mcpField
W
Wanderlog MCP Server and API by Cotlet

Wanderlog MCP Server and API by Cotlet

远程服务
cotlet.dev地图与出行03 天前更新

关于 Wanderlog MCP Server and API by Cotlet

Cotlet.dev 提供 Wanderlog 托管 MCP 服务及本地 stdio 服务器,让旅行者通过 AI Agent 创建和编辑行程。它可在已登录的账号中操作,无需 Wanderlog 公共 API。

主要功能

  1. 01创建和编辑旅行行程
  2. 02向行程添加地点
  3. 03导入预订信息
  4. 04连接 Wanderlog 账号
  5. 05提供托管和本地 stdio 接入
  6. 06命令行连接与状态检查

适用场景

  1. 01规划包含每日地点的旅行
  2. 02将餐厅添加到指定日期
  3. 03复制行程并调整为家庭旅行

MCP 相关

托管 MCP 服务通过 https://cotlet.dev/mcp/v1 接入;本地 stdio 服务器列出 Wanderlog 工具,并将调用转发到 Cotlet.dev。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://cotlet.dev/mcp/v1/wanderlog/connect
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

全部服务地址
Streamable HTTPhttps://cotlet.dev/mcp/v1/wanderlog/connect
Streamable HTTPhttps://cotlet.dev/mcp/v1/wanderlog需要授权

工具

详细介绍

如何将 Wanderlog 连接到 Claude Code、ChatGPT 和任何 AI Agent

没错,Claude、ChatGPT 和其他 AI Agent 都可以在你的 Wanderlog 账户中工作。 Wanderlog 没有公开 API,也没有官方 ChatGPT 应用。Cotlet.dev 可将你自己的 Wanderlog 账户连接到任何 AI Agent,让 AI 在你用日常语言规划行程时,帮你创建和编辑行程。

你可以这样提问

在 Wanderlog 中创建一个 5 天的里斯本行程,每天安排 3 个彼此相近的地点。

把这份清单中的餐厅添加到我东京行程的第 2 天。

重新安排我的罗马行程,让每天的步行路线都尽可能短。

我的冰岛行程还缺少什么:酒店、接送安排、开放时间?

复制我的巴黎行程,并将其调整为适合一个有两个孩子的家庭。

2 分钟即可连接

前往 https://cotlet.dev/app 获取 API 密钥,并将其导出为 COTLET_API_KEY。

Claude Code
claude mcp add --transport http cotlet https://cotlet.dev/mcp/v1 --header "Authorization: Bearer $COTLET_API_KEY"
ChatGPT

进入 Settings → Apps → add connector URL https://cotlet.dev/mcp/v1,然后使用 Cotlet.dev 登录。无需 API 密钥。

Cursor

将此仓库中的 .cursor/mcp.json 复制到你的项目中:

{
  "mcpServers": {
    "cotlet": {
      "url": "https://cotlet.dev/mcp/v1",
      "headers": {
        "Authorization": "Bearer ${COTLET_API_KEY}"
      }
    }
  }
}

在本地运行(stdio)

此仓库提供真正的 MCP 服务。它通过 stdio 使用 MCP,无需任何密钥即可列出 Wanderlog 工具,并将每次工具调用转发到托管的 Cotlet.dev 服务。上文的托管 URL 仍是推荐方式。如果你的客户端只能启动本地服务,请使用此方式。

{"mcpServers":{"wanderlog":{"command":"uvx","args":["wanderlog-mcp"],"env":{"COTLET_API_KEY":"your-key"}}}}

也可以使用 Docker:

docker build -t wanderlog-mcp .
docker run -i --rm -e COTLET_API_KEY wanderlog-mcp

工具:wanderlog_guide、wanderlog_status、wanderlog_open、wanderlog_read、wanderlog_click、wanderlog_type、wanderlog_close。如果未设置 COTLET_API_KEY,工具调用会回复:“Set COTLET_API_KEY. Get a key at https://cotlet.dev/app”。

命令行

Python 3.10+,无需安装其他内容。从 PyPI 安装:

pip install wanderlog-mcp        # or run it once: uvx wanderlog-mcp connect
wanderlog-mcp connect

或者直接从此仓库安装:

export COTLET_API_KEY="your-key"
python3 wanderlog_agent.py connect   # ready config for Claude Code, Cursor, ChatGPT
python3 wanderlog_agent.py status    # is Wanderlog ready in your Cotlet.dev account
python3 wanderlog_agent.py guide     # Wanderlog screens and sign-in link
python3 wanderlog_agent.py read      # open Wanderlog, read the page, close the browser
python3 wanderlog_agent.py tools     # list Cotlet.dev tools
python3 wanderlog_agent.py serve     # start the stdio MCP server (same as no argument)

Wanderlog 用户常见问题

Wanderlog 有 API 吗?

Wanderlog 没有公开且受支持的 API。Cotlet.dev 通过 Cloud Browser 在你自己的 Wanderlog 账户中运行,因此你的 AI Agent 无需 API 也能读取和编辑行程。

如何将 Wanderlog 连接到 ChatGPT?

在 ChatGPT 中将 Cotlet.dev 添加为应用(Settings → Apps,连接器 URL 为 https://cotlet.dev/mcp/v1),在 Cotlet.dev Cloud Browser 中登录一次 Wanderlog,然后用日常语言向 ChatGPT 提问。无需代码,也无需 Wanderlog API 密钥。

可以在 Wanderlog 中使用 Claude 吗?

可以。在 Claude Code 中运行上面的一行 claude mcp add 命令;在 Claude 应用中,将 https://cotlet.dev/mcp/v1 添加为自定义连接器。之后,Claude 就可以在你自己的 Wanderlog 账户中工作。

有 Wanderlog MCP 服务吗?

Wanderlog 没有官方 MCP 服务。Cotlet.dev 是一个托管的 MCP 服务,可全天候为你提供 Wanderlog 功能,并支持 Claude、ChatGPT、Cursor、Codex、n8n、Make 和 Zapier。

查找渠道

也适用于


更多信息:https://cotlet.dev/integrations/wanderlog-api-mcp-server?utm_source=github&utm_medium=readme&utm_campaign=wanderlog

免费开始使用:https://cotlet.dev/signup?app=wanderlog&utm_source=github&utm_medium=readme&utm_campaign=wanderlog

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。