食的小红书内容...

方式二：通过 HTTP API 调用

启动 API 服务：

cd ai_social_scheduler
uv run python run.py

发送 HTTP 请求：

curl -X POST http://localhost:8012/api/v1/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "帮我写一篇关于美食的小红书"}'

AI 处理流程：当你说"帮我写一篇关于美食的小红书"时，AI 会：

分析美食主题和需求
调用 xhs-content-generator-mcp 生成内容文案
调用 xhs-image-mcp 生成配图
调用 xhs-browser-automation-mcp 发布内容
监控发布结果
根据数据调整后续策略

视频生成流程：当需要生成视频时，AI 会：

调用 xhs-video-mcp 生成视频脚本
使用 TTS 生成语音
从 Pexels/Pixabay 下载视频素材
合成视频（添加字幕、背景音乐、转场效果）
输出最终视频文件

场景四：完整集成使用

所有项目可以完美集成，形成完整的运营闭环：

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
内容生成服务生成文案和图片
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

.
├── xhs-image-mcp/                  # 图像生成 MCP 服务
│   ├── src/
│   │   └── image_video_mcp/
│   │       ├── main.py            # 主程序入口
│   │       ├── clients/           # 客户端模块
│   │       ├── prompts/           # Prompt 模板
│   │       ├── resources/         # Resource 资源
│   │       ├── skills/            # Skills 技能管理系统（核心）
│   │       │   ├── skill_manager.py  # 技能管理器
│   │       │   └── skills/        # 技能文件目录（Markdown格式）
│   │       └── ...
│   └── README.md                  # 详细文档
│
├── xhs-video-mcp/                  # 视频生成 MCP 服务
│   ├── src/
│   │   └── xhs_video_mcp/
│   │       ├── main.py            # 主程序入口
│   │       ├── services/          # 服务模块
│   │       │   ├── llm_service.py        # LLM 服务
│   │       │   ├── voice_service.py      # 语音服务
│   │       │   ├── subtitle_service.py  # 字幕服务
│   │       │   ├── material_service.py  # 素材服务
│   │       │   ├── video_service.py     # 视频服务
│   │       │   └── video_generation_service.py  # 主服务
│   │       ├── config/            # 配置管理
│   │       └── utils/             # 工具模块
│   ├── start.sh                   # 启动脚本
│   └── README.md                  # 详细文档
│
├── xhs-content-generator-mcp/      # 小红书内容生成 MCP 服务
│   ├── src/
│   │   └── xhs_content_generator_mcp/
│   │       ├── __init__.py
│   │       └── main.py           # 主程序入口
│   ├── pyproject.toml
│   └── README.md                  # 详细文档
│
├── xhs-browser-automation-mcp/     # 小红书浏览器自动化 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
│
├── xhs-data-collector-mcp/         # 数据收集 MCP 服务
│   ├── src/
│   │   └── xhs_data_collector_mcp/
│   │       └── ...
│   └── 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
│   │       │   └── ...
│   │       ├── api/               # FastAPI 接口层
│   │       │   ├── app.py        # FastAPI 应用
│   │       │   └── ...
│   │       ├── mcp/               # MCP服务层
│   │       └── ...
│   ├── run.py                      # 启动 FastAPI 服务器
│   ├── chat.py                     # 交互式聊天客户端
│   ├── 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": {
    "xhs-image-mcp": {
      "url": "http://localhost:8003",
      "description": "图像生成 MCP 服务"
    },
    "xhs-video-mcp": {
      "url": "http://localhost:8005",
      "description": "视频生成 MCP 服务"
    },
    "xhs-content-generator-mcp": {
      "url": "http://localhost:8001",
      "description": "小红书内容生成 MCP 服务"
    },
    "xhs-browser-automation-mcp": {
      "url": "http://localhost:8000",
      "description": "小红书浏览器自动化 MCP 服务"
    },
    "xhs-data-collector-mcp": {
      "url": "http://localhost:8006",
      "description": "数据收集 MCP 服务"
    }
  }
}

Claude Desktop

在配置文件中添加：

{
  "mcpServers": {
    "xhs-image-mcp": {
      "url": "http://localhost:8003"
    },
    "xhs-video-mcp": {
      "url": "http://localhost:8005"
    },
    "xhs-content-generator-mcp": {
      "url": "http://localhost:8001"
    },
    "xhs-browser-automation-mcp": {
      "url": "http://localhost:8000"
    },
    "xhs-data-collector-mcp": {
      "url": "http://localhost:8006"
    }
  }
}

