🦉 OWL x WhatsApp MCP Server Integration

🦉 OWL x WhatsApp MCP 服务集成

欢迎使用 OWL x WhatsApp MCP 服务项目！此应用将 WhatsApp MCP 服务 与 OWL 多 Agent 框架 无缝集成，让 AI Agent 能够通过易用的 Streamlit 界面与您的 WhatsApp 数据交互。

---

✨ 功能

• 🤖 多 Agent 协作：利用 CAMEL-AI 和 OWL 框架实现动态 Agent 交互和任务自动化。
• 📱 WhatsApp 集成：访问并搜索您的个人 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：提供直观的界面，方便用户交互。

---

🛠️ 工作原理

1. Agent 角色：使用 CAMEL-AI 的 RolePlaying 类定义角色，模拟用户和助手之间的交互。
2. 工具包集成：集成 MCPToolkit 以访问 WhatsApp 数据，并集成 SearchToolkit 以进行网络搜索。
3. 任务执行：OWL 框架协调各 Agent，根据用户输入执行任务。
4. 用户界面：Streamlit 应用收集用户任务，并实时显示结果。

---

🚀 快速开始

1. 克隆仓库：

   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：

   • Windows：

     venv\Scripts\activate
     

   • macOS/Linux：

     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 密钥和配置信息。

6. 配置 MCP 服务：

   • 安装并设置 WhatsApp MCP 服务：
     • 按照 WhatsApp MCP 服务仓库中的说明安装并运行服务。
     • 确保服务正在运行且可访问。

7. 运行 Streamlit 应用：

   streamlit run project.py
   

---

📂 项目结构

owl-whatsapp-mcp/
├── project.py                # Main Streamlit application
├── owl/                      # OWL framework and utilities
│   └── utils/                # Utility functions and helpers
├── mcp_servers_config.json   # Configuration for MCP servers
├── requirements.txt          # List of dependencies
├── .env_template             # Example environment variables file
└── README.md                 # Project documentation

---

🔧 主要组件

• CAMEL-AI：用于设计和管理自主 Agent 的框架。
• OWL：面向实时任务管理与协作的优化型工作者学习框架。
• MCPToolkit：用于与 WhatsApp 数据交互。
• SearchToolkit：提供网络搜索功能。
• Streamlit：提供交互式 Web 界面。

---

🙌 致谢

• CAMEL-AI：提供多 Agent 框架。
• OWL：支持实时任务管理与协作。
• WhatsApp MCP Server：提供 WhatsApp 数据集成。
• Streamlit：提供交互式 UI。

---

由 Bipul Kumar Sharma 用 ❤️ 制作