AI导哈

WhatsApp多代理集成服务

OWL x WhatsApp MCP Server是一个集成WhatsApp消息服务与多代理框架的应用，通过Streamlit界面实现AI代理与WhatsApp数据的交互，支持消息搜索、发送和实时信息检索。

  • by Bipul70701
  • Python
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 Bipul70701/WhatsApp_MCP_Server

使用说明

🦉 OWL x WhatsApp MCP服务器集成

欢迎来到 OWL x WhatsApp MCP服务器 项目！此应用程序无缝集成了 WhatsApp MCP服务器 随着 OWL多代理框架，使AI代理能够通过用户友好的Streamlit界面与您的WhatsApp数据进行交互。

✨ 特性

  • 🤖 多Agent协作：利用CAMEL-AI和OWL框架进行动态代理交互和任务自动化。
  • 📱 WhatsApp集成：访问和搜索您的个人WhatsApp消息，包括媒体文件。
  • 📤 消息调度：直接通过应用程序向个人或团体发送消息。
  • 🔍 实时信息检索：利用网络搜索功能获取最新信息。
  • 🌐 流媒体接口：提供直观的用户界面，实现无缝的用户交互。

🛠️ 运作原理

  1. 代理角色：使用CAMEL-AI定义 RolePlaying 类来模拟用户和助手的交互。
  2. 工具包集成：整合了用于WhatsApp数据访问的MCPToolkit和用于网络搜索的SearchToolkit。
  3. 任务执行：OWL框架根据用户输入编排代理执行任务。
  4. 用户界面：Streamlit应用程序捕获用户任务并实时显示结果。

🚀 入门指南

  1. 克隆存储库:

    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:

    • 在Windows上：
      venv\Scripts\activate
    • 在macOS/Linux上：
      source venv/bin/activate

  4. 再进行:

    pip install -r requirements.txt

  5. 配置环境变量:

    • 重命名 .env_template 向 .env.
    • 填写所需的API密钥和配置。

  6. 配置MCP服务器:

    • 安装和设置WhatsApp MCP服务器:

  7. 运行Streamlit应用程序:

    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

🔧 关键组件

  • CAMEL-AI：设计和管理自主代理的框架。
  • 猫头鹰：优化劳动力学习，实现实时任务管理和协作。
  • MCPToolkit：促进与WhatsApp数据的交互。
  • 搜索工具包：启用web搜索功能。
  • 溪流：为用户交互提供交互式web界面。

🙌 鸣谢

由以下材料制成❤️ Bipul Kumar Sharma

相关 MCP