Integração do Servidor MCP do WhatsApp

O que faz o Servidor MCP “WhatsApp”?

O Servidor MCP (Model Context Protocol) do WhatsApp atua como uma ponte entre assistentes de IA e sua conta pessoal do WhatsApp. Ao se conectar via API web multidevice do WhatsApp (usando a biblioteca whatsmeow), permite que modelos de IA como Claude ou Cursor pesquisem e leiam suas mensagens pessoais do WhatsApp (incluindo imagens, vídeos, documentos e áudios), pesquisem contatos e enviem mensagens para indivíduos ou grupos. Todas as interações são gerenciadas localmente: seu histórico de mensagens é armazenado em um banco de dados SQLite e os dados só são compartilhados com o agente de IA quando explicitamente acessados por ferramentas padronizadas. Essa configuração permite que desenvolvedores e usuários gerenciem comunicações do WhatsApp programaticamente, automatizem fluxos de mensagens e integrem dados do WhatsApp em processos de desenvolvimento ou produtividade mais amplos—tudo mantendo o controle do usuário sobre o acesso aos dados.

Lista de Prompts

Nenhum template de prompt é mencionado na documentação disponível.

Lista de Recursos

• A documentação não lista explicitamente recursos MCP expostos pelo servidor.

Lista de Ferramentas

• search_contacts: Pesquise contatos do WhatsApp por nome ou número de telefone.
• list_messages: Recupere mensagens do WhatsApp com filtros e parâmetros de contexto opcionais.
• list_chats: Liste todas as conversas disponíveis com seus metadados.
• get_chat: Obtenha informações detalhadas sobre uma conversa específica.

Casos de Uso deste Servidor MCP

• Pesquisa e Recuperação de Mensagens no WhatsApp
  Desenvolvedores e agentes de IA podem pesquisar e recuperar mensagens do WhatsApp programaticamente, incluindo conteúdo multimídia, para revisão, relatórios ou arquivamento.

• Mensagens Automatizadas
  Permite enviar mensagens ou arquivos de mídia (imagens, vídeos, documentos, áudios) para indivíduos ou grupos por meio de fluxos de trabalho de IA, facilitando lembretes, notificações ou comunicações em massa.

• Gerenciamento de Contatos
  Suporta pesquisa e organização de contatos do WhatsApp via IA, aumentando a produtividade de usuários que gerenciam grandes listas de contatos.

• Análise de Conversas
  Ao listar e analisar metadados de conversas e mensagens, desenvolvedores podem realizar análises ou criar dashboards sobre padrões de mensagens, atividade de grupos ou tendências de comunicação.

• Integração com Assistentes de IA
  Permite interação fluida entre WhatsApp e modelos de IA (como Claude ou Cursor), aproveitando a IA para resumir conversas, rascunhar respostas ou automatizar tarefas repetitivas.

Como configurar

Windsurf

Nenhuma instrução de configuração para Windsurf é fornecida na documentação.

Claude

1. Pré-requisitos: Instale Go, Python 3.6+, UV (gerenciador de pacotes Python) e, opcionalmente, FFmpeg.
2. Clone o repositório:

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

3. Execute a ponte do WhatsApp:

   cd whatsapp-bridge
   go run main.go
   

   Autentique-se via QR code usando o app móvel do WhatsApp.
4. Configure o servidor MCP:
   Salve o JSON abaixo em ~/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. Reinicie o Claude Desktop: Abra o Claude para ver o WhatsApp como uma integração disponível.

Observação sobre segurança de chaves de API: Nenhuma chave de API explícita é utilizada, mas se necessário, variáveis de ambiente podem ser definidas via bloco env na configuração JSON.

Exemplo com variável de ambiente:

{
  "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. Pré-requisitos: Mesmos do exemplo acima.
2. Clone e execute a ponte: Siga os passos como no Claude.
3. Configure o servidor MCP:
   Salve o seguinte JSON em ~/.cursor/mcp.json:

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

4. Reinicie o Cursor para ativar a integração.

Observação sobre segurança de chaves de API: Use o mesmo método de variáveis de ambiente como no Claude, se necessário.

Cline

Nenhuma instrução de configuração para Cline é fornecida na documentação.

Como usar este MCP em fluxos

Usando MCP no FlowHunt

Para integrar servidores MCP ao seu fluxo no FlowHunt, comece adicionando o componente MCP ao seu fluxo e conectando-o ao seu agente de IA:

Clique no componente MCP para abrir o painel de configuração. Na seção de configuração do MCP do sistema, insira os detalhes do seu servidor MCP usando este formato JSON:

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

Depois de configurado, o agente de IA estará apto a usar este MCP como uma ferramenta com acesso a todas as suas funções e capacidades. Lembre-se de alterar “whatsapp” para o nome real do seu servidor MCP e substituir a URL pela URL do seu servidor MCP.

Visão geral

Com base na documentação disponível, o Servidor MCP do WhatsApp é bem documentado para configuração geral e uso de ferramentas, mas carece de informações explícitas sobre recursos, templates de prompt, roots e suporte a sampling. O projeto é maduro (licenciado, popular e mantido ativamente), mas faltam detalhes avançados específicos do MCP na documentação.

Nossa opinião

Avaliamos este servidor MCP com nota 7/10—é robusto, popular e claro para integração prática, mas se beneficiaria de uma documentação mais abrangente sobre recursos MCP, prompts e funcionalidades avançadas.

Pontuação MCP