wechat-mcp-server
MCP server for reading local WeChat data, enabling AI assistants to query chat history, contacts, sessions, and more via MCP tools.
README
wechat-mcp-server
一个用于读取本机微信数据的 MCP Server:让 Claude Code 等 AI 助手可以通过 MCP 工具读取聊天记录/会话/联系人/收藏等。
功能特性
- 查询微信聊天记录、联系人、会话列表、收藏等
- Skill 蒸馏:从聊天记录提取个人沟通风格(统计 + Few-shot + 可生成系统提示词)
- 消息监听:近实时获取新消息(轮询会话数据库)
- 表情包管理:解析表情消息、构建表情包库,并支持解析
[sticker:xxx]占位符
安装
# 克隆并安装
git clone <repo-url>
cd wechat-mcp-server
pip install -e .
初始化(首次必做)
首次使用需要提取微信数据库解密密钥(会写入到 ~/.wechat-cli/all_keys.json):
wechat-cli-mcp init
你也可以手动指定微信数据目录(db_storage):
wechat-cli-mcp init --db-dir "D:\\...\\db_storage"
重要提示(务必看)
- 初始化时必须保证微信正在运行(Windows 为
Weixin.exe),否则无法从进程内存提取密钥。 - 权限问题:部分系统/环境下可能需要管理员权限运行终端。
- 只读原则:本项目只读取/解析数据,不包含“发送消息”能力。
- 密钥文件位置:默认使用
~/.wechat-cli/all_keys.json。删除该文件后需要重新执行init。
启动 MCP Server
你有 3 种方式启动(任选其一):
方式一:安装后直接启动(推荐)
安装 pip install -e . 后,会安装命令行入口:
wechat-cli-mcp
Windows 下推荐使用 SSE 模式(更稳定):
wechat-cli-mcp --sse
或通过环境变量:
MCP_TRANSPORT=sse wechat-cli-mcp
启动后会显示:
INFO: Uvicorn running on http://127.0.0.1:8000
方式二:配置到 Claude Code
在你的 .mcp.json 添加:
{
"mcpServers": {
"wechat-cli-mcp": {
"type": "stdio",
"command": "wechat-cli-mcp"
}
}
}
Windows 下推荐使用 SSE 配置:
{
"mcpServers": {
"wechat-cli-mcp": {
"type": "sse",
"url": "http://127.0.0.1:8000/sse"
}
}
}
或使用 Claude CLI:
claude mcp add wechat-cli-mcp -- wechat-cli-mcp
注意:如果使用 SSE 模式,需要先手动启动 server(方式一),然后再配置 IDE 连接。
方式三:用 Python 模块启动
python -m wechat_cli_mcp
Windows 下加 SSE 参数:
python -m wechat_cli_mcp --sse
工具列表(MCP Tools)
基础查询工具
| 工具 | 说明 |
|---|---|
wechat_sessions |
列出最近聊天会话 |
wechat_history |
读取指定会话的聊天记录 |
wechat_search |
按关键词搜索消息 |
wechat_contacts |
搜索联系人 |
wechat_unread |
未读会话 |
wechat_new_messages |
增量获取新消息(自上次检查之后) |
wechat_members |
群成员列表 |
wechat_stats |
会话统计 |
wechat_favorites |
收藏/书签 |
Skill 蒸馏工具
| 工具 | 说明 |
|---|---|
wechat_distill_skill |
从聊天记录蒸馏个人沟通风格(返回 JSON 或 Markdown) |
wechat_save_skill |
蒸馏并保存到文件(JSON 或 Markdown) |
示例:
# 从多个会话蒸馏
wechat_distill_skill(chat_names="张三,李四,工作群", message_limit=500)
# 保存为 Markdown
wechat_save_skill(chat_names="张三", output_path="my_style.md", output_format="markdown")
消息监听工具
| 工具 | 说明 |
|---|---|
wechat_start_listener |
启动监听(近实时) |
wechat_stop_listener |
停止监听 |
wechat_listener_status |
查看监听状态 |
wechat_get_buffered_messages |
获取监听缓冲的新消息 |
说明:监听器会轮询会话数据库的最新时间戳来发现新消息,并将新消息缓冲到内存中供工具读取。
示例:
wechat_start_listener(interval=0.5)
wechat_listener_status()
wechat_get_buffered_messages(clear=true)
wechat_stop_listener()
表情包工具
| 工具 | 说明 |
|---|---|
wechat_build_sticker_library |
从聊天记录中提取表情包,生成表情包统计/列表 |
wechat_search_stickers |
在表情包库中搜索 |
wechat_list_stickers |
列出表情包库全部内容 |
wechat_add_sticker |
手动添加表情到库(命名,用于占位符) |
wechat_parse_sticker_placeholder |
解析文本里的 [sticker:xxx] 占位符 |
示例:
wechat_build_sticker_library(chat_name="张三", limit=500)
wechat_search_stickers(query="搞笑", limit=10)
wechat_parse_sticker_placeholder(text="哈哈 [sticker:狗头]")
实时消息监听 CLI 工具
项目包含一个独立的命令行工具 wechat-listen,可以实时监听并显示微信新消息。
使用方法
自动检测消息目录:
wechat-listen
指定消息目录:
wechat-listen --msg-dir "D:\xwechat_files\wxid_xxx\db_storage\message"
设置轮询间隔:
wechat-listen --interval 0.3
功能说明
- 进入交互模式后,实时显示新收到的消息
- 显示发送者、会话、消息内容和时间
- 按
Ctrl+C退出监听 - 适合用于实时监控微信消息
示例输出
启动监听器...
监听器已启动,监控: D:\xwechat_files\wxid_xxx\db_storage\message
按 Ctrl+C 退出
==================================================
[16:30:15] [群] 工作群
张三: 大家好
[16:31:02] 李四
李四: 收到
常见使用场景
场景 1:把你的聊天风格“蒸馏”成系统提示词
- 对多个你常用的会话做
wechat_distill_skill - 将输出的
system_prompt放到你使用的任意 LLM/Agent 的 system prompt 中
场景 2:自动回复(需要你自己实现“发送”)
本项目只负责读数据 / 监听 / 风格蒸馏。
你可以组合:
wechat_start_listener获取新消息- LLM 根据蒸馏后的风格生成回复(可带
[sticker:xxx]) - 再用 UI 自动化/其他方式去“发送”(发送不在本项目范围内)
License
MIT
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。