xiaohongshu-mcp-python

🚀 AI 社交媒体运营全栈解决方案

🤖 AI驱动的智能社交媒体运营平台 | 让AI帮你运营小红书

快速开始 • 项目架构 • 核心功能 • 使用指南

---

✨ 项目简介

这是一个完整的AI社交媒体运营解决方案，由六个强大的项目组成，实现从内容生成、图像视频创作、平台操作到AI智能调度的全链路自动化。

🎯 核心价值

• 🤖 AI自主运营：AI模型自主决策和执行运营任务，无需人工干预
• 🔄 事件驱动：智能响应用户请求、平台通知、定时任务等多种事件
• 📊 数据驱动：基于数据分析自动优化内容策略和发布时机
• 🔌 模块化设计：内容生成、平台操作、AI调度三层架构，灵活可扩展
• 🎨 内容创作：AI自动生成图像和视频，支持完整的内容创作流程
• 📱 多平台支持：支持小红书、抖音、快手等平台（逐步扩展）
• 🛠️ Skills 技能管理系统：采用 xhs-image-mcp/src/image_video_mcp/skills/ 技能管理架构，通过 Markdown 文件组织和管理提示词技能，支持动态加载、参数格式化，实现提示词的模块化和可复用化

---

📖 使用指南

场景一：生成内容、图片、并发布于小红书

[新对话] 请输入消息: 写个单身程序员如何找富婆的小红书，配9张图，其中有核心图有类似狂飙中大嫂陈舒婷
📤 发送中...
📥 最终生成的小红书

最终发布的小红书：

🏗️ 项目架构

本仓库包含六个独立但协同工作的项目：

1️⃣ ai_social_scheduler - AI 调度核心层

定位：上层智能调度系统，AI自主决策和执行运营任务

• 🤖 AI自主驱动：AI模型分析运营目标，自动生成和执行计划
• 🔄 事件响应：支持用户请求、平台通知、定时任务等多种事件
• 📊 策略优化：基于数据分析自动调整内容策略
• 🎨 内容创作：AI生成内容创作计划，调用底层服务执行
• 📈 数据分析：内容表现分析、趋势识别、热点追踪
• 🌐 HTTP API 服务：提供 FastAPI 接口，支持 HTTP 调用
• 💬 交互式聊天：提供命令行聊天客户端，方便快速体验

核心文件：

• run.py：启动 FastAPI 服务器，提供 HTTP API 接口（默认端口 8012）
• chat.py：交互式聊天客户端，通过命令行与 AI Agent 对话

适用场景：需要AI智能运营和自动化调度的场景

2️⃣ xhs-content-generator-mcp - 小红书内容生成 MCP 服务层

定位：内容文案生成引擎，提供AI内容创作能力

• ✍️ 内容生成：基于主题生成小红书笔记、标题、描述等内容
• 🎯 多类型支持：支持笔记、标题、描述等多种内容类型
• 🚀 FastMCP框架：使用 FastMCP 快速构建 MCP 服务
• 🔌 MCP协议实现：完整支持 Model Context Protocol 规范
• 🎨 智能创作：AI驱动的智能内容创作

适用场景：需要AI生成小红书文案和内容的场景

3️⃣ xhs-browser-automation-mcp - 小红书浏览器自动化 MCP 服务层

定位：平台操作引擎，提供小红书平台的具体操作能力

• 🎯 MCP协议实现：完整实现 Model Context Protocol 规范
• 🚀 高性能：基于 Playwright 的异步浏览器自动化
• 📝 内容发布：支持图文、视频内容发布
• 🔍 内容管理：搜索、获取、互动等完整功能
• 🔐 账户管理：登录、会话保持、自动重连

