🚀 🐦 X-Post MCP 🚀

一款强大的集成工具，允许AI模型直接通过Model Context Protocol (MCP)将内容发布到X（原推特），实现AI与社交平台的无缝对接，提升内容发布效率与质量。

🚀 快速开始

安装依赖

服务端安装

cd server
npm install express @types/express

客户端安装

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

配置环境变量

在服务器根目录创建.env文件，添加以下内容：

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

启动服务

服务端启动

cd server
npm run dev

服务将运行在 http://localhost:3001。

客户端启动

cd client
npm run index.ts

✨ 主要特性

• 🔄 与X（推特）API的顺畅整合，确保数据传输稳定高效。
• 🧠 使用Google的Gemini模型实现AI-powered帖子生成，提供高质量内容。
• 🛠️ 提供X发帖功能的MCP服务器端点，方便快捷地发布内容。
• 💬 交互式聊天界面用于测试和演示，便于用户快速上手。
• 🔒 安全处理API凭证，保障用户信息安全。
• ✂️ 自动截断超出X字符限制的帖子，避免发布失败。

📦 安装指南

服务端安装

cd server
npm install express @types/express

客户端安装

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

💻 使用示例

基础用法

示例命令：

你：发布一条关于今天美好天气的推文

AI模型将使用Gemini生成内容，并通过MCP工具发送到X平台。

高级用法

定制发帖规则

在server/src/tools/createPost.ts文件中，可以根据需求自定义发帖逻辑：

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

扩展AI能力

通过替换或扩展client/src/models/gemini.ts文件，可以支持更多AI模型。

📚 详细文档

项目架构

• 服务器端：基于Express框架，提供MCP协议支持，并通过Server-Sent Events (SSE) 实现长轮询通信。
• 客户端：用于连接MCP服务器并与AI模型交互的界面工具。

核心功能

1. AI内容生成：利用Google Gemini模型生成高质量文本。
2. X平台发帖：通过Twitter API将内容发布到目标账户。
3. 实时通信：使用SSE实现客户端与服务器之间的双向数据流。

🔧 技术细节

• Bun：快速的一站式JavaScript运行时，提升项目运行效率。
• TypeScript：类型安全的JavaScript，增强代码的可维护性。
• Express：高效的Web应用框架，简化服务器端开发。
• Server-Sent Events (SSE)：实时通信协议，实现客户端与服务器的实时交互。

🤝 贡献指南

欢迎贡献！请按照以下步骤提交您的PR：

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

📄 许可证

此项目采用MIT License授权，详情请参阅LICENSE文件。

🙏 致谢

感谢以下项目的贡献：

• Model Context Protocol 提供了标准化的AI上下文协议。
• Twitter API v2 为X平台集成提供了支持。
• Google Gemini 提供了强大的AI能力。