🎨 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：
#    - 生成内容（调用 xhs-content-generator-mcp）
#    - 生成图片（调用 xhs-image-mcp）
#    - 生成视频（调用 xhs-video-mcp，如需要）
#    - 发布内容（调用 xhs-browser-automation-mcp）
# 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

交互式聊天使用示例

使用 chat.py 与 AI Agent 进行对话：

$ cd ai_social_scheduler
$ uv run python chat.py

============================================================
小红书运营 Agent 交互式聊天
============================================================

提示:
  - 输入消息后按 Enter 发送
  - 输入 'quit' 或 'exit' 退出
  - 输入 'reset' 重置对话

[新对话] 请输入消息: 帮我写一篇关于春日美食的小红书

📤 发送中...

📥 AI 回复:
好的，我来帮你创建一篇关于春日美食的小红书内容。让我先分析一下需求...

[对话 ID: a1b2c3d4...] 请输入消息: 标题要吸引人一点

📤 发送中...

📥 AI 回复:
好的，我会优化标题，让它更加吸引人...

消息数: 4

[对话 ID: a1b2c3d4...] 请输入消息: reset
✅ 对话已重置

[新对话] 请输入消息: quit
再见！

HTTP API 使用示例

使用 run.py 启动服务后，可以通过 HTTP 调用：

# 启动服务
$ cd ai_social_scheduler
$ uv run python run.py
INFO:     Started server process [12345]
INFO:     Uvicorn running on http://0.0.0.0:8012

# 在另一个终端发送请求
$ curl -X POST http://localhost:8012/api/v1/chat \
  -H "Content-Type: application/json" \
  -d '{
    "message": "帮我写一篇关于春日美食的小红书",
    "thread_id": null
  }'

{
  "thread_id": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  "response": "好的，我来帮你创建一篇关于春日美食的小红书内容...",
  "message_count": 2
}

# 继续对话（使用相同的 thread_id）
$ curl -X POST http://localhost:8012/api/v1/chat \
  -H "Content-Type: application/json" \
  -d '{
    "message": "标题要吸引人一点",
    "thread_id": "a1b2c3d4-e5f6-7890-abcd-ef1234567890"
  }'

⚠️ 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

🚀 AI 社交媒体运营全栈解决方案

✨ 项目简介

🎯 核心价值

📖 使用指南

场景一：生成内容、图片、并发布于小红书

🏗️ 项目架构

1️⃣ ai_social_scheduler - AI 调度核心层

2️⃣ xhs-content-generator-mcp - 小红书内容生成 MCP 服务层

3️⃣ xhs-browser-automation-mcp - 小红书浏览器自动化 MCP 服务层

4️⃣ xhs-image-mcp - 图像生成 MCP 服务层

5️⃣ xhs-video-mcp - 视频生成 MCP 服务层

6️⃣ xhs-data-collector-mcp - 数据收集 MCP 服务层

🔗 协同工作

🎯 核心功能

🤖 AI 智能运营

🎨 内容生成

📝 内容发布

📊 数据分析

🔍 内容管理

🚀 快速开始

📋 环境要求

🔧 安装步骤

⚙️ 配置

图像生成 MCP 服务配置

视频生成 MCP 服务配置

小红书内容生成 MCP 服务配置

小红书浏览器自动化 MCP 服务配置

AI 调度系统配置

🎯 启动服务

启动图像生成 MCP 服务

启动视频生成 MCP 服务

启动小红书内容生成 MCP 服务

启动小红书浏览器自动化 MCP 服务

启动 AI 调度系统

📖 使用指南

场景一：使用内容生成服务

场景二：直接使用小红书浏览器自动化 MCP 服务

场景三：使用 AI 智能运营

场景四：完整集成使用

🛠️ 技术栈

核心技术

数据存储

📁 项目结构

🔌 MCP 客户端接入

Cursor IDE

Claude Desktop

🎨 功能演示

AI 自主运营示例

定时任务示例

交互式聊天使用示例

HTTP API 使用示例

⚠️ 注意事项

🔒 账户安全

📊 使用限制

🛡️ 风险提示

🤝 贡献

📄 许可证

🙏 致谢

Resources

Looking for Admin?

Latest Blog Posts

MCP directory API