适用场景：需要直接操作小红书平台的场景

4️⃣ xhs-image-mcp - 图像生成 MCP 服务层

定位：AI图像生成引擎，提供高质量图像创作能力

• 🎨 图像生成：基于提示词生成高质量图像（支持通义万相）
• 🚀 FastMCP框架：使用 FastMCP 快速构建 MCP 服务
• 🔌 MCP协议实现：完整支持 Model Context Protocol 规范
• 🛠️ Skills 技能管理系统：采用 src/image_video_mcp/skills/ 架构，通过 Markdown 文件组织和管理提示词技能，支持动态加载、参数格式化，实现提示词的模块化和可复用化
• 📝 Prompt模板：提供5个预定义的Prompt模板
• 📦 Resource资源：提供6个预定义的Resource资源（风格预设、配置模板等）
• 🎯 Resource Template：提供8个预定义的Resource Template模板，支持动态参数访问
• ⚙️ 灵活配置：支持自定义尺寸、种子、负面提示词等参数

适用场景：需要AI生成图像内容的场景

5️⃣ xhs-video-mcp - 视频生成 MCP 服务层

定位：视频生成引擎，借鉴 MoneyPrinterTurbo 的视频生产逻辑

• 🎬 自动生成视频脚本：使用 LLM 生成视频脚本
• 🔍 自动生成搜索关键词：智能生成视频素材搜索关键词
• 🗣️ 文本转语音（TTS）：支持 edge-tts，多种语音选择
• 📝 自动生成字幕：自动为视频添加字幕
• 📥 素材下载：从 Pexels/Pixabay 下载视频素材
• ✂️ 视频合成：拼接、添加字幕、背景音乐、转场效果
• 📱 多尺寸支持：支持竖屏（9:16）和横屏（16:9）
• ⚡ GPU加速：支持NVENC硬件编码加速

适用场景：需要AI生成剪辑风格视频的场景

6️⃣ xhs-data-collector-mcp - 数据收集 MCP 服务层

定位：数据收集和分析引擎

• 📊 数据收集：收集平台数据，支持运营分析
• 🔍 数据分析：内容表现分析、趋势识别
• 📈 数据可视化：提供数据统计和可视化功能

适用场景：需要数据收集和分析的场景

🔗 协同工作

┌─────────────────────────────────────────────────────────┐
│   AI Social Scheduler (智能调度层)                        │
│   - AI决策引擎                                           │
│   - 事件监听器                                           │
│   - 任务调度器                                           │
│   - 策略管理器                                           │
└───┬──────────┬──────────┬──────────┬──────────┬────────┘
    │ MCP协议  │ MCP协议  │ MCP协议  │ MCP协议  │ MCP协议
    ↓          ↓          ↓          ↓          ↓
┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│xhs-content   │ │xhs-image-mcp │ │xhs-video-mcp  │ │xhs-browser-   │ │xhs-data-      │
│generator     │ │(图像生成)     │ │(视频生成)     │ │automation-mcp │ │collector-mcp │
│              │ │              │ │              │ │(平台操作)     │ │(数据收集)     │
│- 内容生成    │ │- 图像生成     │ │- 视频脚本生成 │ │- 内容发布     │ │- 数据收集     │
│- 文案创作    │ │- Prompt模板   │ │- TTS语音合成 │ │- 内容搜索     │ │- 数据分析     │
│              │ │- Resource    │ │- 视频合成     │ │- 用户互动     │ │- 趋势识别     │
└──────────────┘ └──────────────┘ └──────────────┘ │- 账户管理     │ └──────────────┘
                                                   └────────┬────────┘
                                                        │ 浏览器自动化
                                                        ↓
                                                  ┌──────────┐
                                                  │  小红书平台 │
                                                  └──────────┘

---

🎯 核心功能

🤖 AI 智能运营

• 自主决策：AI分析运营目标，自动生成内容创作计划
• 智能调度：根据数据表现自动调整发布策略和时机
• 事件响应：实时响应平台通知、用户请求、定时任务
• 策略优化：基于历史数据持续优化运营策略

🎨 内容生成

• 图像生成：基于提示词AI生成高质量图像
• 视频生成：基于提示词AI生成视频内容
• 文案生成：AI生成小红书笔记、标题、描述等内容
• 参数定制：支持自定义尺寸、种子、负面提示词等
• 批量生成：支持批量生成和异步处理

📝 内容发布

• 图文发布：支持多图片、标签、标题和描述
• 视频发布：支持视频上传、自动等待处理完成
• 批量操作：支持批量发布和定时发布
• 内容管理：搜索、获取、编辑内容

