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

1. 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。

2. 项目获取：将本项目克隆或下载到本地。

3. 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

4. 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

5. 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：

1. 确定您的 Python 命令：

2. 在虚拟环境中确认：

3. 配置中使用正确的命令：

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

1. 直接运行：在项目目录下，激活虚拟环境后执行：

python3 xiaohongshu_mcp.py

2. 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：

1. 笔记分析：调用`post_smart_comment`工具获取笔记信息（标题、作者、内容等）

2. 评论生成与发布：

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

评论类型选项

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：

1. 笔记分析模块（analyze_note）

2. 评论生成模块（由MCP客户端实现）

3. 评论发布模块（post_comment）

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

1. 连接失败：

2. 浏览器会话问题：

如果遇到`Page.goto: Target page, context or browser has been closed`错误：

3. 依赖安装问题：

如果遇到`ModuleNotFoundError`错误：

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：

1. 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

2. 清除浏览器缓存：有时浏览器缓存会影响内容获取

3. 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：

1. 检查项目更新：关注项目最新版本，及时更新

2. 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

3. 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。