微信读书MCP服务器是一个桥接微信读书数据和Claude Desktop的轻量级服务器，使您可以在Claude中无缝访问微信读书的笔记和阅读数据。
- 确保您的系统已安装 Node.js (v16+)
- 克隆本仓库：
git clone https://github.com/yourusername/mcp-server-weread.git - 进入项目目录：
cd mcp-server-weread - 安装依赖：
npm install（下载慢可以用：npm install --registry=https://registry.npmmirror.com）
- 在浏览器中登录微信读书网页版: https://weread.qq.com/
- 打开浏览器开发者工具（F12或右键检查）
- 切换到"应用程序"或"Application"标签
- 在左侧"存储"下找到"Cookies"
- 选择"https://weread.qq.com"
- 找到并复制所有cookie（可以全选然后复制所有值）
- 在项目根目录下，编辑
.env文件 - 设置微信读书Cookie：
WEREAD_COOKIE=你复制的cookie值
- 编译代码：
npm run build - 启动服务器：
node build/index.js
以Cursor AI为例，在~/.cursor/mcp.json文件中添加：
{
"mcpServers": {
"mcp-server-weread": {
"command": "node",
"args": ["/path/to/mcp-server-weread/build/index.js"],
"env": {
"WEREAD_COOKIE": "你的微信读书cookie"
}
}
}
}替换/path/to/mcp-server-weread为实际安装路径，并设置正确的cookie值。
服务器提供以下工具：
- get_bookshelf - 获取用户的完整书架信息
- get_notebooks - 获取带有笔记的书籍列表
- get_book_notes - 获取特定书籍的所有笔记内容
- get_book_info - 获取书籍的详细信息
- search_notes - 搜索所有笔记中包含特定关键词的内容
- get_recent_reads - 获取用户最近阅读的书籍和相关数据
在支持MCP的AI客户端（如Claude Desktop）中，您可以：
- 请求："帮我查看我的书架上有哪些书"
- 请求："我想看看《思考，快与慢》这本书的笔记"
- 请求："帮我找一下我笔记中关于'认知偏差'的内容"
- 请求："获取我最近读过的书籍"
产品名称: WeRead MCP Server
产品定位: 作为微信读书与Claude Desktop之间的桥梁，实现阅读笔记与AI深度交互的轻量级服务器。
核心目标:
- 实现微信读书数据的实时获取与格式化
- 通过MCP协议与Claude Desktop无缝集成
- 支持基于读书笔记的深度对话与知识提取
- 构建完整的"输入-整理-沉淀"知识工作流
价值主张:
- 将碎片化的阅读笔记转化为系统化的知识体系
- 通过AI辅助深化对阅读内容的理解与应用
- 减少知识管理的复杂性，实现轻量级知识沉淀
- 提升阅读效率与阅读质量
+---------------+ +-----------------+ +------------------+
| | | | | |
| 微信读书服务器 | <--> | WeRead MCP 服务器 | <--> | Claude Desktop |
| | | | | |
+---------------+ +-----------------+ +------------------+
- 轻量级设计：无本地数据库，实时API调用
- 按需获取数据：仅在用户请求时调用相关API
- 无状态服务：不维护复杂的会话状态
- 安全性：通过环境变量管理Cookie，避免明文存储
-
书籍与笔记浏览
- 获取用户书架信息
- 获取带笔记的书籍列表
- 获取特定书籍的详细信息
-
笔记内容获取与处理
- 获取特定书籍的所有笔记（划线、评论）
- 按章节组织笔记内容
- 基于关键词搜索笔记内容
-
阅读数据获取
- 获取最近阅读记录
- 获取阅读进度信息
-
AI 辅助分析
- 通过Claude分析笔记内容
- 提取关键观点与见解
- 关联不同书籍的相关概念
- 开始对话：用户打开Claude Desktop，开始一个新对话
- 选择书籍：用户请求："帮我查看我最近在读的书籍"
- 获取笔记：用户说："我想讨论《思考快与慢》这本书的笔记"
- 深入讨论：Claude展示笔记后，用户可以请求："帮我分析这些笔记中关于认知偏差的主要观点"
- 关联思考：用户可以进一步请求："将这些观点与我在《超越智商》一书中的笔记做对比"
- 主题搜索：用户说："查找我所有笔记中关于'领导力'的内容"
- 跨书整合：系统找到多本书中的相关笔记后，用户可以请求："帮我整合这些不同来源的观点，找出共同点和差异"
- 知识地图：用户说："基于这些笔记，帮我构建一个领导力的知识框架"
- 素材收集：用户说："我正在写关于'团队建设'的文章，找出我所有相关的读书笔记"
- 结构梳理：获取笔记后，用户可以说："帮我将这些素材组织成一个逻辑清晰的文章大纲"
- 内容扩展：用户说："基于这个大纲和我的笔记，帮我扩展第二部分的内容"
功能: 获取用户的完整书架信息
参数: 无
返回: 格式化的书籍列表，包括书名、作者等基本信息
实现逻辑:
def get_bookshelf():
"""获取用户的完整书架信息"""
# 直接调用WeReadApi中的get_bookshelf方法
weread_api = WeReadApi()
bookshelf_data = weread_api.get_bookshelf()
# 处理返回数据，提取有用信息
books = []
if "books" in bookshelf_data:
for book in bookshelf_data["books"]:
books.append({
"bookId": book.get("bookId", ""),
"title": book.get("title", ""),
"author": book.get("author", ""),
"cover": book.get("cover", ""),
"category": book.get("category", ""),
"finished": book.get("finished", False),
