whatsapp-mcp
whatsapp-mcp 是一款基于模型上下文协议(MCP)的开源服务器,旨在让 AI 助手(如 Claude)安全地连接并操作你的个人 WhatsApp 账号。它解决了大语言模型无法直接访问实时通讯数据的痛点,赋予 AI 搜索历史消息、读取多媒体内容(图片、视频、音频)、管理联系人以及向个人或群组发送文本和文件的能力。
这款工具特别适合开发者、AI 研究者以及希望构建个性化智能助理的极客用户。其核心技术亮点在于采用本地优先的隐私架构:通过 WhatsMeow 库直连 WhatsApp Web 多设备接口,所有聊天记录仅加密存储于本地 SQLite 数据库中。只有当你主动调用相关功能时,数据才会被发送给 AI 模型处理,从而在享受便利的同时最大限度降低隐私泄露风险。此外,它还内置了智能媒体处理能力,若系统安装 FFmpeg,可自动将普通音频转换为 WhatsApp 专用的 Opus 格式语音消息。需要注意的是,由于涉及敏感数据交互,使用时需警惕提示词注入等安全风险,建议由具备一定技术背景的用户部署和监控。
使用场景
一位远程团队的项目经理需要快速从分散的 WhatsApp 群聊和私聊中,提取上周关于“服务器故障”的讨论细节、相关截图及负责人联系方式,以撰写事故复盘报告。
没有 whatsapp-mcp 时
- 人工检索效率极低:需要在手机或桌面端逐个打开数十个会话,手动滚动屏幕查找关键词,耗时数小时且容易遗漏重要信息。
- 多媒体内容难以整合:找到的故障截图和语音留言散落在不同对话中,必须手动下载、重命名并整理到文档,流程繁琐易出错。
- 上下文关联断裂:难以快速理清事件的时间线和涉及人员,往往需要反复切换窗口对比消息,导致报告逻辑不连贯。
- 即时响应能力差:在撰写报告过程中若需向特定成员核实细节,必须中断写作去查找联系人并发送询问消息,打断心流。
使用 whatsapp-mcp 后
- 自然语言一键搜索:直接向连接的 AI 助手(如 Claude)提问“上周关于服务器故障的所有消息”,whatsapp-mcp 即刻检索本地数据库并汇总所有相关文本。
- 多媒体自动提取:AI 能直接读取并展示相关的故障截图和文档,甚至将语音消息转为文字摘要,无需手动下载即可嵌入报告。
- 智能脉络梳理:whatsapp-mcp 协助 AI 按时间线重组消息,自动识别关键决策点和责任人,生成结构清晰的事故经过草稿。
- 闭环协作执行:在确认报告细节时,可直接指令 AI 通过 whatsapp-mcp 向特定群组或个人发送核实消息或补充文件,全程无需切换应用。
whatsapp-mcp 将原本割裂、手动的即时通讯数据转化为可被 AI 直接理解和操作的上下文,把数小时的信息搜集工作压缩至分钟级。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
WhatsApp MCP 服务器
这是一个用于 WhatsApp 的模型上下文协议 (MCP) 服务器。
通过它,你可以搜索和阅读自己的 WhatsApp 消息(包括图片、视频、文档和语音消息),搜索联系人,并向个人或群组发送消息。你还可以发送媒体文件,包括图片、视频、文档和语音消息。
它通过 WhatsApp Web 多设备 API 直接连接到你的 个人 WhatsApp 账号(使用 whatsmeow 库)。所有消息都会本地存储在 SQLite 数据库中,只有当代理通过工具访问它们时(由你控制)才会被发送到 LLM(例如 Claude)。
以下是连接到 Claude 后可以实现的一个示例。

如需获取此项目及其他我正在开发的项目的更新,请在此处输入您的电子邮箱:点击此处
