iflow-mcp_redbook-search-comment-mcp

# 小红书自动搜索评论工具（MCP Server 2.0） <div align="right"> [English](README_EN.md) | 中文 </div> > 本项目基于 [JonaFly/RednoteMCP](https://github.com/JonaFly/RednoteMCP.git) 并结合多次实战经验，进行全面优化和功能扩展（by windsurf）。在此向原作者的贡献表示由衷的感谢！ 这是一款基于 Playwright 开发的小红书自动搜索和评论工具，作为 MCP Server，可通过特定配置接入 MCP Client（如Claude for Desktop），帮助用户自动完成登录小红书、搜索关键词、获取笔记内容及发布AI生成评论等操作。 ## 主要特点与优势 - **深度集成AI能力**：利用MCP客户端（如Claude）的大模型能力，生成更自然、更相关的评论内容 - **模块化设计**：将功能分为笔记分析、评论生成和评论发布三个独立模块，提高代码可维护性 - **强大的内容获取能力**：集成多种获取笔记内容的方法，确保能完整获取各类笔记的标题、作者和正文内容 - **持久化登录**：使用持久化浏览器上下文，首次登录后无需重复登录 - **两步式评论流程**：先获取笔记分析结果，然后由MCP客户端生成并发布评论 ## 2.0版本主要优化 - **内容获取增强**：重构了笔记内容获取模块，增加页面加载等待时间和滚动操作，实现四种不同的内容获取方法 - **AI评论生成**：重构评论功能，将笔记分析结果返回给MCP客户端，由客户端的AI能力生成更自然、更相关的评论 - **功能模块化**：将功能分为笔记分析、评论生成和评论发布三个独立模块，提高代码可维护性 - **搜索结果优化**：解决了搜索笔记时标题不显示的问题，提供更完整的搜索结果 - **错误处理增强**：添加更详细的错误处理和调试信息输出 ## 一、核心功能 ### 1. 用户认证与登录 - **持久化登录**：支持手动扫码登录，首次登录后保存状态，后续使用无需重复扫码 - **登录状态管理**：自动检测登录状态，并在需要时提示用户登录 ### 2. 内容发现与获取 - **智能关键词搜索**：支持多关键词搜索，可指定返回结果数量，并提供完整的笔记信息 - **多维度内容获取**：集成四种不同的获取方法，确保能准确获取笔记的标题、作者、发布时间和正文内容 - **评论数据获取**：支持获取笔记的评论内容，包括评论者、评论文本和时间信息 ### 3. 内容分析与生成 - **笔记内容分析**：自动分析笔记内容，提取关键信息并识别笔记所属领域 - **AI评论生成**：利用MCP客户端（如Claude）的AI能力，基于笔记内容生成自然、相关的评论 - **多类型评论支持**：支持四种不同类型的评论生成： - **引流型**：引导用户关注或私聊 - **点赞型**：简单互动获取好感 - **咨询型**：以问题形式增加互动 - **专业型**：展示专业知识建立权威 ### 4. 数据返回与反馈 - **结构化数据返回**：将笔记分析结果以JSON格式返回给MCP客户端，便于AI生成评论 - **评论发布反馈**：提供评论发布结果的实时反馈 ## 二、安装步骤 1. **Python 环境准备**：确保系统已安装 Python 3.8 或更高版本。若未安装，可从 Python 官方网站下载并安装。 2. **项目获取**：将本项目克隆或下载到本地。 3. **创建虚拟环境**：在项目目录下创建并激活虚拟环境（推荐）： ```bash # 创建虚拟环境 python3 -m venv venv # 激活虚拟环境 # Windows venv\Scripts\activate # macOS/Linux source venv/bin/activate ``` 4. **安装依赖**：在激活的虚拟环境中安装所需依赖： ```bash pip install -r requirements.txt pip install fastmcp ``` 5. **安装浏览器**：安装Playwright所需的浏览器： ```bash playwright install ``` ## 三、MCP Server 配置 在 MCP Client（如Claude for Desktop）的配置文件中添加以下内容，将本工具配置为 MCP Server： ### Mac 配置示例 ```json { …