📊 数据分析

• 表现分析：阅读量、点赞、评论、转发等数据统计
• 趋势识别：内容趋势分析和热点识别
• 用户洞察：粉丝增长、互动率等用户数据
• 策略建议：基于数据自动生成优化建议

🔍 内容管理

• 内容搜索：关键词搜索小红书内容
• 推荐获取：获取首页推荐列表
• 详情分析：获取帖子详情和互动数据
• 用户管理：获取用户主页信息

---

🚀 快速开始

📋 环境要求

• Python >= 3.11
• uv 包管理器
• 支持的操作系统：Linux, macOS, Windows

🔧 安装步骤

1. 克隆项目

   git clone git@github.com:luyike221/xiaohongshu-mcp-python.git
   cd xiaohongshu-mcp-python
   

2. 安装 uv 包管理器

   # macOS/Linux
   curl -LsSf https://astral.sh/uv/install.sh | sh
   
   # Windows
   powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
   

3. 安装项目依赖

   安装图像生成 MCP 服务：

   cd xhs-image-mcp
   uv sync
   

   安装视频生成 MCP 服务：

   cd xhs-video-mcp
   uv sync
   

   安装小红书内容生成 MCP 服务：

   cd xhs-content-generator-mcp
   uv sync
   

   安装小红书浏览器自动化 MCP 服务：

   cd xhs-browser-automation-mcp
   uv sync
   uv run playwright install chromium
   

   安装数据收集 MCP 服务：

   cd xhs-data-collector-mcp
   uv sync
   

   安装 AI 调度系统：

   cd ai_social_scheduler
   uv sync
   

⚙️ 配置

图像生成 MCP 服务配置

在 xhs-image-mcp 目录下创建 .env 文件：

# 服务器配置
MCP_HOST=127.0.0.1
MCP_PORT=8003

# 通义万相配置（图像生成）
WANT2I_API_KEY=your_api_key
WANT2I_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

视频生成 MCP 服务配置

在 xhs-video-mcp 目录下创建 .env 文件：

# LLM 配置
LLM_PROVIDER=openai  # 或 moonshot, deepseek
OPENAI_API_KEY=your_openai_api_key
OPENAI_MODEL_NAME=gpt-3.5-turbo

# 视频素材配置（多个key用逗号分隔）
PEXELS_API_KEYS=your_pexels_api_key_1,your_pexels_api_key_2
PIXABAY_API_KEYS=your_pixabay_api_key

# 视频配置
VIDEO_OUTPUT_DIR=./output
MATERIAL_CACHE_DIR=./cache/materials
VIDEO_FPS=30
VIDEO_GPU_ACCELERATION=false  # 启用GPU加速（需要NVIDIA GPU和NVENC支持）
VIDEO_CODEC=auto  # 视频编码器: auto, libx264, h264_nvenc, hevc_nvenc

