WhatsApp MCP 서버 통합

“WhatsApp” MCP 서버란 무엇을 하나요?

WhatsApp MCP(Model Context Protocol) 서버는 AI 어시스턴트와 개인 WhatsApp 계정 간의 브리지 역할을 합니다. WhatsApp 웹 멀티디바이스 API(whatsmeow 라이브러리 사용)를 통해 연결되어 Claude나 Cursor와 같은 AI 모델이 개인 WhatsApp 메시지(이미지, 동영상, 문서, 오디오 포함)를 검색하고 읽으며, 연락처를 찾거나 개인/그룹에 메시지를 보낼 수 있도록 합니다. 모든 상호작용은 로컬에서 처리되며, 메시지 내역은 SQLite 데이터베이스에 저장되고, 표준화된 도구를 통해 명시적으로 접근할 때만 AI 에이전트와 공유됩니다. 이 구조는 개발자와 사용자가 WhatsApp 커뮤니케이션을 프로그래밍적으로 관리하고, 메시징 워크플로우를 자동화하며, WhatsApp 데이터를 더 넓은 개발 또는 생산성 프로세스에 통합할 수 있도록 하면서 데이터 접근에 대한 사용자의 통제권을 유지합니다.

프롬프트 목록

사용 가능한 문서에 프롬프트 템플릿에 대한 언급이 없습니다.

리소스 목록

• 서버에서 노출하는 MCP 리소스에 대한 명시적 목록이 문서에 없습니다.

도구 목록

• search_contacts: 이름 또는 전화번호로 WhatsApp 연락처를 검색합니다.
• list_messages: 선택적 필터 및 컨텍스트 파라미터로 WhatsApp 메시지를 조회합니다.
• list_chats: 모든 사용 가능한 채팅과 그 메타데이터를 나열합니다.
• get_chat: 특정 채팅에 대한 상세 정보를 가져옵니다.

이 MCP 서버의 활용 사례

• WhatsApp 메시지 검색 및 조회
  개발자와 AI 에이전트가 WhatsApp 메시지(멀티미디어 포함)를 프로그래밍적으로 검색, 조회하여 검토, 리포트, 보관 등의 용도로 사용할 수 있습니다.

• 자동화 메시징
  AI 워크플로우를 통해 개인 또는 그룹에 메시지나 미디어 파일(이미지, 동영상, 문서, 오디오)을 전송할 수 있어 알림, 리마인더, 대량 커뮤니케이션을 자동화할 수 있습니다.

• 연락처 관리
  AI를 통해 WhatsApp 연락처를 검색 및 정리할 수 있어, 대용량 연락처를 관리하는 사용자의 생산성이 향상됩니다.

• 채팅 분석
  채팅 및 메시지의 메타데이터를 나열·분석함으로써, 메시징 패턴, 그룹 활동, 커뮤니케이션 트렌드에 대한 대시보드나 분석이 가능합니다.

• AI 어시스턴트와의 통합
  WhatsApp과 Claude, Cursor 등 AI 모델 간의 원활한 상호작용을 지원하여, AI가 채팅을 요약하거나 응답 초안을 작성하거나 반복 작업을 자동화할 수 있습니다.

설치 방법

Windsurf

문서에 Windsurf에 대한 설치 안내가 제공되지 않습니다.

Claude

1. 사전 준비: Go, Python 3.6+, UV(Python 패키지 관리자), 선택적으로 FFmpeg을 설치합니다.
2. 저장소 복제:

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

3. WhatsApp 브리지 실행:

   cd whatsapp-bridge
   go run main.go
   

   WhatsApp 모바일 앱으로 QR 코드를 통해 인증하세요.
4. MCP 서버 구성:
   다음 JSON을 ~/Library/Application Support/Claude/claude_desktop_config.json 파일에 저장하세요:

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

5. Claude Desktop 재시작: Claude를 열면 WhatsApp이 사용 가능한 통합으로 표시됩니다.

API 키 보안 관련 안내: 명시적인 API 키는 사용하지 않지만, 필요 시 JSON 구성에서 env 블록을 통해 환경 변수를 설정할 수 있습니다.

환경 변수 예시:

{
  "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. 사전 준비: 위와 동일합니다.
2. 브리지 복제 및 실행: Claude와 동일하게 진행하세요.
3. MCP 서버 구성:
   다음 JSON을 ~/.cursor/mcp.json에 저장하세요:

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

4. Cursor 재시작하여 통합을 활성화하세요.

API 키 보안 관련 안내: 필요하다면 Claude와 동일하게 환경 변수 방식을 사용하세요.

Cline

문서에 Cline에 대한 설치 안내가 제공되지 않습니다.

FlowHunt 내에서 MCP를 활용하는 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, MCP 컴포넌트를 플로우에 추가하고 AI 에이전트와 연결하세요:

MCP 컴포넌트를 클릭해 구성 패널을 엽니다. 시스템 MCP 구성 섹션에서 아래 JSON 형식으로 MCP 서버 상세 정보를 입력하세요:

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

구성 후, AI 에이전트는 이 MCP의 모든 기능과 역량에 접근할 수 있습니다. “whatsapp"을 실제 MCP 서버 이름으로, URL을 본인의 MCP 서버 URL로 변경해야 합니다.

개요

현재 문서에 따르면 WhatsApp MCP 서버는 일반적인 설치 및 도구 사용에 대해 잘 문서화되어 있으나, 리소스, 프롬프트 템플릿, roots, 샘플링 지원에 관한 명확한 정보는 부족합니다. 프로젝트는 성숙(라이선스 존재, 인기, 활발한 유지보수)하지만, MCP 고급 기능 문서가 일부 부족합니다.

우리의 의견

이 MCP 서버는 7/10으로 평가합니다. 실용적 통합에 충분히 견고하고 인기 있으며 명확하지만, MCP 리소스, 프롬프트, 고급 기능 문서가 더 보강되면 좋겠습니다.

MCP 점수