Integrace WhatsApp MCP Serveru

Co dělá “WhatsApp” MCP Server?

WhatsApp MCP (Model Context Protocol) Server slouží jako most mezi AI asistenty a vaším osobním WhatsApp účtem. Přes WhatsApp webové multidevice API (využívající knihovnu whatsmeow) umožňuje AI modelům, jako jsou Claude nebo Cursor, vyhledávat a číst vaše osobní WhatsApp zprávy (včetně obrázků, videí, dokumentů i audia), vyhledávat kontakty a odesílat zprávy jednotlivcům i skupinám. Vše je spravováno lokálně: historie zpráv je uložena v SQLite databázi a data jsou s AI agentem sdílena pouze explicitním přístupem přes standardizované nástroje. Toto řešení umožňuje vývojářům i uživatelům programově spravovat komunikaci na WhatsApp, automatizovat zprávové workflow a integrovat WhatsApp data do širších vývojových či produktivních procesů – přičemž uživatel má kontrolu nad přístupem k datům.

Seznam promptů

V dostupné dokumentaci nejsou zmíněny žádné šablony promptů.

Seznam zdrojů

• Dokumentace výslovně neuvádí MCP zdroje vystavené serverem.

Seznam nástrojů

• search_contacts: Vyhledávání WhatsApp kontaktů podle jména nebo čísla.
• list_messages: Získání WhatsApp zpráv s volitelnými filtry a parametry kontextu.
• list_chats: Výpis všech dostupných chatů s jejich metadaty.
• get_chat: Získání detailních informací o konkrétním chatu.

Využití tohoto MCP Serveru

• Vyhledávání a načítání WhatsApp zpráv
  Vývojáři a AI agenti mohou programově vyhledávat a získávat WhatsApp zprávy včetně multimédií pro revizi, reportování nebo archivaci.

• Automatizované zasílání zpráv
  Umožňuje odesílání zpráv nebo mediálních souborů (obrázky, videa, dokumenty, audio) jednotlivcům i skupinám přes AI workflow – vhodné pro připomínky, notifikace nebo hromadnou komunikaci.

• Správa kontaktů
  Podpora vyhledávání a organizace WhatsApp kontaktů pomocí AI zvyšuje produktivitu pro uživatele s velkým počtem kontaktů.

• Analytika chatů
  Díky výpisu a analýze metadat chatů a zpráv mohou vývojáři provádět analytiku nebo vytvářet dashboardy nad vzorci komunikace, skupinovou aktivitou či trendy.

• Integrace s AI asistenty
  Umožňuje hladkou interakci mezi WhatsApp a AI modely (např. Claude nebo Cursor), využití AI pro sumarizaci konverzací, tvorbu odpovědí nebo automatizaci rutinních úloh.

Jak nastavit

Windsurf

V dokumentaci nejsou uvedeny pokyny k nastavení pro Windsurf.

Claude

1. Předpoklady: Nainstalujte Go, Python 3.6+, UV (správce Python balíčků) a volitelně FFmpeg.
2. Naklonujte repozitář:

   git clone https://github.com/lharries/whatsapp-mcp.git
   cd whatsapp-mcp
   

3. Spusťte WhatsApp bridge:

   cd whatsapp-bridge
   go run main.go
   

   Ověřte pomocí QR kódu ve vaší mobilní aplikaci WhatsApp.
4. Nakonfigurujte MCP server:
   Uložte následující JSON do ~/Library/Application Support/Claude/claude_desktop_config.json:

   {
     "mcpServers": {
       "whatsapp": {
         "command": "{{PATH_TO_UV}}",
         "args": [
           "--directory",
           "{{PATH_TO_SRC}}/whatsapp-mcp/whatsapp-mcp-server",
           "run",
           "main.py"
         ]
       }
     }
   }
   

5. Restartujte Claude Desktop: Otevřete Claude a WhatsApp uvidíte jako dostupnou integraci.

Poznámka k bezpečnosti API klíčů: Výslovné API klíče nejsou používány, ale pokud je třeba, lze je nastavit pomocí bloku env v JSON konfiguraci.

Příklad s proměnnou prostředí:

{
  "mcpServers": {
    "whatsapp": {
      "command": "{{PATH_TO_UV}}",
      "args": [
        "--directory",
        "{{PATH_TO_SRC}}/whatsapp-mcp/whatsapp-mcp-server",
        "run",
        "main.py"
      ],
      "env": {
        "MY_API_KEY": "your_api_key_here"
      },
      "inputs": {
        "api_key": "${MY_API_KEY}"
      }
    }
  }
}

Cursor

1. Předpoklady: Stejné jako výše.
2. Naklonujte a spusťte bridge: Postupujte stejně jako u Claude.
3. Nakonfigurujte MCP server:
   Uložte následující JSON do ~/.cursor/mcp.json:

   {
     "mcpServers": {
       "whatsapp": {
         "command": "{{PATH_TO_UV}}",
         "args": [
           "--directory",
           "{{PATH_TO_SRC}}/whatsapp-mcp/whatsapp-mcp-server",
           "run",
           "main.py"
         ]
       }
     }
   }
   

4. Restartujte Cursor pro aktivaci integrace.

Poznámka k bezpečnosti API klíčů: Využijte stejný způsob s proměnnými prostředí jako u Claude, pokud je potřeba.

Cline

V dokumentaci nejsou uvedeny pokyny k nastavení pro Cline.

Jak používat tento MCP uvnitř flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do svého workflow ve FlowHunt začněte přidáním MCP komponenty do svého flow a propojte ji s AI agentem:

Klikněte na MCP komponentu pro otevření konfiguračního panelu. V sekci systémové MCP konfigurace vložte údaje o svém MCP serveru v tomto JSON formátu:

{
  "whatsapp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po konfiguraci bude mít AI agent možnost používat tento MCP jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “whatsapp” na skutečný název vašeho MCP serveru a použijte vlastní URL MCP serveru.

Přehled

Na základě dostupné dokumentace je WhatsApp MCP Server dobře zdokumentován pro základní nastavení a využití nástrojů, nicméně chybí explicitní informace o MCP zdrojích, šablonách promptů, roots a sampling supportu. Projekt je vyspělý (licencovaný, populární, aktivně udržovaný), ale postrádá pokročilejší MCP-specifickou dokumentaci.

Náš názor

Tomuto MCP serveru bychom dali 7/10 – je robustní, oblíbený a srozumitelný pro praktickou integraci, ale prospěla by mu podrobnější dokumentace MCP zdrojů, promptů a pokročilých funkcí.

MCP skóre