注意: 与许多 MCP 服务器一样,WhatsApp MCP 也受到 致命三重奏 的影响。这意味着项目注入可能导致私人数据外泄。
安装
先决条件
- Go
- Python 3.6+
- Anthropic Claude Desktop 应用程序(或 Cursor)
- UV(Python 包管理器),可通过
curl -LsSf https://astral.sh/uv/install.sh | sh进行安装 - FFmpeg(可选)——仅在处理语音消息时需要。如果你想将音频文件作为可播放的 WhatsApp 语音消息发送,它们必须是
.oggOpus 格式。如果已安装 FFmpeg,MCP 服务器会自动将非 Opus 格式的音频文件转换为 Opus 格式。如果没有 FFmpeg,你仍然可以使用send_file工具发送原始音频文件。
步骤
克隆此仓库
git clone https://github.com/lharries/whatsapp-mcp.git cd whatsapp-mcp运行 WhatsApp 桥接程序
导航到
whatsapp-bridge目录并运行 Go 应用程序:cd whatsapp-bridge go run main.go第一次运行时,系统会提示你扫描一个二维码。请使用你的 WhatsApp 手机应用扫描该二维码以完成身份验证。
大约 20 天后,你可能需要重新进行身份验证。
连接到 MCP 服务器
复制以下 JSON 文件,并将其中的 {{PATH}} 替换为正确的路径:
{ "mcpServers": { "whatsapp": { "command": "{{PATH_TO_UV}}", // 运行 `which uv` 并将输出结果填入此处 "args": [ "--directory", "{{PATH_TO_SRC}}/whatsapp-mcp/whatsapp-mcp-server", // 进入仓库目录,运行 `pwd` 并将输出结果加上 `/whatsapp-mcp-server` 填入此处 "run", "main.py" ] } } }对于 Claude,将其保存为
claude_desktop_config.json,放置于 Claude Desktop 的配置目录中:~/Library/Application Support/Claude/claude_desktop_config.json对于 Cursor,将其保存为
mcp.json,放置于 Cursor 的配置目录中:~/.cursor/mcp.json重启 Claude Desktop / Cursor
打开 Claude Desktop,你应该会看到 WhatsApp 已作为可用集成出现。
或者重启 Cursor。
Windows 兼容性
如果你在 Windows 上运行该项目,请注意,go-sqlite3 需要 启用 CGO 才能正确编译和运行。默认情况下,Windows 上的 CGO 是禁用的,因此你需要显式地启用它,并安装 C 编译器。
使其实现的步骤:
安装 C 编译器
我们建议使用 MSYS2 来为 Windows 安装 C 编译器。安装 MSYS2 后,确保将ucrt64\bin文件夹添加到你的PATH中。
→ 详细指南请参阅 这里。启用 CGO 并运行应用程序
cd whatsapp-bridge go env -w CGO_ENABLED=1 go run main.go
如果不进行上述设置,你很可能会遇到类似以下错误:
Binary was compiled with 'CGO_ENABLED=0', go-sqlite3 requires cgo to work.
