Tích Hợp Máy Chủ MCP WhatsApp

Máy chủ “WhatsApp” MCP làm gì?

Máy chủ WhatsApp MCP (Model Context Protocol) đóng vai trò là cầu nối giữa trợ lý AI và tài khoản WhatsApp cá nhân của bạn. Bằng cách kết nối qua WhatsApp Web multidevice API (sử dụng thư viện whatsmeow), nó cho phép các mô hình AI như Claude hoặc Cursor tìm kiếm và đọc tin nhắn WhatsApp cá nhân của bạn (bao gồm hình ảnh, video, tài liệu và âm thanh), tìm kiếm danh bạ và gửi tin nhắn đến cá nhân hoặc nhóm. Tất cả tương tác đều được xử lý cục bộ: lịch sử tin nhắn của bạn được lưu trữ trong cơ sở dữ liệu SQLite, và dữ liệu chỉ được chia sẻ với agent AI khi bạn truy cập thông qua các công cụ tiêu chuẩn. Thiết lập này cho phép nhà phát triển và người dùng quản lý giao tiếp WhatsApp bằng lập trình, tự động hóa quy trình nhắn tin và tích hợp dữ liệu WhatsApp vào các quy trình phát triển hoặc năng suất rộng hơn—đồng thời duy trì quyền kiểm soát dữ liệu của người dùng.

Danh sách Prompt

Không có mẫu prompt nào được đề cập trong tài liệu hiện có.

Danh sách Tài nguyên

• Tài liệu không liệt kê rõ ràng các tài nguyên MCP mà máy chủ cung cấp.

Danh sách Công cụ

• search_contacts: Tìm kiếm danh bạ WhatsApp theo tên hoặc số điện thoại.
• list_messages: Truy xuất tin nhắn WhatsApp với các bộ lọc và tham số ngữ cảnh tùy chọn.
• list_chats: Liệt kê tất cả các cuộc trò chuyện kèm thông tin metadata.
• get_chat: Lấy thông tin chi tiết về một cuộc trò chuyện cụ thể.

Các trường hợp sử dụng Máy chủ MCP này

• Tìm kiếm và truy xuất tin nhắn WhatsApp
  Nhà phát triển và agent AI có thể lập trình tìm kiếm và lấy tin nhắn WhatsApp, bao gồm cả nội dung đa phương tiện, để xem xét, báo cáo hoặc lưu trữ.

• Nhắn tin tự động
  Cho phép gửi tin nhắn hoặc tệp phương tiện (hình ảnh, video, tài liệu, âm thanh) đến cá nhân hoặc nhóm thông qua quy trình AI, hỗ trợ nhắc nhở, thông báo hoặc giao tiếp hàng loạt.

• Quản lý danh bạ
  Hỗ trợ tìm kiếm và tổ chức danh bạ WhatsApp thông qua AI, giúp tăng năng suất cho người dùng có danh sách liên hệ lớn.

• Phân tích trò chuyện
  Bằng cách liệt kê và phân tích metadata từ các cuộc trò chuyện và tin nhắn, nhà phát triển có thể thực hiện phân tích hoặc xây dựng dashboard về mẫu nhắn tin, hoạt động nhóm hoặc xu hướng giao tiếp.

• Tích hợp với trợ lý AI
  Cho phép tương tác liền mạch giữa WhatsApp và các mô hình AI (như Claude hoặc Cursor), tận dụng AI để tóm tắt trò chuyện, soạn thảo trả lời hoặc tự động hóa các tác vụ lặp lại.

Cách thiết lập

Windsurf

Không có hướng dẫn thiết lập cho Windsurf trong tài liệu.

Claude

1. Yêu cầu cần thiết: Cài đặt Go, Python 3.6+, UV (trình quản lý package Python) và tùy chọn FFmpeg.
2. Sao chép repository:

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

3. Chạy WhatsApp bridge:

   cd whatsapp-bridge
   go run main.go
   

   Xác thực bằng mã QR qua ứng dụng WhatsApp trên điện thoại của bạn.
4. Cấu hình máy chủ MCP:
   Lưu JSON sau vào ~/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. Khởi động lại Claude Desktop: Mở Claude để thấy WhatsApp là một tích hợp khả dụng.

Lưu ý về bảo mật API key: Không sử dụng API key riêng, nhưng nếu cần, có thể đặt biến môi trường thông qua khối env trong file cấu hình JSON.

Ví dụ cấu hình với biến môi trường:

{
  "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. Yêu cầu cần thiết: Như trên.
2. Sao chép và chạy bridge: Làm theo các bước giống Claude.
3. Cấu hình máy chủ MCP:
   Lưu JSON sau vào ~/.cursor/mcp.json:

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

4. Khởi động lại Cursor để kích hoạt tích hợp.

Lưu ý về bảo mật API key: Sử dụng phương pháp biến môi trường như với Claude nếu cần.

Cline

Không có hướng dẫn thiết lập cho Cline trong tài liệu.

Cách sử dụng MCP này trong flows

Sử dụng MCP trong FlowHunt

Để tích hợp máy chủ MCP vào quy trình FlowHunt của bạn, hãy bắt đầu bằng cách thêm thành phần MCP vào flow và kết nối nó với agent AI:

Nhấp vào thành phần MCP để mở bảng cấu hình. Trong phần cấu hình MCP hệ thống, chèn thông tin máy chủ MCP của bạn bằng định dạng JSON sau:

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

Sau khi cấu hình, agent AI có thể sử dụng MCP này như một công cụ với đầy đủ chức năng và khả năng của nó. Lưu ý thay “whatsapp” bằng tên thực tế của máy chủ MCP và thay URL bằng URL máy chủ MCP của bạn.

Tổng quan

Dựa trên tài liệu hiện có, Máy chủ WhatsApp MCP được tài liệu hóa tốt về thiết lập chung và sử dụng công cụ nhưng thiếu thông tin rõ ràng về tài nguyên, mẫu prompt, roots và hỗ trợ sampling. Dự án đã trưởng thành (có giấy phép, phổ biến và duy trì tích cực), nhưng còn thiếu một số tài liệu nâng cao riêng cho MCP.

Đánh giá của chúng tôi

Chúng tôi đánh giá máy chủ MCP này 7/10—nó mạnh mẽ, phổ biến, rõ ràng cho tích hợp thực tế, nhưng sẽ tốt hơn nếu có thêm tài liệu MCP về tài nguyên, prompt và tính năng nâng cao.

Điểm MCP