Integrácia WhatsApp MCP Servera

Čo robí „WhatsApp“ MCP Server?

WhatsApp MCP (Model Context Protocol) Server pôsobí ako most medzi AI asistentmi a vaším osobným WhatsApp účtom. Cez prepojenie prostredníctvom WhatsApp web multidevice API (využívajúci knižnicu whatsmeow) umožňuje AI modelom ako Claude alebo Cursor vyhľadávať a čítať vaše osobné WhatsApp správy (vrátane obrázkov, videí, dokumentov a audia), vyhľadávať kontakty a odosielať správy jednotlivcom či skupinám. Všetky interakcie sú spracovávané lokálne: história správ je uložená v SQLite databáze a údaje sú zdieľané s AI agentom len vtedy, keď k nim explicitne pristúpite cez štandardizované nástroje. Tento prístup umožňuje vývojárom a používateľom programovo spravovať WhatsApp komunikáciu, automatizovať správy a integrovať WhatsApp dáta do širších vývojových či produktívnych procesov – a to všetko pri zachovaní kontroly používateľa nad prístupom k údajom.

Zoznam promptov

V dostupnej dokumentácii nie sú uvedené žiadne prompt šablóny.

Zoznam zdrojov

• Dokumentácia explicitne neuvádza MCP zdroje, ktoré server poskytuje.

Zoznam nástrojov

• search_contacts: Vyhľadávanie WhatsApp kontaktov podľa mena alebo telefónneho čísla.
• list_messages: Získavanie WhatsApp správ s voliteľnými filtrami a parametrami kontextu.
• list_chats: Zobrazenie všetkých dostupných četov s ich metadátami.
• get_chat: Získanie detailných informácií o konkrétnom čete.

Príklady využitia tohto MCP Servera

• Vyhľadávanie a získavanie WhatsApp správ
  Vývojári a AI agenti môžu programovo vyhľadávať a získavať WhatsApp správy vrátane multimediálneho obsahu na kontrolu, reporting alebo archiváciu.

• Automatizované odosielanie správ
  Umožňuje odosielať správy alebo mediálne súbory (obrázky, videá, dokumenty, audio) jednotlivcom alebo skupinám prostredníctvom AI pracovných tokov, čo uľahčuje pripomienky, notifikácie alebo hromadnú komunikáciu.

• Správa kontaktov
  Podporuje vyhľadávanie a organizovanie WhatsApp kontaktov pomocou AI, čo zvyšuje produktivitu používateľov so širokým zoznamom kontaktov.

• Analýza četov
  Zobrazovaním a analyzovaním metadát z četov a správ môžu vývojári vykonávať analytiku alebo vytvárať prehľady o komunikačných vzorcoch, aktivite skupín či trendoch.

• Integrácia s AI asistentmi
  Umožňuje bezproblémovú interakciu medzi WhatsAppom a AI modelmi (ako Claude alebo Cursor), pričom AI môže sumarizovať čety, pripravovať odpovede alebo automatizovať opakované úlohy.

Ako nastaviť

Windsurf

V dokumentácii nie sú uvedené inštrukcie na nastavenie pre Windsurf.

Claude

1. Požiadavky: Nainštalujte Go, Python 3.6+, UV (Python package manager) a voliteľne FFmpeg.
2. Klonovanie repozitára:

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

3. Spustenie WhatsApp bridge:

   cd whatsapp-bridge
   go run main.go
   

   Overte sa QR kódom cez vašu WhatsApp mobilnú aplikáciu.
4. Nastavenie MCP servera:
   Uložte nasledovný 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. Reštartujte Claude Desktop: Otvorte Claude, aby ste videli WhatsApp ako dostupnú integráciu.

Poznámka k zabezpečeniu API kľúčov: Explicitné API kľúče sa nepoužívajú, ale ak je to potrebné, environmentálne premenné môžete nastaviť cez blok env v JSON konfigurácii.

Príklad s environmentálnou premennou:

{
  "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. Požiadavky: Rovnaké ako vyššie.
2. Klonovanie a spustenie bridge: Postupujte podľa pokynov ako pre Claude.
3. Nastavenie MCP servera:
   Uložte nasledujúci 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. Reštartujte Cursor na aktiváciu integrácie.

Poznámka k zabezpečeniu API kľúčov: Ak je potrebné, použite rovnaký prístup s environmentálnou premennou ako pri Claude.

Cline

V dokumentácii nie sú uvedené inštrukcie na nastavenie pre Cline.

Ako používať tento MCP vo flow-och

Použitie MCP vo FlowHunt

Na integráciu MCP serverov do svojho FlowHunt workflow začnite pridaním MCP komponentu do flowu a jeho prepojením s vaším AI agentom:

Kliknite na MCP komponent pre otvorenie konfiguračného panela. V sekcii systémovej MCP konfigurácie vložte detaily vášho MCP servera v tomto JSON formáte:

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

Po nakonfigurovaní bude môcť AI agent používať tento MCP ako nástroj so všetkými jeho funkciami a možnosťami. Nezabudnite zmeniť “whatsapp” na skutočný názov vášho MCP servera a URL nahraďte adresou vášho vlastného MCP servera.

Prehľad

Na základe dostupnej dokumentácie je WhatsApp MCP Server dobre zdokumentovaný pre všeobecné nastavenie a použitie nástrojov, no explicitne mu chýbajú informácie o zdrojoch, prompt šablónach, roots a sampling podpore. Projekt je vyspelý (licencovaný, populárny a aktívne udržiavaný), avšak chýba mu pokročilá MCP špecifická dokumentácia.

Náš názor

Tento MCP server hodnotíme na 7/10 – je robustný, populárny a jasne integrovaný v praxi, ale prospelo by mu rozšírenie dokumentácie o MCP zdrojoch, promptoch a pokročilých funkciách.

MCP skóre