"updateTime": book.get("updateTime", 0)
})
return {"books": books}功能: 获取所有带有笔记的书籍列表
参数: 无
返回: 带有笔记的书籍列表，按排序顺序
实现逻辑:
def get_notebooks():
"""获取所有带有笔记的书籍列表"""
# 直接调用WeReadApi中的get_notebooklist方法
weread_api = WeReadApi()
notebooks = weread_api.get_notebooklist()
# 处理返回数据，提取有用信息
formatted_notebooks = []
for notebook in notebooks:
formatted_notebooks.append({
"bookId": notebook.get("bookId", ""),
"title": notebook.get("title", ""),
"author": notebook.get("author", ""),
"cover": notebook.get("cover", ""),
"noteCount": notebook.get("noteCount", 0),
"sort": notebook.get("sort", 0),
"bookUrl": weread_api.get_url(notebook.get("bookId", ""))
})
return {"notebooks": formatted_notebooks}功能: 获取特定书籍的所有笔记内容
参数: bookId (字符串) - 书籍ID
返回: 按章节组织的笔记内容，包括划线和评论
实现逻辑:
def get_book_notes(bookId):
"""获取特定书籍的所有笔记内容"""
weread_api = WeReadApi()
# 1. 获取章节信息
chapter_info = weread_api.get_chapter_info(bookId)
# 2. 获取划线(书签)
bookmarks = weread_api.get_bookmark_list(bookId) or []
# 3. 获取评论/感想
reviews = weread_api.get_review_list(bookId) or []
# 4. 获取书籍基本信息
book_info = weread_api.get_bookinfo(bookId) or {}
# 处理章节信息
chapters = {}
for uid, chapter in chapter_info.items():
chapters[uid] = {
"title": chapter.get("title", ""),
"level": chapter.get("level", 0),
"chapterIdx": chapter.get("chapterIdx", 0)
}
# 处理划线和评论数据，按章节组织
organized_notes = {}
# 添加划线
for bookmark in bookmarks:
chapter_uid = str(bookmark.get("chapterUid", ""))
if chapter_uid not in organized_notes:
organized_notes[chapter_uid] = {
"chapterTitle": chapters.get(chapter_uid, {}).get("title", "未知章节"),
"chapterLevel": chapters.get(chapter_uid, {}).get("level", 0),
"highlights": [],
"reviews": []
}
organized_notes[chapter_uid]["highlights"].append({
"text": bookmark.get("markText", ""),
"createTime": bookmark.get("createTime", 0),
"style": bookmark.get("style", 0)
})
# 添加评论
for review in reviews:
chapter_uid = str(review.get("chapterUid", ""))
if chapter_uid not in organized_notes:
organized_notes[chapter_uid] = {
"chapterTitle": chapters.get(chapter_uid, {}).get("title", "未知章节"),
"chapterLevel": chapters.get(chapter_uid, {}).get("level", 0),
"highlights": [],
"reviews": []
}
organized_notes[chapter_uid]["reviews"].append({
"content": review.get("content", ""),
"createTime": review.get("createTime", 0),
"type": review.get("type", 0)
})
# 组织最终返回数据
return {
"bookInfo": {
"bookId": bookId,
"title": book_info.get("title", ""),
"author": book_info.get("author", ""),
"cover": book_info.get("cover", ""),
"url": weread_api.get_url(bookId)
},
"notes": organized_notes
}功能: 获取书籍的详细信息
参数: bookId (字符串) - 书籍ID
返回: 书籍的详细信息，包括标题、作者、简介等
实现逻辑:
def get_book_info(bookId):
"""获取书籍的详细信息"""
weread_api = WeReadApi()
book_info = weread_api.get_bookinfo(bookId)
# 处理并返回整理后的书籍信息
formatted_info = {
"bookId": bookId,
"title": book_info.get("title", ""),
"author": book_info.get("author", ""),
"cover": book_info.get("cover", ""),
