# mcp-server-weread **Repository Path**: chuangyeshuo/mcp-server-weread ## Basic Information - **Project Name**: mcp-server-weread - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 1 - **Forks**: 0 - **Created**: 2025-05-06 - **Last Updated**: 2025-05-06 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 微信读书 MCP 服务器 微信读书MCP服务器是一个桥接微信读书数据和Claude Desktop的轻量级服务器，使您可以在Claude中无缝访问微信读书的笔记和阅读数据。 ## 安装和使用 ### 环境准备 1. 确保您的系统已安装 Node.js (v16+) 2. 克隆本仓库：`git clone https://github.com/yourusername/mcp-server-weread.git` 3. 进入项目目录：`cd mcp-server-weread` 4. 安装依赖：`npm install`（下载慢可以用：npm install --registry=https://registry.npmmirror.com） ### 获取微信读书Cookie 1. 在浏览器中登录微信读书网页版: https://weread.qq.com/ 2. 打开浏览器开发者工具（F12或右键检查） 3. 切换到"应用程序"或"Application"标签 4. 在左侧"存储"下找到"Cookies" 5. 选择"https://weread.qq.com" 6. 找到并复制所有cookie（可以全选然后复制所有值） ### 配置环境变量 1. 在项目根目录下，编辑`.env`文件 2. 设置微信读书Cookie：`WEREAD_COOKIE=你复制的cookie值` ### 启动服务器 1. 编译代码：`npm run build` 2. 启动服务器：`node build/index.js` ### 在MCP客户端中配置 以Cursor AI为例，在`~/.cursor/mcp.json`文件中添加： ```json { "mcpServers": { "mcp-server-weread": { "command": "node", "args": ["/path/to/mcp-server-weread/build/index.js"], "env": { "WEREAD_COOKIE": "你的微信读书cookie" } } } } ``` 替换`/path/to/mcp-server-weread`为实际安装路径，并设置正确的cookie值。 ## 支持的功能 服务器提供以下工具： 1. **get_bookshelf** - 获取用户的完整书架信息 2. **get_notebooks** - 获取带有笔记的书籍列表 3. **get_book_notes** - 获取特定书籍的所有笔记内容 4. **get_book_info** - 获取书籍的详细信息 5. **search_notes** - 搜索所有笔记中包含特定关键词的内容 6. **get_recent_reads** - 获取用户最近阅读的书籍和相关数据 ## 使用示例 在支持MCP的AI客户端（如Claude Desktop）中，您可以： 1. 请求："帮我查看我的书架上有哪些书" 2. 请求："我想看看《思考，快与慢》这本书的笔记" 3. 请求："帮我找一下我笔记中关于'认知偏差'的内容" 4. 请求："获取我最近读过的书籍" --- # 微信读书 MCP 服务器设计方案 ## 产品定位与目标 **产品名称**: WeRead MCP Server **产品定位**: 作为微信读书与Claude Desktop之间的桥梁，实现阅读笔记与AI深度交互的轻量级服务器。 **核心目标**: 1. 实现微信读书数据的实时获取与格式化 2. 通过MCP协议与Claude Desktop无缝集成 3. 支持基于读书笔记的深度对话与知识提取 4. 构建完整的"输入-整理-沉淀"知识工作流 **价值主张**: - 将碎片化的阅读笔记转化为系统化的知识体系 - 通过AI辅助深化对阅读内容的理解与应用 - 减少知识管理的复杂性，实现轻量级知识沉淀 - 提升阅读效率与阅读质量 ## 系统架构 ``` +---------------+ +-----------------+ +------------------+ | | | | | | | 微信读书服务器 | <--> | WeRead MCP 服务器 | <--> | Claude Desktop | | | | | | | +---------------+ +-----------------+ +------------------+ ``` ### 特点 - 轻量级设计：无本地数据库，实时API调用 - 按需获取数据：仅在用户请求时调用相关API - 无状态服务：不维护复杂的会话状态 - 安全性：通过环境变量管理Cookie，避免明文存储 ## 功能与使用场景 ### 核心功能 1. **书籍与笔记浏览** - 获取用户书架信息 - 获取带笔记的书籍列表 - 获取特定书籍的详细信息 2. **笔记内容获取与处理** - 获取特定书籍的所有笔记（划线、评论） - 按章节组织笔记内容 - 基于关键词搜索笔记内容 3. **阅读数据获取** - 获取最近阅读记录 - 获取阅读进度信息 4. **AI 辅助分析** - 通过Claude分析笔记内容 - 提取关键观点与见解 - 关联不同书籍的相关概念 ### 使用场景 #### 场景一：深度阅读分析与讨论 1. **开始对话**：用户打开Claude Desktop，开始一个新对话 2. **选择书籍**：用户请求："帮我查看我最近在读的书籍" 3. **获取笔记**：用户说："我想讨论《思考快与慢》这本书的笔记" 4. **深入讨论**：Claude展示笔记后，用户可以请求："帮我分析这些笔记中关于认知偏差的主要观点" 5. **关联思考**：用户可以进一步请求："将这些观点与我在《超越智商》一书中的笔记做对比" #### 场景二：主题式笔记整合 1. **主题搜索**：用户说："查找我所有笔记中关于'领导力'的内容" 2. **跨书整合**：系统找到多本书中的相关笔记后，用户可以请求："帮我整合这些不同来源的观点，找出共同点和差异" 3. **知识地图**：用户说："基于这些笔记，帮我构建一个领导力的知识框架" #### 场景三：写作与创作辅助 1. **素材收集**：用户说："我正在写关于'团队建设'的文章，找出我所有相关的读书笔记" 2. **结构梳理**：获取笔记后，用户可以说："帮我将这些素材组织成一个逻辑清晰的文章大纲" 3. **内容扩展**：用户说："基于这个大纲和我的笔记，帮我扩展第二部分的内容" ## MCP Tools 实现清单 ### 1. 