X Post MCP

🚀 🐦 X-Post MCP 🚀

一款強大的集成工具，允許AI模型直接通過Model Context Protocol (MCP)將內容發佈到X（原推特），實現AI與社交平臺的無縫對接，提升內容發佈效率與質量。

🚀 快速開始

安裝依賴

服務端安裝

cd server
npm install express @types/express

客戶端安裝

cd client
npm install @tensorflow/tfjs @tensorflow-models/generative-ai

配置環境變量

在服務器根目錄創建.env文件，添加以下內容：

TWITTER_API_KEY=your_api_key
TWITTER_API_SECRET_KEY=your_api_secret_key
TWITTER_BEARER_TOKEN=your_bearer_token
GEMINI_API_KEY=your_gemini_api_key

啟動服務

服務端啟動

cd server
npm run dev

服務將運行在 http://localhost:3001。

客戶端啟動

cd client
npm run index.ts

✨ 主要特性

• 🔄 與X（推特）API的順暢整合，確保數據傳輸穩定高效。
• 🧠 使用Google的Gemini模型實現AI-powered帖子生成，提供高質量內容。
• 🛠️ 提供X發帖功能的MCP服務器端點，方便快捷地發佈內容。
• 💬 交互式聊天界面用於測試和演示，便於用戶快速上手。
• 🔒 安全處理API憑證，保障用戶信息安全。
• ✂️ 自動截斷超出X字符限制的帖子，避免發佈失敗。

📦 安裝指南

服務端安裝

cd server
npm install express @types/express

客戶端安裝

cd client
npm install @tensorflow/tfjs @tensorflow-models/generative-ai

💻 使用示例

基礎用法

示例命令：

你：發佈一條關於今天美好天氣的推文

AI模型將使用Gemini生成內容，並通過MCP工具發送到X平臺。

高級用法

定製發帖規則

在server/src/tools/createPost.ts文件中，可以根據需求自定義發帖邏輯：

export async function createPost(context: Context, args: string[]) {
  const message = await gemini.generate(args.join(' '));
  return { status: 'success', message };
}

擴展AI能力

通過替換或擴展client/src/models/gemini.ts文件，可以支持更多AI模型。

📚 詳細文檔

項目架構

• 服務器端：基於Express框架，提供MCP協議支持，並通過Server-Sent Events (SSE) 實現長輪詢通信。
• 客戶端：用於連接MCP服務器並與AI模型交互的界面工具。

核心功能

1. AI內容生成：利用Google Gemini模型生成高質量文本。
2. X平臺發帖：通過Twitter API將內容發佈到目標賬戶。
3. 即時通信：使用SSE實現客戶端與服務器之間的雙向數據流。

🔧 技術細節

• Bun：快速的一站式JavaScript運行時，提升項目運行效率。
• TypeScript：類型安全的JavaScript，增強代碼的可維護性。
• Express：高效的Web應用框架，簡化服務器端開發。
• Server-Sent Events (SSE)：即時通信協議，實現客戶端與服務器的即時交互。

🤝 貢獻指南

歡迎貢獻！請按照以下步驟提交您的PR：

1. Fork倉庫
2. 創建功能分支（git checkout -b feature/amazing-feature）
3. 提交更改（git commit -m 'Add some amazing feature'）
4. 推送到遠程分支（git push origin feature/amazing-feature）
5. 提交Pull Request

📄 許可證

此項目採用MIT License授權，詳情請參閱LICENSE文件。

🙏 致謝

感謝以下項目的貢獻：

• Model Context Protocol 提供了標準化的AI上下文協議。
• Twitter API v2 為X平臺集成提供了支持。
• Google Gemini 提供了強大的AI能力。