Wildberries Tools MCP

Wildberries工具MCP

用于检索Wildberry产品评论的MCP服务器，专为与Cherry Studio、Claude Desktop和Cursor等LLM客户端无缝集成而设计。

👀 Usage example

Example

特性

• ✨ 易于集成：与标准MCP客户端开箱即用。
• 🚀 智能刮擦：自动确定任何Wildberry SKU的正确“篮子”主机。
• 🔧 LLM就绪：将评论格式设置为JSON，便于大型语言模型进行分析。
• 📊 丰富数据：提供产品名称、总评论数和原始评论文本（最多500条）。

快速开始

# Install dependencies
pip install -r requirements.txt

# Start the MCP server in development mode
mcp dev server.py

安装

先决条件

• Python 3.10或更高版本
• pip 包管理器

开发环境

1. 克隆存储库

   git clone https://github.com/Start-Python-w/wb_smart_remaster.git
   cd wb_smart_remaster

1. 创建虚拟环境

   python3 -m venv .venv
   source .venv/bin/activate  # On Windows use: .venv\Scripts\activate

1. 安装依赖项

   pip install -r requirements.txt

码头工人

您还可以使用Docker运行MCP服务器。这对于保持环境清洁或部署非常有用。

构建并运行

1. 塑造形象

   docker build -t wb-mcp-server .

1. 运行容器

   docker run -i --rm wb-mcp-server

*这 -i 标志对于MCP在Stdio上工作至关重要。*

Docker组合

您可以使用 docker-compose 要运行服务器，请执行以下操作：

docker-compose up

配置

配置LLM客户端以使用MCP服务器。

客户端配置（Docker）

如果你更喜欢在客户端直接使用Docker容器：

• 命令: docker
• 参数: run, -i, --rm, wb-mcp-server

樱桃工作室🍒

1. 首选 设置 → MCP服务器.
2. 点击 添加.
3. 配置为 工作室:

- 名字: WB Analyzer - 命令: /absolute/path/to/project/.venv/bin/python - 参数: /absolute/path/to/project/server.py

1. 点击 保存.

克劳德桌面版

将以下内容添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "wb-analyzer": {
      "command": "/absolute/path/to/project/.venv/bin/mcp",
      "args": ["run", "server.py"]
    }
  }
}

备注：替换 /absolute/path/to/project/ 带有项目目录的实际路径。

用法

连接后，您可以要求您的LLM直接在聊天中分析产品。

示例提示：

• “分析此产品的评论：\[SKU或URL\]”
• “项目12345678的优缺点是什么？”
• “总结此链接的客户反馈：https://www.wildberries.ru/catalog/..."

客户端将自动调用 get_wb_reviews 工具，并使用返回的数据来回答您的请求。

工具

许可证

麻省理工学院