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与社交媒体的无缝对接,让信息传播更智能、高效 🤖✨
cd server
npm install express @types/express
cd client
npm install @tensorflow/tfjs @tensorflow-models/generative-ai
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
cd server
npm run dev
服务将运行在 http://localhost:3001。
cd client
npm run index.ts
进入server
目录,执行以下命令安装依赖:
cd server
npm install express @types/express
进入client
目录,执行以下命令安装依赖:
cd client
npm install @tensorflow/tfjs @tensorflow-models/generative-ai
在服务器根目录创建.env
文件,并添加以下API凭证信息:
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
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。
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 };
}
通过替换或扩展client/src/models/gemini.ts
文件,可以支持更多AI模型。
此项目采用MIT License授权,详情请参阅LICENSE文件。
感谢以下项目的贡献:
欢迎贡献!请按照以下步骤提交您的PR:
git checkout -b feature/amazing-feature
)git commit -m 'Add some amazing feature'
)git push origin feature/amazing-feature
)