WhatsApp_MCP_Server

🚀 🦉 OWL x WhatsApp MCP 服务器集成

本项目将 WhatsApp MCP 服务器 与 OWL 多智能体框架 进行集成，借助直观的 Streamlit 用户界面，让 AI 代理能够与您的 WhatsApp 数据实现交互，为您带来全新的使用体验。

🚀 快速开始

克隆仓库

git clone https://github.com/Bipul70701/WhatsApp_MCP_Server.git
cd WhatsApp_MCP_Server

创建虚拟环境

python -m venv venv

激活虚拟环境

• Windows 系统：

venv\Scripts\activate

• macOS/Linux 系统：

source venv/bin/activate

安装依赖项

pip install -r requirements.txt

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。

配置 MCP 服务器

• 安装并设置 WhatsApp MCP 服务器：
  • 遵循 WhatsApp MCP 服务器仓库 中的说明安装并运行服务器。
  • 确保服务器已运行且可访问。

运行 Streamlit 应用

streamlit run project.py

✨ 主要特性

• 🤖 多代理协作：利用 CAMEL - AI 和 OWL 框架实现动态代理互动和任务自动化。
• 📱 WhatsApp 集成：访问并搜索个人 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：提供直观的用户界面以实现无缝交互。

🔧 技术细节

工作原理

1. 代理角色定义：使用 CAMEL - AI 的 RolePlaying 类模拟用户与助手的互动。
2. 工具包集成：整合 MCPToolkit 用于 WhatsApp 数据访问和 SearchToolkit 用于网络搜索。
3. 任务执行：OWL 框架协调代理根据用户输入完成任务。
4. 用户界面：Streamlit 应用捕获用户任务并实时显示结果。

关键组件

• CAMEL - AI：用于设计和管理自主代理的框架。
• OWL：用于实时任务管理和协作的优化工作流程学习。
• MCPToolkit：促进与 WhatsApp 数据的交互。
• SearchToolkit：实现网络搜索功能。
• Streamlit：提供交互式 Web 界面以实现用户互动。

📚 项目结构

owl-whatsapp-mcp/
├── project.py                # 主 Streamlit 应用程序
├── owl/                      # OWL 框架和工具
│   └── utils/                # 工具函数和助手
├── mcp_servers_config.json   # MCP 服务器配置
├── requirements.txt          # 依赖项列表
├── .env_template             # 环境变量示例文件
└── README.md                 # 项目文档

🙌 鸣谢

• CAMEL - AI：多代理框架。
• OWL：实时任务管理和协作。
• WhatsApp MCP 服务器：用于 WhatsApp 数据的集成。
• Streamlit：用于构建交互式用户界面。

感谢您对 OWL x WhatsApp MCP 服务器 项目的关注！如有任何问题或建议，请随时与我们联系。