获取书架工具 (get_bookshelf) **功能**: 获取用户的完整书架信息 **参数**: 无 **返回**: 格式化的书籍列表，包括书名、作者等基本信息 **实现逻辑**: ```python def get_bookshelf(): """获取用户的完整书架信息""" # 直接调用WeReadApi中的get_bookshelf方法 weread_api = WeReadApi() bookshelf_data = weread_api.get_bookshelf() # 处理返回数据，提取有用信息 books = [] if "books" in bookshelf_data: for book in bookshelf_data["books"]: books.append({ "bookId": book.get("bookId", ""), "title": book.get("title", ""), "author": book.get("author", ""), "cover": book.get("cover", ""), "category": book.get("category", ""), "finished": book.get("finished", False), "updateTime": book.get("updateTime", 0) }) return {"books": books} ``` ### 2. 获取笔记本列表工具 (get_notebooks) **功能**: 获取所有带有笔记的书籍列表 **参数**: 无 **返回**: 带有笔记的书籍列表，按排序顺序 **实现逻辑**: ```python def get_notebooks(): """获取所有带有笔记的书籍列表""" # 直接调用WeReadApi中的get_notebooklist方法 weread_api = WeReadApi() notebooks = weread_api.get_notebooklist() # 处理返回数据，提取有用信息 formatted_notebooks = [] for notebook in notebooks: formatted_notebooks.append({ "bookId": notebook.get("bookId", ""), "title": notebook.get("title", ""), "author": notebook.get("author", ""), "cover": notebook.get("cover", ""), "noteCount": notebook.get("noteCount", 0), "sort": notebook.get("sort", 0), "bookUrl": weread_api.get_url(notebook.get("bookId", "")) }) return {"notebooks": formatted_notebooks} ``` ### 3. 获取书籍笔记工具 (get_book_notes) **功能**: 获取特定书籍的所有笔记内容 **参数**: bookId (字符串) - 书籍ID **返回**: 按章节组织的笔记内容，包括划线和评论 **实现逻辑**: ```python def get_book_notes(bookId): """获取特定书籍的所有笔记内容""" weread_api = WeReadApi() # 1. 获取章节信息 chapter_info = weread_api.get_chapter_info(bookId) # 2. 获取划线(书签) bookmarks = weread_api.get_bookmark_list(bookId) or [] # 3. 获取评论/感想 reviews = weread_api.get_review_list(bookId) or [] # 4. 获取书籍基本信息 book_info = weread_api.get_bookinfo(bookId) or {} # 处理章节信息 chapters = {} for uid, chapter in chapter_info.items(): chapters[uid] = { "title": chapter.get("title", ""), "level": chapter.get("level", 0), "chapterIdx": chapter.get("chapterIdx", 0) } # 处理划线和评论数据，按章节组织 organized_notes = {} # 添加划线 for bookmark in bookmarks: chapter_uid = str(bookmark.get("chapterUid", "")) if chapter_uid not in organized_notes: organized_notes[chapter_uid] = { "chapterTitle": chapters.get(chapter_uid, {}).get("title", "未知章节"), "chapterLevel": chapters.get(chapter_uid, {}).get("level", 0), "highlights": [], "reviews": [] } organized_notes[chapter_uid]["highlights"].append({ "text": bookmark.get("markText", ""), "createTime": bookmark.get("createTime", 0), "style": bookmark.get("style", 0) }) # 添加评论 for review in reviews: chapter_uid = str(review.get("chapterUid", "")) if chapter_uid not in organized_notes: organized_notes[chapter_uid] = { "chapterTitle": chapters.get(chapter_uid, {}).get("title", "未知章节"), "chapterLevel": chapters.get(chapter_uid, {}).get("level", 0), "highlights": [], "reviews": [] } organized_notes[chapter_uid]["reviews"].append({ "content": review.get("content", ""), "createTime": review.get("createTime", 0), "type": review.get("type", 0) }) # 组织最终返回数据 return { "bookInfo": { "bookId": bookId, "title": book_info.get("title", ""), "author": book_info.get("author", ""), "cover": book_info.get("cover", ""), "url": weread_api.get_url(bookId) }, "notes": organized_notes } ``` ### 4. 