Redbook Search Comment MCP 2.0：小红书自动搜索评论工具

本文介绍 Redbook-Search-Comment-MCP2.0，一款基于 Playwright 开发的小红书自动搜索和评论工具。该项目作为 MCP Server 运行，可通过配置接入 Claude for Desktop 等 MCP Client，帮助用户自动完成登录小红书、搜索关键词、获取笔记内容及发布 AI 生成评论等操作。

项目简介

Redbook-Search-Comment-MCP2.0 是一个开源的 MCP Server 项目，由 chenningling 开发维护。该项目基于 JonaFly/RednoteMCP 并结合多次实战经验进行全面优化和功能扩展。截至目前，该项目在 GitHub 上已获得 384 stars 和 56 forks，主要使用 Python 编写。

该工具的核心价值在于将小红书操作与 AI 能力深度结合，通过 MCP 协议让 Claude 等大模型客户端能够直接控制浏览器完成自动化任务。

核心特性

• 深度集成 AI 能力：利用 MCP 客户端（如 Claude）的大模型能力，生成更自然、更相关的评论内容
• 模块化设计：将功能分为笔记分析、评论生成和评论发布三个独立模块，提高代码可维护性
• 强大的内容获取能力：集成多种获取笔记内容的方法，确保能完整获取各类笔记的标题、作者和正文内容
• 持久化登录：使用持久化浏览器上下文，首次登录后无需重复登录
• 两步式评论流程：先获取笔记分析结果，然后由 MCP 客户端生成并发布评论

2.0 版本主要优化

• 内容获取增强：重构了笔记内容获取模块，增加页面加载等待时间和滚动操作，实现四种不同的内容获取方法
• AI 评论生成：重构评论功能，将笔记分析结果返回给 MCP 客户端，由客户端的 AI 能力生成更自然、更相关的评论
• 功能模块化：将功能分为笔记分析、评论生成和评论发布三个独立模块
• 搜索结果优化：解决了搜索笔记时标题不显示的问题，提供更完整的搜索结果
• 错误处理增强：添加更详细的错误处理和调试信息输出

技术栈

• Python 3.8+ - 主要开发语言
• Playwright - 浏览器自动化控制
• FastMCP - MCP 协议服务端实现
• Docker - 容器化部署支持

安装指南

前置要求

• Python 3.8 或更高版本
• pip 包管理器

安装步骤

# 1. 克隆项目
git clone https://github.com/chenningling/Redbook-Search-Comment-MCP2.0.git
cd Redbook-Search-Comment-MCP2.0

# 2. 创建虚拟环境
python3 -m venv venv

# 3. 激活虚拟环境
# macOS/Linux
source venv/bin/activate
# Windows
venv\Scripts\activate

# 4. 安装依赖
pip install -r requirements.txt
pip install fastmcp

# 5. 安装 Playwright 浏览器
playwright install

MCP Server 配置

在 MCP Client（如 Claude for Desktop）的配置文件中添加以下内容：

Mac 配置示例

{
    "mcpServers": {
        "xiaohongshu MCP": {
            "command": "/绝对路径/到/venv/bin/python3",
            "args": [
                "/绝对路径/到/xiaohongshu_mcp.py",
                "--stdio"
            ]
        }
    }
}

Windows 配置示例

{
    "mcpServers": {
        "xiaohongshu MCP": {
            "command": "C:\\Users\\username\\Desktop\\MCP\\Redbook-Search-Comment-MCP2.0\\venv\\Scripts\\python.exe",
            "args": [
                "C:\\Users\\username\\Desktop\\MCP\\Redbook-Search-Comment-MCP2.0\\xiaohongshu_mcp.py",
                "--stdio"
            ]
        }
    }
}

重要提示：请使用虚拟环境中 Python 解释器的完整绝对路径。

核心功能

1. 用户认证与登录

• 持久化登录：支持手动扫码登录，首次登录后保存状态
• 登录状态管理：自动检测登录状态，并在需要时提示用户登录

使用方式：

2. 内容发现与获取

• 智能关键词搜索：支持多关键词搜索，可指定返回结果数量
• 多维度内容获取：集成四种不同的获取方法，确保准确获取笔记信息
• 评论数据获取：支持获取笔记的评论内容

使用方式：

帮我搜索小红书笔记，关键词为：美食
帮我搜索小红书笔记，关键词为旅游，返回10条结果

3. 获取笔记内容

使用方式：

4. 发布智能评论

支持四种不同类型的评论生成：

使用方式：

使用示例

完整工作流程示例

用户: 帮我为这个小红书笔记写一条专业类型的评论：https://www.xiaohongshu.com/explore/xxxx

Claude: 我会帮您写一条专业类型的评论。让我获取笔记内容并生成评论。
[调用 post_smart_comment 工具]

# 工具返回笔记分析结果，包含标题、作者、内容、领域和关键词

Claude: 我已经获取到笔记信息，这是一篇关于[主题]的笔记。基于内容，我生成并发布了以下专业评论：
"[生成的专业评论内容]"

[调用 post_comment 工具]

Claude: 评论已成功发布！

代码结构

• xiaohongshu_mcp.py：实现主要功能的核心文件，包含登录、搜索、获取内容和评论、发布评论等功能的代码逻辑
• requirements.txt：记录项目所需的依赖库
• Dockerfile：容器化部署配置

工作原理

本工具采用两步式流程实现智能评论功能：

1. 笔记分析：调用 post_smart_comment 工具获取笔记信息（标题、作者、内容等）
2. 评论生成与发布：
   • MCP 客户端（如 Claude）基于笔记分析结果生成评论
   • 调用 post_comment 工具发布评论

这种设计充分利用了 MCP 客户端的 AI 能力，实现了更自然、相关的评论生成。

注意事项

• 浏览器模式：工具使用 Playwright 的非隐藏模式运行，运行时会打开真实浏览器窗口
• 登录方式：首次登录需要手动扫码，后续使用若登录状态有效，则无需再次扫码
• 平台规则：使用过程中请严格遵守小红书平台的相关规定，避免过度操作
• 评论频率：建议控制评论发布频率，每天发布评论数量不超过 30 条

常见问题

浏览器实例问题

如果遇到 "Page.goto: Target page, context or browser has been closed" 错误：

# 删除浏览器锁文件
rm -f /项目路径/browser_data/SingletonLock /项目路径/browser_data/SingletonCookie

# 如果问题仍然存在，备份并重建浏览器数据目录
mkdir -p /项目路径/backup_browser_data
mv /项目路径/browser_data/* /项目路径/backup_browser_data/
mkdir -p /项目路径/browser_data

依赖安装问题

如果遇到 ModuleNotFoundError 错误：

• 确保在虚拟环境中安装了所有依赖
• 检查是否安装了 fastmcp 包

项目链接

• GitHub 仓库：https://github.com/chenningling/Redbook-Search-Comment-MCP2.0
• English README：https://github.com/chenningling/Redbook-Search-Comment-MCP2.0/blob/main/README_EN.md

免责声明

本工具仅用于学习和研究目的，使用者应严格遵守相关法律法规以及小红书平台的规定。因使用不当导致的任何问题，本项目开发者不承担任何责任。