Wildberries评论获取工具

Wildberries工具MCP

MCP服务器，用于检索Wildberry产品评论并将其暴露给LLM客户端。

服务器支持：

• 标准 适用于本地MCP客户端，如Claude Desktop、Cursor和Cherry Studio；
• 可流式传输的HTTP 用于远程MCP客户端，如ChatGPT自定义MCP应用程序；
• optional 通过X射线核心旋转VLESS出口 适用于正常出站IP不适合Wildberry访问的部署。

工具

建筑学

无X射线：

ChatGPT / MCP client
        |
        v
WildberriesToolsMCP
        |
        v
Wildberries APIs

带旋转式VLESS出口：

ChatGPT / MCP client
        |
        v
WildberriesToolsMCP
        |
        | HTTPX SOCKS5
        v
127.0.0.1:1080
        |
        v
Xray-core
        |
        | validated VLESS candidate
        v
Wildberries APIs

MCP端点本身是 不 通过VLESS代理。只有Wildberry客户端发出的出站HTTP请求才会使用 OUTBOUND_PROXY.

VLESS旋转生命周期

当 XRAY_ENABLED=true，容器监控器在MCP服务器之前启动X射线旋转器：

1. 下载已配置的 vless:// 订阅。

2. 提取并洗牌唯一的VLESS候选者。

3. 将候选对象转换为Xray JSON。

4. 通过以下方式验证生成的配置：

   复制

   xray run -test -config candidate.json
   

5. 在临时SOCKS端口上启动候选者(1081).

6. 向以下对象发出真正的HTTP请求 XRAY_VALIDATION_URL 通过X射线过程。

7. 仅激活通过X射线语法验证和实时HTTP探测的候选者。

8. 将所选路线送达 127.0.0.1:1080.

9. 定期对活动路线进行健康检查，并在反复出现故障后进行轮换。

10. 刷新订阅并定期轮换退出。

默认的Docker Compose和Render配置使用：

https://raw.githubusercontent.com/igareck/vpn-configs-for-russia/main/BLACK_VLESS_RUS_mobile.txt

来源于此项目的外部。以（权力）否决 XRAY_SUBSCRIPTION_URL 需要时，您可以使用自己值得信赖的VLESS提要。

当前解析器支持该提要使用的常见订阅形状：

• VLESS+现实+TCP；
• VLESS+TLS+WebSocket；
• VLESS+TLS+XHTTP；
• VLESS+gRPC；
• VLESS+HTTP升级。

不受支持或格式错误的候选者将自动跳过。

需求

直接使用Python：

• Python 3.10+；
• pip.

对于捆绑的Xray部署：

• Docker或与Docker兼容的托管平台。

Docker镜像当前固定了Xray核心 26.3.27 而不是使用未固定的 latest 二元的。

本地安装

git clone https://github.com/Happyfunnysad/WildberriesToolsMCP.git
cd WildberriesToolsMCP
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

在Windows PowerShell上：

python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt

溢出stdio

stdio 仍然是直接Python执行的默认传输方式：

python server.py

等效显式配置：

MCP_TRANSPORT=stdio python server.py

客户端配置示例：

{
  "mcpServers": {
    "wildberries-tools": {
      "command": "/absolute/path/to/.venv/bin/python",
      "args": ["/absolute/path/to/WildberriesToolsMCP/server.py"],
      "env": {
        "MCP_TRANSPORT": "stdio"
      }
    }
  }
}

在Windows上，使用完整路径 .venv\\Scripts\\python.exe.

通过流式HTTP运行

不使用Xray的直接Python进程：

MCP_TRANSPORT=streamable-http \
MCP_HOST=0.0.0.0 \
MCP_PORT=8000 \
MCP_PATH=/mcp \
python server.py

MCP终点为：

http://localhost:8000/mcp

支持的MCP HTTP变量：

带旋转VLESS出口的Docker

启动整个堆栈：

docker compose up --build -d

观察路线选择和X射线健康状况：

docker compose logs -f wb-analyzer-mcp

MCP终点仍然是：

http://localhost:8000/mcp

SOCKS端口 1080 和 1081 仅限于 127.0.0.1 在容器内部，并且不会发布到主机。

X射线环境变量

紧急旁路

要在不使用X射线的情况下启动同一图像，请执行以下操作：

docker run --rm \
  -e XRAY_ENABLED=false \
  -e MCP_TRANSPORT=streamable-http \
  -e MCP_TRUST_PROXY=true \
  -p 8000:8000 \
  wildberries-tools-mcp

渲染部署

存储库包含 render.yaml 对于单服务Docker部署。Xray进程和旋转器与MCP服务器运行在同一个容器中，因此不需要私有sidecar服务。

从该存储库创建渲染蓝图。部署后，端点看起来像：

https://<service-name>.onrender.com/mcp

蓝图启用VLESS路由，并在自动部署之前等待CI检查。

对于自定义订阅，请在Render中重写此环境变量：

XRAY_SUBSCRIPTION_URL=https://example.com/my-vless-subscription.txt

公共部署安全

对于在稳定主机名上的直接部署，更喜欢显式的allowlist：

MCP_TRANSPORT=streamable-http \
MCP_ALLOWED_HOSTS='mcp.example.com,mcp.example.com:*' \
python server.py

当MCP服务器位于验证Host标头的受信任反向代理或托管边缘之后时，请设置：

MCP_TRUST_PROXY=true

在没有速率限制或其他访问控制的情况下，不要广泛暴露未经身份验证的MCP端点。该工具是只读的，但开放端点仍可能被滥用于计算和出站流量。

公共VLESS节点也是第三方基础设施。将它们视为不可信的网络传输。不要通过此机制路由凭据、私有API或其他敏感的应用程序流量。此项目仅通过以下方式发送Wildberry检索请求 OUTBOUND_PROXY.

ChatGPT连接

1. 部署服务器，以便 /mcp 可以通过HTTPS访问。
2. 打开ChatGPT开发人员/自定义应用程序设置。
3. 添加远程MCP端点，例如 https://mcp.example.com/mcp.
4. 让客户端发现服务器工具。
5. 让ChatGPT分析Wildberry产品URL或SKU。

示例提示：

Проанализируй отзывы на этот товар и выдели основные плюсы, минусы и повторяющиеся проблемы: 12345678

客户可以致电 get_wb_reviews 并使用返回的评论文本进行分析。

CI验证

GitHub Actions执行两个独立的检查：

1. 构建Docker镜像，并通过以下方式运行代表性的Reality/TCP、WS-TLS和XHTTP/TLS共享链接 xray run -test.
2. 使用以下命令启动MCP容器 XRAY_ENABLED=false，执行真正的MCP initialize 握手，并验证 tools/list 广告 get_wb_reviews.

CI路径有意不依赖于第三方公共VLESS节点的可用性。

SSE兼容模式

MCP_TRANSPORT=sse \
MCP_HOST=0.0.0.0 \
MCP_PORT=8000 \
MCP_SSE_PATH=/sse \
MCP_MESSAGE_PATH=/messages/ \
python server.py

许可证

麻省理工学院