获取书籍详情工具 (get_book_info) **功能**: 获取书籍的详细信息 **参数**: bookId (字符串) - 书籍ID **返回**: 书籍的详细信息，包括标题、作者、简介等 **实现逻辑**: ```python def get_book_info(bookId): """获取书籍的详细信息""" weread_api = WeReadApi() book_info = weread_api.get_bookinfo(bookId) # 处理并返回整理后的书籍信息 formatted_info = { "bookId": bookId, "title": book_info.get("title", ""), "author": book_info.get("author", ""), "cover": book_info.get("cover", ""), "intro": book_info.get("intro", ""), "category": book_info.get("category", ""), "publisher": book_info.get("publisher", ""), "publishTime": book_info.get("publishTime", ""), "isbn": book_info.get("isbn", ""), "bookScore": book_info.get("newRating", {}).get("score", 0), "url": weread_api.get_url(bookId) } return formatted_info ``` ### 5. 搜索笔记工具 (search_notes) **功能**: 搜索所有笔记中包含特定关键词的内容 **参数**: keyword (字符串) - 搜索关键词 **返回**: 匹配关键词的笔记列表，包括来源书籍和内容 **实现逻辑**: ```python def search_notes(keyword): """搜索所有笔记中包含特定关键词的内容""" weread_api = WeReadApi() # 1. 获取所有有笔记的书籍 notebooks = weread_api.get_notebooklist() # 2. 遍历每本书的笔记，查找匹配关键词的内容 search_results = [] for notebook in notebooks: bookId = notebook.get("bookId", "") book_title = notebook.get("title", "") # 获取划线 bookmarks = weread_api.get_bookmark_list(bookId) or [] # 获取评论 reviews = weread_api.get_review_list(bookId) or [] # 搜索划线内容 for bookmark in bookmarks: mark_text = bookmark.get("markText", "") if keyword.lower() in mark_text.lower(): search_results.append({ "bookId": bookId, "bookTitle": book_title, "chapterUid": bookmark.get("chapterUid", ""), "type": "highlight", "content": mark_text, "createTime": bookmark.get("createTime", 0) }) # 搜索评论内容 for review in reviews: review_content = review.get("content", "") if keyword.lower() in review_content.lower(): search_results.append({ "bookId": bookId, "bookTitle": book_title, "chapterUid": review.get("chapterUid", ""), "type": "review", "content": review_content, "createTime": review.get("createTime", 0) }) # 按时间排序 search_results.sort(key=lambda x: x["createTime"], reverse=True) return {"results": search_results, "keyword": keyword, "count": len(search_results)} ``` ### 6. 最近阅读工具 (get_recent_reads) **功能**: 获取用户最近阅读的书籍和相关数据 **参数**: 无 **返回**: 最近阅读的书籍列表，包括阅读进度和时间信息 **实现逻辑**: ```python def get_recent_reads(): """获取用户最近阅读的书籍和相关数据""" weread_api = WeReadApi() # 获取阅读历史数据 history_data = weread_api.get_api_data() # 提取并格式化最近阅读数据 recent_books = [] if "recentBooks" in history_data: for book in history_data["recentBooks"]: # 获取每本书的阅读信息 read_info = weread_api.get_read_info(book["bookId"]) recent_books.append({ "bookId": book.get("bookId", ""), "title": book.get("title", ""), "author": book.get("author", ""), "cover": book.get("cover", ""), "readingTime": read_info.get("readingTime", 0), # 阅读时长(秒) "progress": read_info.get("progress", 0), # 阅读进度(%) "lastReadingDate": read_info.get("lastReadingDate", 0), "noteCount": read_info.get("noteCount", 0), "url": weread_api.get_url(book.get("bookId", "")) }) return {"recentBooks": recent_books} ``` ## 技术实现注意事项 1. **环境变量管理** - 使用.env文件或系统环境变量管理敏感信息(Cookie) - 支持Cookie Cloud服务获取最新Cookie 2. **错误处理** - 完善的异常处理机制，特别是API调用失败情况 - Cookie过期提醒与自动刷新机制 3. **性能优化** - 控制API调用频率，避免触发限制 - 考虑短期缓存机制，减少重复调用 4. **MCP协议适配** - 确保工具输入输出符合Claude Desktop的MCP规范 - 提供清晰的工具描述和使用示例 ## 后续拓展方向 1. **增加笔记导出功能** - 支持Markdown、JSON等多种格式导出 - 便于知识沉淀与分享 2. **添加笔记统计分析** - 提供阅读与笔记行为的数据可视化 - 帮助用户了解自己的阅读模式 3. **个性化推荐** - 基于用户阅读历史和笔记内容推荐相关书籍或文章 - 帮助用户拓展知识网络 4. **知识图谱构建** - 自动构建用户阅读内容的知识关联网络 - 可视化展示不同概念和书籍之间的联系 5. **多平台整合** - 接入其他阅读平台的数据(如Kindle、豆瓣等) - 构建统一的阅读笔记管理系统