🦉 OWL x WhatsApp MCP 服务器集成

欢迎来到 OWL x WhatsApp MCP 服务器 项目！此应用程序将 WhatsApp MCP 服务器 与 OWL 多智能体框架 无缝集成，使 AI 智能体能够通过用户友好的 Streamlit 界面与您的 WhatsApp 数据进行交互。

---

✨ 功能

• 🤖 多智能体协作: 利用 CAMEL-AI 和 OWL 框架进行动态智能体交互和任务自动化。
• 📱 WhatsApp 集成: 访问和搜索您的个人 WhatsApp 消息，包括媒体文件。
• 📤 消息发送: 直接通过应用程序向个人或群组发送消息。
• 🔍 实时信息检索: 利用网络搜索功能获取最新信息。
• 🌐 Streamlit 界面: 提供直观的 UI，实现无缝的用户交互。

---

🛠️ 工作原理

1. 智能体角色: 使用 CAMEL-AI 的 RolePlaying 类定义，以模拟用户和助手之间的交互。
2. 工具包集成: 包含 MCPToolkit 用于 WhatsApp 数据访问，以及 SearchToolkit 用于网络搜索。
3. 任务执行: OWL 框架协调智能体以根据用户输入执行任务。
4. 用户界面: Streamlit 应用程序捕获用户任务并实时显示结果。

---

🚀 快速开始

1. 克隆存储库:

   git clone https://github.com/Bipul70701/WhatsApp_MCP_Server.git
   cd WhatsApp_MCP_Server
   

2. 创建虚拟环境:

   python -m venv venv
   

3. 激活虚拟环境:

   • 在 Windows 上:

     venv\Scripts\activate
     

   • 在 macOS/Linux 上:

     source venv/bin/activate
     

4. 安装依赖项:

   pip install -r requirements.txt
   

5. 配置环境变量:

   • 将 .env_template 重命名为 .env。
   • 填写所需的 API 密钥和配置。

6. 配置 MCP 服务器:

   • 安装和设置 WhatsApp MCP 服务器:
     • 按照 WhatsApp MCP 服务器存储库 中的说明安装并运行服务器。
     • 确保服务器正在运行且可访问。

7. 运行 Streamlit 应用程序:

   streamlit run project.py
   

---

📂 项目结构

owl-whatsapp-mcp/
├── project.py                # 主 Streamlit 应用程序
├── owl/                      # OWL 框架和实用程序
│   └── utils/                # 实用函数和助手
├── mcp_servers_config.json   # MCP 服务器的配置
├── requirements.txt          # 依赖项列表
├── .env_template             # 示例环境变量文件
└── README.md                 # 项目文档

---

🔧 关键组件

• CAMEL-AI: 用于设计和管理自主智能体的框架。
• OWL: 优化的劳动力学习，用于实时任务管理和协作。
• MCPToolkit: 促进与 WhatsApp 数据的交互。
• SearchToolkit: 启用网络搜索功能。
• Streamlit: 为用户交互提供交互式 Web 界面。

---

🙌 鸣谢

• CAMEL-AI: 用于多智能体框架。
• OWL: 用于实时任务管理和协作。
• WhatsApp MCP Server: 用于 WhatsApp 数据集成。
• Streamlit: 用于交互式 UI。

---

用 ❤️ 由 Bipul Kumar Sharma 制作