WhatsApp MCP 服务器集成

“WhatsApp” MCP 服务器的功能简介

WhatsApp MCP（模型上下文协议）服务器充当 AI 助手与您个人 WhatsApp 账户之间的桥梁。通过 WhatsApp Web 多设备 API（使用 whatsmeow 库）连接，使得 Claude、Cursor 等 AI 模型可以搜索、读取您的 WhatsApp 消息（包括图片、视频、文档和音频）、查找联系人，并向个人或群组发送消息。所有交互均在本地完成：消息历史存储于 SQLite 数据库，只有当您通过标准化工具主动访问时数据才会被共享给 AI 代理。这一方案既方便开发者和用户以编程方式管理 WhatsApp 通讯、自动化消息工作流、集成 WhatsApp 数据到更广泛的开发或生产流程，又保障了用户对数据访问的控制。

提示模板列表

在现有文档中未提及任何提示模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

• 文档未明确列出服务器暴露的 MCP 资源。

工具列表

• search_contacts：按姓名或手机号搜索 WhatsApp 联系人。
• list_messages：按需检索 WhatsApp 消息，可带过滤和上下文参数。
• list_chats：列出所有可用聊天及其元数据。
• get_chat：获取指定聊天的详细信息。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

本 MCP 服务器的应用场景

• WhatsApp 消息搜索与检索
  开发者和 AI 代理可编程地搜索、检索 WhatsApp 消息（含多媒体内容），用于复查、报告或归档。

• 自动化消息发送
  通过 AI 工作流发送消息或媒体文件（图片、视频、文档、音频）给个人或群组，实现提醒、通知或批量交流。

• 联系人管理
  支持 AI 搜索、管理 WhatsApp 联系人，提升大联系人量用户的效率。

• 聊天分析
  通过列举和分析聊天及消息元数据，开发者可分析消息模式、群组活动或通讯趋势，生成数据看板等。

• 与 AI 助手集成
  使 WhatsApp 与 AI 模型（如 Claude、Cursor）无缝协作，利用 AI 总结聊天、草拟回复、自动化重复性任务。

如何设置

Windsurf

文档未提供 Windsurf 的设置说明。

Claude

1. 前置条件：安装 Go、Python 3.6+、UV（Python 包管理器），可选安装 FFmpeg。
2. 克隆仓库：

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

3. 运行 WhatsApp bridge：

   cd whatsapp-bridge
   go run main.go
   

   使用 WhatsApp 手机应用扫码认证。
4. 配置 MCP 服务器：
   将如下 JSON 保存至 ~/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. 重启 Claude Desktop：打开 Claude，即可看到 WhatsApp 集成。

关于安全存储 API 密钥的说明：本集成默认无需 API 密钥，如有需要可在 JSON 配置中通过 env 块设置环境变量。

环境变量示例：

{
  "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. 前置条件：同上。
2. 克隆并运行 bridge：按 Claude 步骤操作。
3. 配置 MCP 服务器：
   将如下 JSON 保存至 ~/.cursor/mcp.json：

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

4. 重启 Cursor 激活集成。

关于 API 密钥安全的说明：如有需要，请参照 Claude 部分使用环境变量方式。

Cline

文档未提供 Cline 的设置说明。

在流程中如何使用本 MCP

在 FlowHunt 中使用 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，首先在您的流程中添加 MCP 组件，并将其与 AI 代理连接：

点击 MCP 组件，打开配置面板。在系统 MCP 配置区，按如下 JSON 格式填写您的 MCP 服务器信息：

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

配置完成后，AI 代理即可作为工具访问该 MCP 的全部功能。请记得将 “whatsapp” 替换为实际 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

根据现有文档，WhatsApp MCP 服务器在常规设置和工具使用方面文档完善，但在资源、提示模板、根节点（roots）及采样等 MCP 高级细节上缺乏说明。该项目成熟（有许可证、受欢迎、积极维护），但在 MCP 专属高级文档方面仍有提升空间。

我们的评价

我们为本 MCP 服务器打分 7/10 —— 功能完善，集成清晰且流行，但若能补充更详细的 MCP 资源、提示与高级特性文档会更佳。

MCP 评分