小红书自动搜索评论工具（MCP Server 2.0）

本项目基于 JonaFly/RednoteMCP 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

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。
项目获取：将本项目克隆或下载到本地。

创建虚拟环境：在项目目录下创建并激活虚拟环境（推荐）：

# 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

安装依赖：在激活的虚拟环境中安装所需依赖：
```
pip install -r requirements.txt
pip install fastmcp
```
安装浏览器：安装Playwright所需的浏览器：
```
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

{
    "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

{
    "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：

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+）
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
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

直接运行：在项目目录下，激活虚拟环境后执行：
```
python3 xiaohongshu_mcp.py
```
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。

3. 获取笔记内容

工具函数：

mcp0_get_note_content(url="笔记URL")

在MCP客户端中的使用方式：发送包含笔记URL的请求：

帮我获取这个笔记的内容：https://www.xiaohongshu.com/search_result/xxxx

或：

请查看这个小红书笔记的内容：https://www.xiaohongshu.com/search_result/xxxx

功能说明：获取指定笔记URL的详细内容，包括标题、作者、发布时间和正文内容。

4. 获取笔记评论

工具函数：

mcp0_get_note_comments(url="笔记URL")

在MCP客户端中的使用方式：发送包含笔记URL的评论请求：

帮我获取这个笔记的评论：https://www.xiaohongshu.com/search_result/xxxx

或：

请查看这个小红书笔记的评论区：https://www.xiaohongshu.com/search_result/xxxx

功能说明：获取指定笔记URL的评论信息，包括评论者、评论内容和评论时间。

5. 发布智能评论

工具函数：

mcp0_post_smart_comment(url="笔记URL", comment_type="评论类型")

在MCP客户端中的使用方式：发送包含笔记URL和评论类型的请求：

帮我为这个笔记写一条[类型]评论：https://www.xiaohongshu.com/explore/xxxx

功能说明：获取笔记分析结果，并返回给MCP客户端，由客户端生成评论并调用post_comment发布。

6. 发布评论

工具函数：

mcp0_post_comment(url="笔记URL", comment="评论内容")

在MCP客户端中的使用方式：发送包含笔记URL和评论内容的请求：

帮我发布这条评论到笔记：https://www.xiaohongshu.com/explore/xxxx
评论内容：[评论内容]

功能说明：将指定的评论内容发布到笔记页面。

四、使用指南

0. 工作原理

本工具采用两步式流程实现智能评论功能：

笔记分析：调用post_smart_comment工具获取笔记信息（标题、作者、内容等）
评论生成与发布：
- MCP客户端(如Claude)基于笔记分析结果生成评论
- 调用post_comment工具发布评论

这种设计充分利用了MCP客户端的AI能力，实现了更自然、相关的评论生成。

1. 在MCP客户端中的使用方式

基本操作

功能	示例命令
搜索笔记	`帮我搜索关于[关键词]的小红书笔记`
获取笔记内容	`帮我查看这篇小红书笔记的内容：https://www.xiaohongshu.com/explore/xxxx`
分析笔记	`帮我分析这篇小红书笔记：https://www.xiaohongshu.com/explore/xxxx`
获取评论	`帮我查看这篇笔记的评论：https://www.xiaohongshu.com/explore/xxxx`
生成评论	`帮我为这篇小红书笔记写一条[类型]评论：https://www.xiaohongshu.com/explore/xxxx`

评论类型选项

类型	描述	适用场景
引流	引导用户关注或私聊	增加粉丝或私信互动
点赞	简单互动获取好感	增加曝光和互动率
咨询	以问题形式增加互动	引发博主回复，增加互动深度
专业	展示专业知识建立权威	建立专业形象，增强可信度

2. 实际工作流程示例

用户: 帮我为这个小红书笔记写一条专业类型的评论：https://www.xiaohongshu.com/explore/xxxx

