🚀 🦉 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
- 代理角色定义：使用 CAMEL - AI 的
RolePlaying类模拟用户与助手的互动。 - 工具包集成：整合 MCPToolkit 用于 WhatsApp 数据访问和 SearchToolkit 用于网络搜索。
- 任务执行：OWL 框架协调代理根据用户输入完成任务。
- 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。