微信读书MCP Server：AI技术革新阅读体验，打造智能阅读新时代。
核心内容：
1. MCP Server如何通过AI技术提升阅读管理效率
2. 微信读书MCP Server的核心功能：智能书籍检索、阅读进度管理、笔记整合
3. 选择微信读书MCP Server的理由：隐私保护、零代码操作、低成本扩展性

微信读书凭借海量资源和社交化阅读体验，在国内已经积累了数亿用户，堪称每个人的“掌上图书馆”。但随着AI技术的全面渗透，阅读行业也迎来了深刻的变革——这不，最近大火的MCP Server（Model Context Protocol Server）就在悄悄改变我们的阅读方式。

下面，我们来深入解析一下微信读书MCP Server如何通过AI技术，让阅读管理变得更智能、更高效。

再啰嗦几句，啥是MCP Server？

可能有些朋友还不熟悉MCP，这里简单解释一下。MCP（Model Context Protocol）是一种专为AI与应用程序交互设计的协议，它允许用户通过自然语言指令直接调用API功能。举个例子，借助Claude这类AI助手，我们无需手动操作客户端，就能完成数据查询、任务管理等复杂操作。

通俗点说，你用的所有工具或应用就像一个插头，而MCP就是个插座——一个让所有插头（你的应用）都能连接到AI世界的插座。

微信读书MCP Server就是这个协议在阅读领域的“插座”。它充当了微信读书API与AI工具之间的“翻译官”，把用户的语音或文字指令转化为具体的API请求，从而实现书籍搜索、笔记整理、阅读进度同步等功能的自动化管理。

微信读书MCP Server有哪些核心功能？

1. 智能书籍检索：
   通过自然语言描述就能查找书籍。比如，“找一本2024年出版的悬疑小说，评分4.5以上”，系统支持按关键词、作者、分类等多维度筛选，并返回书籍详情及阅读推荐指数。

2. 阅读进度管理：
   自动同步多设备阅读进度，并生成阅读报告——比如过去一周每天的阅读时长。还能设置阅读目标提醒，打个比方，直接告诉AI：“每周三晚8点提醒我读《AI未来简史》30分钟”，它就能帮你安排得明明白白。

3. 笔记与批注整合：
   能够跨书籍提取高亮段落，并按主题自动分类，比如把关于量子计算的笔记全部整理到一起。此外，还支持将笔记一键导出为Markdown或PDF格式，方便后续的知识复盘。

为什么选择微信读书MCP Server？

1. 隐私保护：
   与云端AI服务不同，MCP Server允许用户将数据存储在本地，并通过权限控制限制第三方访问范围。这一点对需要处理敏感书单和内部资料的企业用户来说，尤为重要。

2. 零代码高效操作：
   传统API开发需要编写复杂代码，但MCP Server通过自然语言交互大幅降低了使用门槛。普通用户只需输入“整理我上个月的经济学书单”，AI就能自动生成分类目录和思维导图。

3. 低成本扩展性：
   用户不需要自建AI模型，就能直接利用现有大模型（如Claude）的能力。同时，开源社区还提供了丰富的功能插件，比如与Notion同步笔记、与Kindle跨平台同步进度等。

WeRead MCP Server详细设计方案

作为微信读书与Claude Desktop之间的桥梁，WeRead MCP Server实现了一个轻量级服务器，让阅读笔记与AI深度交互成为可能。

核心目标是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。

微信读书MCP Server的价值主张很明确：将碎片化的阅读笔记转化为系统化的知识体系，借助AI加深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，最终提升阅读效率与质量。

WeRead MCP Server Tools 实现清单

1. 获取书架工具 (get_bookshelf)

获取用户的完整书架信息。

无

格式化的书籍列表，包括书名、作者等基本信息。

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}

2. 获取笔记本列表工具 (get_notebooks)

获取所有带有笔记的书籍列表。

无

带有笔记的书籍列表，按排序顺序排列。

def get_notebooks():
    """获取所有带有笔记的书籍列表"""
    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}

3. 获取书籍笔记工具 (get_book_notes)

获取特定书籍的所有笔记内容。

bookId (字符串) - 书籍ID

按章节组织的笔记内容，包括划线和评论。

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
    }

4. 获取书籍详情工具 (get_book_info)

获取书籍的详细信息。

bookId (字符串) - 书籍ID

书籍的详细信息，包括标题、作者、简介等。

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

5. 搜索笔记工具 (search_notes)

搜索所有笔记中包含特定关键词的内容。

keyword (字符串) - 搜索关键词

匹配关键词的笔记列表，包括来源书籍和内容。

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)}

6. 最近阅读工具 (get_recent_reads)

获取用户最近阅读的书籍和相关数据。

无

最近阅读的书籍列表，包括阅读进度和时间信息。

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),
                "progress": read_info.get("progress", 0),
                "lastReadingDate": read_info.get("lastReadingDate", 0),
                "noteCount": read_info.get("noteCount", 0),
                "url": weread_api.get_url(book.get("bookId", ""))
            })
    return {"recentBooks": recent_books}

技术实现注意事项

1. 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。

2. 错误处理：
   完善的异常处理机制，特别是API调用失败的情况；同时需要Cookie过期提醒与自动刷新机制。

3. 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。

4. 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。

WeRead MCP Server后续拓展方向

1. 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。

2. 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。

3. 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，帮助拓展知识网络。

4. 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。

5. 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。

写在最后

微信读书MCP Server不只是一个技术工具，它代表的更是一种“以人为本”的阅读理念升级。它将繁琐的操作简化成“一句话的事”，让我们能更专注于内容本身。正应了那句老话：天堂应该是图书馆的模样，而有了MCP Server，这座图书馆正变得愈发触手可及。