Claude: 我会帮您写一条专业类型的评论。让我获取笔记内容并生成评论。
[调用post_smart_comment工具]

# 工具返回笔记分析结果，包含标题、作者、内容、领域和关键词

Claude: 我已经获取到笔记信息，这是一篇关于[主题]的笔记。基于内容，我生成并发布了以下专业评论：

"[生成的专业评论内容]"

[调用post_comment工具]

Claude: 评论已成功发布！

注意：上述流程中，post_smart_comment工具只负责获取笔记分析结果并返回给MCP客户端，实际的评论生成是由MCP客户端（如Claude）自身完成的。

3. 工作原理

新版小红书MCP工具采用了模块化设计，分为三个核心模块：

笔记分析模块（analyze_note）
- 获取笔记的标题、作者、发布时间和内容
- 分析笔记所属领域和关键词
- 返回结构化的笔记信息
评论生成模块（由MCP客户端实现）
- 接收笔记分析结果
- 根据笔记内容和评论类型生成自然、相关的评论
- 允许用户在发布前预览和修改评论
评论发布模块（post_comment）
- 接收生成的评论内容
- 定位并操作评论输入框
- 发布评论并返回结果

五、代码结构

xiaohongshu_mcp.py：实现主要功能的核心文件，包含登录、搜索、获取内容和评论、发布评论等功能的代码逻辑。
requirements.txt：记录项目所需的依赖库。

六、常见问题与解决方案

连接失败：
- 确保使用了虚拟环境中Python解释器的完整绝对路径
- 确保MCP服务器正在运行
- 尝试重启MCP服务器和客户端
浏览器会话问题：如果遇到Page.goto: Target page, context or browser has been closed错误：
- 重启MCP服务器
- 重新连接并登录
依赖安装问题：如果遇到ModuleNotFoundError错误：
- 确保在虚拟环境中安装了所有依赖
- 检查是否安装了fastmcp包

七、注意事项与问题解决

1. 使用注意事项

浏览器模式：工具使用 Playwright 的非隐藏模式运行，运行时会打开真实浏览器窗口
登录方式：首次登录需要手动扫码，后续使用若登录状态有效，则无需再次扫码
平台规则：使用过程中请严格遵守小红书平台的相关规定，避免过度操作，防止账号面临封禁风险
评论频率：建议控制评论发布频率，避免短时间内发布大量评论，每天发布评论数量不超过30条

2. 常见问题与解决方案

浏览器实例问题

如果遇到“Page.goto: Target page, context or browser has been closed”类似错误，可能是浏览器实例没有正确关闭或数据目录锁文件问题，请尝试：

# 删除浏览器锁文件
rm -f /项目路径/browser_data/SingletonLock /项目路径/browser_data/SingletonCookie

# 如果问题仍然存在，备份并重建浏览器数据目录
mkdir -p /项目路径/backup_browser_data
mv /项目路径/browser_data/* /项目路径/backup_browser_data/
mkdir -p /项目路径/browser_data

内容获取问题

如果无法获取笔记内容或内容不完整，可尝试：

增加等待时间：小红书笔记页面可能需要更长的加载时间，特别是包含大量图片或视频的笔记
清除浏览器缓存：有时浏览器缓存会影响内容获取
尝试不同的获取方法：工具集成了多种获取方法，如果一种方法失败，可以尝试其他方法

平台变化适应

小红书平台可能会更新页面结构和DOM元素，导致工具无法正常工作。如遇到此类问题：

检查项目更新：关注项目最新版本，及时更新
调整选择器：如果您熟悉代码，可以尝试调整CSS选择器或XPath表达式
提交问题反馈：向项目维护者提交问题，描述遇到的具体问题和页面变化

八、免责声明

本工具仅用于学习和研究目的，使用者应严格遵守相关法律法规以及小红书平台的规定。因使用不当导致的任何问题，本项目开发者不承担任何责任。

Redbook Search & Comment Tool

小红书自动搜索评论工具（MCP Server 2.0）

主要特点与优势

2.0版本主要优化

一、核心功能

1. 用户认证与登录

2. 内容发现与获取

3. 内容分析与生成

4. 数据返回与反馈

二、安装步骤

三、MCP Server 配置

Mac 配置示例

Windows 配置示例

Python 命令区分（python 与 python3）

四、使用方法

（一）启动服务器

（二）主要功能操作

1. 登录小红书

2. 搜索笔记

3. 获取笔记内容

4. 获取笔记评论

5. 发布智能评论

6. 发布评论

四、使用指南

0. 工作原理

1. 在MCP客户端中的使用方式

基本操作

评论类型选项

2. 实际工作流程示例

3. 工作原理

五、代码结构

六、常见问题与解决方案

七、注意事项与问题解决

1. 使用注意事项

2. 常见问题与解决方案

浏览器实例问题

内容获取问题

平台变化适应

八、免责声明

Related Servers

Web-curl

LinkedIn Profile Scraper

MCP YouTube Transcript Server

WebDriverIO

Oxylabs AI Studio

HDW MCP Server

Playwright MCP

Skrapr

Read URL MCP

Oxylabs AI Studio