xpzouying/xiaohongshu-mcp

xiaohongshu‑mcp

何であるか – Xiaohongshu（小紅書）SNSプラットフォームを Model Context Protocol（MCP）サーバーとして公開する自己ホスト型サービス。このサーバーを実行することで、AIアシスタント（Claude Code、Cursor、VS Code、Open Code、Clineなど）は、ログイン、投稿、検索、いいね、コメント、ユーザーまたはフィード詳細の取得といったXiaohongshuの関数を呼び出すことができます。

主な機能

• ログイン管理 – QRコードログイン、クッキー処理、ステータス確認、クッキーのリセット。
• コンテンツ投稿 – 画像付きテキストノート（タイトル、本文、画像）または動画ノート（タイトル、本文、ローカル動画）の投稿。タグ、スケジューリング、公開範囲、製品リンクのサポート。
• フィード操作 – ホーム推薦リストの取得、キーワード検索（フィルター付き）、完全な投稿詳細（コメントやインタラクション統計を含む）の取得、いいね/いいね解除、お気に入り/お気に入り解除。
• ソーシャルインタラクション – コメントの投稿、特定のコメントへの返信、ユーザーのプロフィールとノートの取得。
• MCP統合 – すべての機能が標準MCPツール（check_login_status、publish_content、search_feedsなど）として公開され、MCP互換クライアントであれば何でも呼び出せる。

実行方法

1. 事前ビルド済みバイナリ – ReleasesページからmacOS Apple Silicon、Windows x64、Linux x64用の適切な実行ファイルをダウンロード。一度xiaohongshu-login-*バイナリを実行してログインし、その後xiaohongshu-mcp-*を起動。
2. Docker – xpzouying/xiaohongshu-mcpイメージを取得し、提供されたdocker-compose.ymlで起動。コンテナはヘッドレスChromiumブラウザを自動インストールし、./dataをクッキー用、./imagesをアップロードメディア用にマウントし、ポート18060を公開。
3. ソースからビルド – Go 1.20+が必要。GOPROXY（例：https://goproxy.cn）を設定し、go build ./...を実行。

通常の使用フロー

# 1. ログイン（セッションごとに1回）
./xiaohongshu-login-darwin-arm64   # Windows/Linuxバイナリも可

# 2. MCPサーバーを起動（デフォルトはヘッドレスモード）
./xiaohongshu-mcp-darwin-arm64
#   → http://localhost:18060/mcp でリッスン

# 3. MCPインスペクターで確認
npx @modelcontextprotocol/inspector
#   → 上記URLに接続し、利用可能なツールを一覧表示

AIクライアントの接続 – クライアントのMCP設定にサーバーURL（http://localhost:18060/mcp）を追加。例として以下を提供：

• Claude Code CLI（claude mcp add …）
• Open Code CLI（インタラクティブなopencode mcp add）
• Cursor（.cursor/mcp.json）
• VS Code（.vscode/mcp.json）
• Google Gemini CLI、Cline、および任意のHTTP‑MCPクライアント。

セキュリティとオプション認証

• デフォルトではローカルホスト上で公開。本番環境ではAUTH_TOKEN（または-tokenフラグ）を設定し、クライアントにAuthorization: Bearer <token>を送信させる。
• 外部ルーティングが必要な環境向けにXHS_PROXY（HTTP/HTTPS/SOCKS5）によるプロキシサポート。

コミュニティとサポート

• 29人の貢献者（All‑Contributorsバッジ）。
• Dockerプル統計、スター履歴チャート、専用の寄付ページ（全収益は慈善団体に寄付）。
• 拡張トラブルシューティングガイド（Issue #56）と、非技術者向けの別バージョンのブラウザ拡張（xpzouying/x-mcp）。

誰が使うか

• Xiaohongshuのコンテンツを読み書きできるAIエージェントを開発する開発者。
• プロンプトで投稿、コメント、データ収集を自動化したいコンテンツクリエイター。
• ソーシャルメディア駆動のLLMワークフローを実験する研究者。

---

上記すべての詳細はリポジトリのREADMEから直接取得；追加機能は推測されていない。