架构概述
本应用由两个主要组件组成:
Go WhatsApp 桥接程序 (
whatsapp-bridge/):一个 Go 应用程序,用于连接 WhatsApp 的 Web API,通过二维码处理身份验证,并将消息历史存储在 SQLite 数据库中。它是 WhatsApp 和 MCP 服务器之间的桥梁。Python MCP 服务器 (
whatsapp-mcp-server/):一个 Python 服务器,实现了模型上下文协议 (MCP),为 Claude 提供了与 WhatsApp 数据交互以及收发消息的标准工具。
数据存储
- 所有消息历史都存储在
whatsapp-bridge/store/目录下的 SQLite 数据库中。 - 数据库维护着聊天和消息表。
- 消息被索引,以便高效地进行搜索和检索。
使用方法
连接完成后,你可以通过 Claude 与你的 WhatsApp 联系人互动,利用 Claude 的 AI 功能来辅助你的 WhatsApp 对话。
MCP 工具
Claude 可以使用以下工具与 WhatsApp 交互:
- search_contacts: 按姓名或电话号码搜索联系人。
- list_messages: 获取消息,可选择性地添加筛选条件和上下文。
- list_chats: 列出可用的聊天记录及其元数据。
- get_chat: 获取特定聊天的信息。
- get_direct_chat_by_contact: 查找与特定联系人的直接聊天。
- get_contact_chats: 列出涉及特定联系人的所有聊天。
- get_last_interaction: 获取与联系人的最近一条消息。
- get_message_context: 检索特定消息周围的上下文。
- send_message: 向指定的电话号码或群组 JID 发送 WhatsApp 消息。
- send_file: 向指定收件人发送文件(图片、视频、原始音频、文档)。
- send_audio_message: 将音频文件作为 WhatsApp 语音消息发送(要求文件为 .ogg opus 格式,或已安装 FFmpeg)。
- download_media: 下载 WhatsApp 消息中的媒体,并获取本地文件路径。
媒体处理功能
MCP 服务器支持发送和接收多种媒体类型:
发送媒体
您可以向 WhatsApp 联系人发送各种媒体类型:
- 图片、视频、文档:使用
send_file工具即可分享任何受支持的媒体类型。 - 语音消息:使用
send_audio_message工具可将音频文件作为可播放的 WhatsApp 语音消息发送。- 为获得最佳兼容性,音频文件应采用
.oggOpus 格式。 - 如果已安装 FFmpeg,系统会自动将其他音频格式(如 MP3、WAV 等)转换为所需格式。
- 若未安装 FFmpeg,您仍可使用
send_file工具发送原始音频文件,但这些文件不会以可播放的语音消息形式显示。
- 为获得最佳兼容性,音频文件应采用
下载媒体
默认情况下,本地数据库仅存储媒体的元数据。消息中会提示已发送媒体。要访问该媒体,您需要使用 download_media 工具,传入 message_id 和 chat_jid(在打印包含媒体的消息时会显示)。此工具会下载媒体,并返回文件路径,随后您可以打开该文件或将其传递给其他工具。
技术细节
- Claude 向 Python MCP 服务器发送请求。
- MCP 服务器查询 Go 桥接程序以获取 WhatsApp 数据,或直接访问 SQLite 数据库。
- Go 桥接程序访问 WhatsApp API,并保持 SQLite 数据库的最新状态。
- 数据沿链条反向回传至 Claude。
- 发送消息时,请求从 Claude 经由 MCP 服务器传递至 Go 桥接程序,最终发送到 WhatsApp。
故障排除
- 如果运行 uv 时遇到权限问题,可能需要将其添加到 PATH 环境变量中,或使用可执行文件的完整路径。
- 请确保 Go 应用程序和 Python 服务器均处于运行状态,以便集成正常工作。
认证问题
- 二维码未显示:若二维码未出现,请尝试重启认证脚本。如果问题仍然存在,请检查您的终端是否支持显示二维码。
- WhatsApp 已登录:如果您的会话已处于活动状态,Go 桥接程序将自动重新连接,而不会显示二维码。
- 设备数量已达上限:WhatsApp 对可关联的设备数量有限制。若达到上限,您需要在手机端的 WhatsApp 设置中移除一台现有设备(设置 > 已链接的设备)。
- 无法加载消息:首次认证后,消息历史可能需要数分钟才能加载完毕,尤其是在聊天记录较多的情况下。
- WhatsApp 与桥接程序不同步:若 WhatsApp 消息与桥接程序不同步,请删除两个数据库文件(
whatsapp-bridge/store/messages.db和whatsapp-bridge/store/whatsapp.db),然后重启桥接程序以重新进行认证。
有关 Claude Desktop 集成的更多故障排除信息,请参阅 MCP 文档。该文档提供了查看日志和解决常见问题的实用建议。
版本历史
v0.0.12025/04/06常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备