WeCom Bot MCP Server

WeCom Bot MCP Server

一个通过 FastMCP 使用企业微信机器人发送消息的服务器,支持异步通信和通过 Webhook 进行消息追踪。

Category
访问服务器

Tools

send_wecom_file

Send file to WeCom. Args: file_path: Path to file ctx: FastMCP context Returns: dict: Response containing status and message Raises: WeComError: If file is not found or API call fails

send_wecom_image

Send image to WeCom. Args: image_path: Path to image file or URL ctx: FastMCP context Returns: dict: Response containing status and message Raises: WeComError: If image is not found or API call fails.

send_message

Send message to WeCom. Args: content: Message content msg_type: Message type (text, markdown) mentioned_list: List of mentioned users mentioned_mobile_list: List of mentioned mobile numbers ctx: FastMCP context Returns: dict: Response containing status and message Raises: WeComError: If message sending fails

README

企业微信 Bot MCP 服务器

<div align="center"> <img src="wecom.png" alt="企业微信 Bot Logo" width="200"/> </div>

一个兼容模型上下文协议 (MCP) 的企业微信(WeChat Work)机器人服务器实现。

PyPI version Python Version codecov Code style: ruff smithery badge

English | 中文

<a href="https://glama.ai/mcp/servers/amr2j23lbk"><img width="380" height="200" src="https://glama.ai/mcp/servers/amr2j23lbk/badge" alt="WeCom Bot Server MCP server" /></a>

特性

  • 支持多种消息类型:
    • 文本消息
    • Markdown 消息
    • 图片消息 (base64)
    • 文件消息
  • @mention 支持(通过用户 ID 或电话号码)
  • 消息历史记录跟踪
  • 可配置的日志系统
  • 完整的类型注解
  • 基于 Pydantic 的数据验证

要求

  • Python 3.10+
  • 企业微信机器人 Webhook URL(从企业微信群设置中获取)

安装

有几种方法可以安装 WeCom Bot MCP Server:

1. 自动安装(推荐)

使用 Smithery (适用于 Claude Desktop):

npx -y @smithery/cli install wecom-bot-mcp-server --client claude

使用带有 Cline 扩展的 VSCode:

  1. 从 VSCode 市场安装 Cline 扩展
  2. 打开命令面板 (Ctrl+Shift+P / Cmd+Shift+P)
  3. 搜索 "Cline: Install Package"
  4. 输入 "wecom-bot-mcp-server" 并按 Enter

2. 手动安装

从 PyPI 安装:

pip install wecom-bot-mcp-server

手动配置 MCP:

创建或更新您的 MCP 配置文件:

// For Windsurf: ~/.windsurf/config.json
{
  "mcpServers": {
    "wecom": {
      "command": "uvx",
      "args": [
        "wecom-bot-mcp-server"
      ],
      "env": {
        "WECOM_WEBHOOK_URL": "your-webhook-url"
      }
    }
  }
}

配置

设置环境变量

# Windows PowerShell
$env:WECOM_WEBHOOK_URL = "your-webhook-url"

# 可选配置
$env:MCP_LOG_LEVEL = "DEBUG"  # 日志级别:DEBUG, INFO, WARNING, ERROR, CRITICAL
$env:MCP_LOG_FILE = "path/to/custom/log/file.log"  # 自定义日志文件路径

日志管理

日志系统使用 platformdirs.user_log_dir() 进行跨平台日志文件管理:

  • Windows: C:\Users\<username>\AppData\Local\hal\wecom-bot-mcp-server
  • Linux: ~/.local/share/hal/wecom-bot-mcp-server
  • macOS: ~/Library/Application Support/hal/wecom-bot-mcp-server

日志文件名为 mcp_wecom.log,存储在上述目录中。

用法

启动服务器

wecom-bot-mcp-server

用法示例 (使用 MCP)

# 场景 1:发送深圳天气信息到企业微信
USER: "今天深圳天气怎么样?发送到企业微信"
ASSISTANT: "我将查询深圳的天气并发送到企业微信"

await mcp.send_message(
    content="深圳天气:\n- 温度:25°C\n- 天气:晴朗\n- 空气质量:良好",
    msg_type="markdown"
)

# 场景 2:发送会议提醒并 @mention 相关人员
USER: "发送下午 3 点的项目评审会议提醒,提醒张三和李四参加"
ASSISTANT: "我将发送会议提醒"

await mcp.send_message(
    content="## 项目评审会议提醒\n\n时间:今天下午 3:00\n地点:会议室 A\n\n请准时参加!",
    msg_type="markdown",
    mentioned_list=["zhangsan", "lisi"]
)

# 场景 3:发送文件
USER: "将此周报发送到企业微信群"
ASSISTANT: "我将发送周报"

await mcp.send_message(
    content=Path("weekly_report.docx"),
    msg_type="file"
)

直接 API 用法

发送消息

from wecom_bot_mcp_server import mcp

# 发送 markdown 消息
await mcp.send_message(
    content="**Hello World!**", 
    msg_type="markdown"
)

# 发送文本消息并提及用户
await mcp.send_message(
    content="Hello @user1 @user2",
    msg_type="text",
    mentioned_list=["user1", "user2"]
)

发送文件

from wecom_bot_mcp_server import send_wecom_file

# 发送文件
await send_wecom_file("/path/to/file.txt")

发送图片

from wecom_bot_mcp_server import send_wecom_image

# 发送本地图片
await send_wecom_image("/path/to/image.png")

# 发送 URL 图片
await send_wecom_image("https://example.com/image.png")

开发

设置开发环境

  1. 克隆存储库:
git clone https://github.com/loonghao/wecom-bot-mcp-server.git
cd wecom-bot-mcp-server
  1. 创建虚拟环境并安装依赖项:
# 使用 uv (推荐)
pip install uv
uv venv
uv pip install -e ".[dev]"

# 或者使用传统方法
python -m venv venv
source venv/bin/activate  # 在 Windows 上:venv\Scripts\activate
pip install -e ".[dev]"

测试

# 使用 uv (推荐)
uvx nox -s pytest

# 或者使用传统方法
nox -s pytest

代码风格

# 检查代码
uvx nox -s lint

# 自动修复代码风格问题
uvx nox -s lint_fix

构建和发布

# 构建包
uv build

# 构建并发布到 PyPI
uv build && twine upload dist/*

项目结构

wecom-bot-mcp-server/
├── src/
│   └── wecom_bot_mcp_server/
│       ├── __init__.py
│       ├── server.py
│       ├── message.py
│       ├── file.py
│       ├── image.py
│       ├── utils.py
│       └── errors.py
├── tests/
│   ├── test_server.py
│   ├── test_message.py
│   ├── test_file.py
│   └── test_image.py
├── docs/
├── pyproject.toml
├── noxfile.py
└── README.md

许可证

该项目根据 MIT 许可证授权 - 有关详细信息,请参阅 LICENSE 文件。

联系方式

  • 作者:longhao
  • 邮箱:hal.long@outlook.com

推荐服务器

Baidu Map

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。

官方
精选
JavaScript
Playwright MCP Server

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。

官方
精选
TypeScript
Magic Component Platform (MCP)

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。

官方
精选
本地
TypeScript
Audiense Insights MCP Server

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。

官方
精选
本地
TypeScript
VeyraX

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。

官方
精选
本地
graphlit-mcp-server

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。

官方
精选
TypeScript
Kagi MCP Server

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。

官方
精选
Python
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

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。

官方
精选