关于 Xiaohongshu API MCP Server | 小红书 API 微服务
Xiaohongshu API MCP Server 将小红书操作封装为可通过 Docker 部署的 RESTful API 微服务,供多个客户端使用。它提供笔记、用户和推荐流相关接口。
主要功能
- 01管理多个小红书客户端
- 02按 ID 获取笔记
- 03搜索笔记和用户
- 04获取用户信息及笔记
- 05查询推荐流分类和内容
- 06Docker 容器化部署
适用场景
- 01按关键词搜索小红书笔记
- 02获取指定用户资料和笔记
- 03读取笔记详情或 HTML 内容
- 04通过 Docker 部署小红书 API 服务
MCP 相关
输入说明将其称为 MCP 服务,但 README 描述的是 RESTful API 端点,未说明 MCP 协议工具或资源的具体暴露方式。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
暂未收录安装方式
我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。
工具
还没有获取到工具列表
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
来自项目 READMEXiaohongshu API MCP Server | 小红书 API 微服务
这是一个将小红书 API 封装成 RESTful API 服务器的微服务。可以使用 Docker 进行部署。
功能特点
- RESTful API for Xiaohongshu operations | 小红书操作的 RESTful API
- Multiple client support | 支持多客户端
- Docker containerization | Docker 容器化
- Easy to deploy and scale | 易于部署和扩展
API 端点
服务器提供以下端点:
/clients- 创建和管理小红书客户端实例/clients/{client_id}/note- 通过 ID 获取笔记/clients/{client_id}/note/html- 从 HTML 通过 ID 获取笔记/clients/{client_id}/search/notes- 通过关键词搜索笔记/clients/{client_id}/search/users- 通过关键词搜索用户/clients/{client_id}/user/info- 通过 ID 获取用户信息/clients/{client_id}/user/notes- 获取用户笔记/clients/{client_id}/feed/categories- 获取推荐流分类/clients/{client_id}/feed/{feed_type}- 通过类型获取推荐流/health- 健康检查端点
项目结构
.
├── xhs_mcp_server/ # 主服务器目录
│ ├── app/ # 应用程序核心
│ ├── xhs/ # 小红书API模块
│ ├── Dockerfile # Docker构建文件
│ └── requirements.txt # Python依赖
└── xhs_api.py # API实现
快速开始
前提条件
- Docker
- Docker Compose
安装和运行
- 构建并启动 Docker 容器:
cd xhs_mcp_server
docker-compose up -d
服务将在 http://localhost:8000 运行。
- 通过Python直接运行:
pip install -r xhs_mcp_server/requirements.txt
python xhs_api.py
API 文档
服务器运行后,您可以在以下位置访问 API 文档:
- Swagger UI:
http://localhost:8000/docs - ReDoc:
http://localhost:8000/redoc
使用示例
- 创建客户端:
curl -X POST "http://localhost:8000/clients" \
-H "Content-Type: application/json" \
-d '{"cookie": "your_cookie_here"}'
- 通过 ID 获取笔记:
curl -X POST "http://localhost:8000/clients/client_1/note" \
-H "Content-Type: application/json" \
-d '{"note_id": "your_note_id", "xsec_token": "your_xsec_token"}'
许可证
本项目仅用于教育目的。使用风险自负。
评论
支持 Markdown
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。