Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
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。
| Date | Stars |
|---|---|
| 2026-07-31 | 440 |
| 2026-08-01 | 441 |
| 2026-08-06 | 441 |
Today
— stars today
This week
— stars this week
This month
— stars this month
Momentum
0.0
growth rate 0.00%/day
# 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
{
"mcpServers": {
"xiaohongshu MCP": {
"command": "/绝对路径/到/venv/bin/python3",
"args": [
"/绝对路径/到/xiaohongshu_mcp.py",
"--stdio"
]
}
}
}
```
### Windows 配置示例
```json
{
"mcpServers": {
"xiaohongshu MCP": {
"command": "C:\\Users\\username\\Desktop\\MCP\\Redbook-Search-Comment-MCP2.0\\venv\\Scripts\\python.exe",
"args": [
"C:\\Users\\username\\Desktop\\MCP\\Redbook-Search-Comment-MCP2.0\\xiaohongshu_mcp.py",
"--stdio"
]
}
}
}
```
> **重要提示**：
> - 请使用虚拟环境中Python解释器的**完整绝对路径**
> - Mac示例：`/Users/username/Desktop/RedBook-Search-Comment-MCP/venv/bin/python3`
> - Windows示例：`C:\Users\username\Desktop\MCP\Redbook-Search-Comment-MCP2.0\venv\Scripts\python.exe`
> - 同样，xiaohongshu_mcp.py也需要使用**完整绝对路径**
> - Windows路径中的反斜杠在JSON中需要双重转义（使用 `\`）
### Python 命令区分（python 与 python3）
不同系统环境中，Python 命令可能有所不同，这取决于您的系统配置。以下是如何确定您应该使用哪个命令：
1. **确定您的 Python 命令**：
- 在终端中运行：`python --version` 和 `python3 --version`
- 查看哪个命令返回 Python 3.x 版本（本项目需要 Python 3.8+）
2. **在虚拟环境中确认**：
- 激活虚拟环境后，运行 `which python` 或 `where python`（Windows）
- 这将显示 Python 解释器的完整路径
3. **配置中使用正确的命令**：
- Mac：通常为 `python3` 或虚拟环境中的 `python`
- Windows：通常为 `python` 或 `python.exe`
在配置文件中，始终使用虚拟环境中 Python 解释器的**完整绝对路径**，而不是命令名称。
## 四、使用方法
### （一）启动服务器
1. **直接运行**：在项目目录下，激活虚拟环境后执行：
```bash
python3 xiaohongshu_mcp.py
```
2. **通过 MCP Client 启动**：配置好MCP Client后，按照客户端的操作流程进行启动和连接。
### （二）主要功能操作
在MCP Client（如Claude for Desktop）中连接到服务器后，可以使用以下功能：
### 1. 登录小红书
**工具函数**：
```
mcp0_login()
```
**在MCP客户端中的使用方式**：
直接发送以下文本：
```
帮我登录小红书账号
```
或：
```
请登录小红书
```
**功能说明**：首次使用时会打开浏览器窗口，等待用户手动扫码登录。登录成功后，工具会保存登录状态。
### 2. 搜索笔记
**工具函数**：
```
mcp0_search_notes(keywords="关键词", limit=5)
```
**在MCP客户端中的使用方式**：
发送包含关键词的搜索请求：
```
帮我搜索小红书笔记，关键词为：美食
```
指定返回数量：
```
帮我搜索小红书笔记，关键词为旅游，返回10条结果
```
**功能说明**：根据关键词搜索小红书笔记，并返回指定数量的结果。默认返回5条结果。
###Excerpt of 7,969 characters
Read on GitHubWould you bet a product on this? Bounded 0–100 and slow moving.
matched fp:105e349021e18f7f, desc:mcp server, desc:mcp client