Как подружить Claude с вашим WhatsApp и зачем это нужно разработчику
Репозиторий давно не обновлялся
Последнее обновление было 1 год назад.
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:
- 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.

Как это устроено внутри?
Архитектура проекта состоит из двух ключевых частей, что продиктовано техническими ограничениями и удобством:
- 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. - 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:
- Разработчикам на фрилансе: Когда правок от заказчика много, и они разбросаны по разным дням в чате. Claude поможет собрать их в единый список задач.
- Менеджерам проектов: Быстро восстановить хронологию принятия решений в групповом чате.
- 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.
