Как подружить Claude с вашим WhatsApp и зачем это нужно разработчику

18 фев 2026

Репозиторий давно не обновлялся

Последнее обновление было 1 год назад.

6,858
1,494
53
1 год

Представьте ситуацию: вы глубоко погружены в код в Cursor или обсуждаете архитектуру с Claude Desktop, и тут вам нужно уточнить детали у коллеги или клиента в WhatsApp. Приходится отвлекаться, тянуться за телефоном или открывать веб-версию мессенджера, теряя фокус. А что, если бы ваша нейросеть могла сама заглянуть в чаты, найти нужную информацию или даже отправить файл по вашей просьбе?

Проект whatsapp-mcp делает именно это. Он превращает ваш WhatsApp в полноценный источник контекста для LLM через Model Context Protocol (MCP).

Что это такое и почему вокруг MCP столько шума?

Если вы пропустили последние новости из мира AI, Model Context Protocol — это открытый стандарт от Anthropic, который позволяет ИИ-моделям безопасно взаимодействовать с локальными данными и сторонними сервисами.

WhatsApp MCP Server — это мост. С одной стороны у него ваш личный аккаунт WhatsApp, с другой — интерфейс для Claude или Cursor. Это не просто «автоответчик», а полноценный инструмент, который дает нейросети доступ к истории ваших переписок, контактам и возможности отправлять медиафайлы.

Что умеет этот сервер?

Проект предоставляет Claude целый набор «инструментов» (tools), которые модель вызывает по мере необходимости. Вот самые интересные возможности:

Реклама
  • Умный поиск по контексту: Вы можете спросить: «О чем мы договаривались с Иваном на прошлой неделе по поводу API?», и Claude просканирует сообщения, найдет нужные фрагменты и выдаст резюме.
  • Управление медиафайлами: Сервер умеет не только читать текст, но и скачивать изображения, документы и даже голосовые сообщения. Кстати, если у вас установлен FFmpeg, он автоматически конвертирует аудио в нужный формат для отправки голосовых.
  • Отправка сообщений: Можно попросить Claude: «Отправь отчет в группу бэкенд-разработчиков», и он это сделает.
  • Локальное хранение: Все ваши сообщения кэшируются в локальную базу SQLite. Это значит, что поиск работает быстро, а данные передаются нейросети только тогда, когда вы сами даете на это разрешение в рамках конкретного запроса.

Пример использования

Как это устроено внутри?

Архитектура проекта состоит из двух ключевых частей, что продиктовано техническими ограничениями и удобством:

  1. Go WhatsApp Bridge: Написан на Go и использует библиотеку whatsmeow. Эта часть отвечает за самое сложное — поддержание живого соединения с серверами WhatsApp через Web Multi-device API. Именно здесь вы сканируете QR-код для авторизации.
  2. Python MCP Server: Написан на Python и реализует сам протокол MCP. Он общается с Go-бриджем и предоставляет стандартизированный интерфейс для Claude.

Интересно, что разработчик выбрал SQLite в качестве промежуточного хранилища. Это отличное решение для локального инструмента: сообщения индексируются, и поиск по ним не нагружает API мессенджера при каждом вопросе к ИИ.

Как запустить это у себя?

Процесс установки потребует наличия Go и Python, но он достаточно прямолинеен.

Шаг 1: Настройка моста

Сначала клонируем репозиторий и запускаем Go-часть:

cd whatsapp-bridge
go run main.go

В терминале появится QR-код. Сканируем его через мобильное приложение WhatsApp (Связанные устройства) — и вуаля, вы в сети.

Шаг 2: Конфигурация Claude

Вам нужно прописать путь к серверу в конфигурационном файле Claude Desktop (claude_desktop_config.json). Выглядит это примерно так:

{
  "mcpServers": {
    "whatsapp": {
      "command": "uv",
      "args": [
        "--directory",
        "/путь/к/проекту/whatsapp-mcp-server",
        "run",
        "main.py"
      ]
    }
  }
}

Маленький совет: если вы на Windows, убедитесь, что у вас включен CGO и установлен C-компилятор (например, через MSYS2), иначе SQLite откажется собираться.

Кому и зачем это нужно?

На первый взгляд может показаться, что давать нейросети доступ к личной переписке — это избыточно. Но давайте посмотрим на практические кейсы:

  1. Разработчикам на фрилансе: Когда правок от заказчика много, и они разбросаны по разным дням в чате. Claude поможет собрать их в единый список задач.
  2. Менеджерам проектов: Быстро восстановить хронологию принятия решений в групповом чате.
  3. Для автоматизации рутины: «Claude, когда пришлют макет в чат, сохрани его в папку проекта и напиши мне здесь».

Важное замечание о безопасности

Автор проекта честно предупреждает о концепции «летальной трифакты» (lethal trifecta). Поскольку сервер имеет доступ к вашим личным данным и может отправлять сообщения, существует риск: если вы скормите Claude вредоносный промпт с какого-нибудь сомнительного сайта, он теоретически может попытаться «слить» ваши переписки.

Вердикт: Используйте инструмент с умом и только в тех средах (Claude Desktop, Cursor), которым вы доверяете.

WhatsApp MCP — это отличный пример того, как концепция ИИ-агентов становится осязаемой. Это уже не просто чат-бот в вакууме, а помощник, у которого есть доступ к вашим реальным рабочим инструментам.

Если вы проводите в WhatsApp много рабочего времени и при этом активно используете LLM, этот проект определенно заслуживает того, чтобы потратить 15 минут на его настройку. Он реально экономит когнитивный ресурс, избавляя от необходимости переключаться между окнами и вручную искать информацию в бесконечных тредах.

🍪 Мы используем файлы cookie и сервис аналитики Яндекс.Метрика, чтобы сайт работал лучше. Продолжая пользоваться devtrends.ru, вы соглашаетесь с обработкой данных согласно Политике конфиденциальности.