"intro": book_info.get("intro", ""),
"category": book_info.get("category", ""),
"publisher": book_info.get("publisher", ""),
"publishTime": book_info.get("publishTime", ""),
"isbn": book_info.get("isbn", ""),
"bookScore": book_info.get("newRating", {}).get("score", 0),
"url": weread_api.get_url(bookId)
}
return formatted_info功能: 搜索所有笔记中包含特定关键词的内容
参数: keyword (字符串) - 搜索关键词
返回: 匹配关键词的笔记列表，包括来源书籍和内容
实现逻辑:
def search_notes(keyword):
"""搜索所有笔记中包含特定关键词的内容"""
weread_api = WeReadApi()
# 1. 获取所有有笔记的书籍
notebooks = weread_api.get_notebooklist()
# 2. 遍历每本书的笔记，查找匹配关键词的内容
search_results = []
for notebook in notebooks:
bookId = notebook.get("bookId", "")
book_title = notebook.get("title", "")
# 获取划线
bookmarks = weread_api.get_bookmark_list(bookId) or []
# 获取评论
reviews = weread_api.get_review_list(bookId) or []
# 搜索划线内容
for bookmark in bookmarks:
mark_text = bookmark.get("markText", "")
if keyword.lower() in mark_text.lower():
search_results.append({
"bookId": bookId,
"bookTitle": book_title,
"chapterUid": bookmark.get("chapterUid", ""),
"type": "highlight",
"content": mark_text,
"createTime": bookmark.get("createTime", 0)
})
# 搜索评论内容
for review in reviews:
review_content = review.get("content", "")
if keyword.lower() in review_content.lower():
search_results.append({
"bookId": bookId,
"bookTitle": book_title,
"chapterUid": review.get("chapterUid", ""),
"type": "review",
"content": review_content,
"createTime": review.get("createTime", 0)
})
# 按时间排序
search_results.sort(key=lambda x: x["createTime"], reverse=True)
return {"results": search_results, "keyword": keyword, "count": len(search_results)}功能: 获取用户最近阅读的书籍和相关数据
参数: 无
返回: 最近阅读的书籍列表，包括阅读进度和时间信息
实现逻辑:
def get_recent_reads():
"""获取用户最近阅读的书籍和相关数据"""
weread_api = WeReadApi()
# 获取阅读历史数据
history_data = weread_api.get_api_data()
# 提取并格式化最近阅读数据
recent_books = []
if "recentBooks" in history_data:
for book in history_data["recentBooks"]:
# 获取每本书的阅读信息
read_info = weread_api.get_read_info(book["bookId"])
recent_books.append({
"bookId": book.get("bookId", ""),
"title": book.get("title", ""),
"author": book.get("author", ""),
"cover": book.get("cover", ""),
"readingTime": read_info.get("readingTime", 0), # 阅读时长(秒)
"progress": read_info.get("progress", 0), # 阅读进度(%)
"lastReadingDate": read_info.get("lastReadingDate", 0),
"noteCount": read_info.get("noteCount", 0),
"url": weread_api.get_url(book.get("bookId", ""))
})
return {"recentBooks": recent_books}-
环境变量管理
- 使用.env文件或系统环境变量管理敏感信息(Cookie)
- 支持Cookie Cloud服务获取最新Cookie
-
错误处理
- 完善的异常处理机制，特别是API调用失败情况
- Cookie过期提醒与自动刷新机制
-
性能优化
- 控制API调用频率，避免触发限制
- 考虑短期缓存机制，减少重复调用
-
MCP协议适配
- 确保工具输入输出符合Claude Desktop的MCP规范
- 提供清晰的工具描述和使用示例
-
增加笔记导出功能
- 支持Markdown、JSON等多种格式导出
- 便于知识沉淀与分享
-
添加笔记统计分析
- 提供阅读与笔记行为的数据可视化
- 帮助用户了解自己的阅读模式
-
个性化推荐
- 基于用户阅读历史和笔记内容推荐相关书籍或文章
- 帮助用户拓展知识网络
-
知识图谱构建
- 自动构建用户阅读内容的知识关联网络
- 可视化展示不同概念和书籍之间的联系
-
多平台整合
- 接入其他阅读平台的数据(如Kindle、豆瓣等)
- 构建统一的阅读笔记管理系统