小红书内容生成 MCP 服务配置

在 xhs-content-generator-mcp 目录下创建 .env 文件（可选）：

# 服务器配置
MCP_HOST=0.0.0.0
MCP_PORT=8001

小红书浏览器自动化 MCP 服务配置

在 xhs-browser-automation-mcp 目录下创建 .env 文件：

# 环境模式: development 或 production
ENV=development

# 服务器配置
SERVER_HOST=127.0.0.1
SERVER_PORT=8000

# 默认用户
GLOBAL_USER=your_username

AI 调度系统配置

在 ai_social_scheduler 目录下创建配置文件：

cp config/config.example.yaml config/config.yaml
# 编辑 config/config.yaml 填入实际配置

🎯 启动服务

启动图像生成 MCP 服务

cd xhs-image-mcp
uv run python -m image_video_mcp.main

服务将在 http://localhost:8003 启动。

启动视频生成 MCP 服务

cd xhs-video-mcp
# 使用启动脚本（推荐）
./start.sh

# 或使用 uv 命令
uv run xhs-video-mcp

# 或指定主机和端口
uv run xhs-video-mcp --host 0.0.0.0 --port 8005

服务将在 http://localhost:8005 启动（默认端口）。

启动小红书内容生成 MCP 服务

cd xhs-content-generator-mcp
uv run python -m xhs_content_generator_mcp.main

服务将在 http://localhost:8001 启动（默认端口 8000，可通过参数指定）。

启动小红书浏览器自动化 MCP 服务

cd xhs-browser-automation-mcp
uv run python -m xiaohongshu_mcp_python.main

服务将在 http://localhost:8000 启动。

启动 AI 调度系统

方式一：启动 HTTP API 服务（推荐）

使用 run.py 启动 FastAPI 服务器，提供 HTTP 接口：

cd ai_social_scheduler
uv run python run.py

服务将在 http://0.0.0.0:8012 启动，提供以下接口：

• POST /api/v1/chat - 聊天接口，发送消息获取 AI 回复

方式二：使用交互式聊天客户端

使用 chat.py 启动交互式命令行客户端：

cd ai_social_scheduler
uv run python chat.py

启动后可以：

• 直接输入消息与 AI Agent 对话
• 输入 quit 或 exit 退出
• 输入 reset 重置对话线程

方式三：直接运行主程序

cd ai_social_scheduler
uv run python main.py

---

📖 使用指南

场景一：使用内容生成服务

如果你需要生成小红书内容，可以使用 xhs-content-generator-mcp：

# 通过 MCP 客户端调用
{
  "tool": "generate_content",
  "parameters": {
    "topic": "春日美食",
    "content_type": "note"
  }
}

场景二：直接使用小红书浏览器自动化 MCP 服务

如果你只需要直接操作小红书平台，可以使用 xhs-browser-automation-mcp：

# 通过 MCP 客户端调用
{
  "tool": "xiaohongshu_publish_content",
  "parameters": {
    "title": "春日美景",
    "content": "分享今天拍摄的美丽春景！",
    "images": ["/path/to/image1.jpg", "/path/to/image2.jpg"],
    "tags": ["春天", "摄影", "美景"]
  }
}

场景三：使用 AI 智能运营

如果你需要AI自主运营，可以使用 ai_social_scheduler：

方式一：使用交互式聊天客户端（最简单）

cd ai_social_scheduler
uv run python chat.py

启动后直接与 AI 对话：

[新对话] 请输入消息: 帮我写一篇关于美食的小红书
📤 发送中...
📥 AI 回复:
好的，我来帮你创建一篇关于美食的小红书内容...

方式二：通过 HTTP API 调用

1. 启动 API 服务：

cd ai_social_scheduler
uv run python run.py

2. 发送 HTTP 请求：

curl -X POST http://localhost:8012/api/v1/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "帮我写一篇关于美食的小红书"}'

AI 处理流程： 当你说"帮我写一篇关于美食的小红书"时，AI 会：

1. 分析美食主题和需求
2. 调用 xhs-content-generator-mcp 生成内容文案
3. 调用 xhs-image-mcp 生成配图
4. 调用 xhs-browser-automation-mcp 发布内容
5. 监控发布结果
6. 根据数据调整后续策略

视频生成流程： 当需要生成视频时，AI 会：

1. 调用 xhs-video-mcp 生成视频脚本
2. 使用 TTS 生成语音
3. 从 Pexels/Pixabay 下载视频素材
4. 合成视频（添加字幕、背景音乐、转场效果）
5. 输出最终视频文件

场景四：完整集成使用

所有项目可以完美集成，形成完整的运营闭环：

1. AI 调度系统监听事件（用户请求、定时任务等）
2. AI 决策引擎分析需求，生成执行计划
3. 内容生成服务生成文案和图片
4. 任务调度器调用 MCP 服务执行具体操作
5. 数据分析收集结果，优化策略

---

🛠️ 技术栈

核心技术

• Python 3.11+：主要开发语言
• uv：现代 Python 包管理工具
• MCP 协议：服务间通信标准
• LangGraph：AI Agent 框架
• Playwright：浏览器自动化
• FastAPI：Web 服务框架

数据存储

• SQLite/PostgreSQL：关系型数据存储
• Redis：缓存和任务队列
• pgvector：向量数据库（用于AI功能）

---

📁 项目结构