企业官网建设流程全解析

1. 从手动发笔记到 Qwen3 驱动的小红书自动发布链路

小红书内容运营最耗时的环节从来不是写文案，而是「写完文案 → 找图 → 排版 → 打开创作平台 → 上传 → 填标题 → 发布」这一整套重复动作。如果一天要发三条图文加一条视频，光是机械操作就能吃掉一个小时。我试过把 Qwen3 和 MCPs 串起来做自动发布，核心思路是：让 Qwen3 负责生成标题和正文，让 MCP 服务端负责操作浏览器完成上传和发布，中间用统一的 API 通道管理模型调用。

这套方案适合三类人：一是做小红书矩阵号、需要批量产出内容的运营；二是想学 MCP 协议落地、找一个真实可跑场景的开发者；三是已经在用 Cherry Studio 或 Claude Code 这类客户端、想把手里的模型能力接到实际业务流程里的同学。整个链路不需要你写复杂的爬虫，也不需要逆向平台接口，MCP 服务端通过浏览器自动化完成发布动作，Qwen3 通过标准 API 完成文案生成，两边各司其职。

先解释一下 MCPs 在这里的角色。MCP 全称 Model Context Protocol，你可以把它理解成「模型和外部工具之间的 USB 接口」。模型本身只会生成文本，它不知道怎么写文件、怎么开浏览器、怎么上传图片。MCP 服务端把这些能力封装成一个个 tool，模型在对话中决定调用哪个 tool、传什么参数，客户端负责执行。小红书发布 MCP 就是这样一个服务端，它暴露了create_note（图文笔记）和create_video_note（视频笔记）两个工具，模型只要生成标题、正文、图片路径或视频路径，剩下的浏览器操作全由 MCP 完成。

Qwen3 在这里承担的是「内容大脑」。Qwen3-235B-A22B 是 MoE 架构，推理时只激活部分参数，所以在保持生成质量的同时调用成本可控。它支持 thinking 模式，对于「帮我写一篇小红书风格的种草文案」这类需要一定结构化的任务，表现比通用对话模型更稳。你可以通过 TaoToken 的统一 API 通道调用 Qwen3，也可以接其他模型，关键是客户端要能同时挂载模型 API 和 MCP 服务端。

整条链路的执行顺序是这样的：你在客户端输入一句需求，比如「写一篇介绍 Qwen3 的小红书笔记并配图发布」；Qwen3 先调用搜索类 MCP 收集素材，再生成标题和正文；然后调用文生图 MCP 生成配图；最后调用小红书发布 MCP，把标题、正文、图片路径传进去，MCP 拉起浏览器完成发布。整个过程你只需要在第一次登录小红书时输入一次验证码，之后 cookie 会保存在本地，后续发布全自动。

这里有个容易踩的坑：很多人以为 MCP 服务端是「云端服务」，其实小红书发布 MCP 是跑在你本地的 stdio 进程，它通过 puppeteer 控制本地 Chrome。所以你的电脑上必须装好 Node.js、Python、uv 和 chromedriver，缺一个都会在启动时报错。下一节先把 TaoToken 的 API 通道配好，再进入具体的 MCP 配置。

2. TaoToken 前置配置：统一 Key 与 API 通道管理

在配 MCP 之前，先把模型调用通道理顺。为什么要用 TaoToken 而不是直接在每个客户端里填不同厂商的 Key？因为这套链路里你至少会用到两类模型能力：一类是 Qwen3 这样的对话模型负责生成文案，另一类是文生图模型负责出配图。如果每个客户端、每个 MCP 都单独配 Key，管理成本会很高，换模型时还要改多处配置。TaoToken 提供统一的 API 入口，你只需要维护一个 Key，客户端里把 Base URL 指向https://taotoken.net/api，模型 ID 按需切换即可。

先拿 Key。打开https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=api-keys，登录后在控制台创建 API Key。建议给这个 Key 起一个能区分用途的名字，比如xhs-auto-publish，方便后续排查是哪个业务在调用。创建后立刻复制保存，页面刷新后完整 Key 不会再显示。

拿到 Key 之后，先做一次最小验证，确认通道可用。用 curl 发一个 chat completions 请求：

curl https://taotoken.net/api/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer YOUR_TAOTOKEN_KEY" \ -d '{ "model": "Qwen/Qwen3-235B-A22B", "messages": [ {"role": "user", "content": "用一句话介绍小红书笔记的标题写法"} ], "max_tokens": 128 }'

如果返回里有choices[0].message.content，说明 Key 和通道都正常。如果返回 401，先检查 Authorization 头里 Bearer 后面有没有多余空格；如果返回 model not found，说明模型 ID 写错了，Qwen3 在 TaoToken 上的 ID 通常带厂商前缀，具体以控制台模型列表为准。

接下来在 Cherry Studio 里配置模型。打开设置 → 模型服务 → 添加，类型选 OpenAI 兼容，Base URL 填https://taotoken.net/api，API Key 填刚才创建的 Key。模型列表里手动添加Qwen/Qwen3-235B-A22B，如果你还想用其他模型做对比，可以一并加上。配置完成后点「检查」，能拉到模型列表就说明通了。

这里要强调一个细节：TaoToken 的 Base URL 是https://taotoken.net/api，但实际请求路径是/api/v1/chat/completions。有些客户端会自动补/v1，有些不会。Cherry Studio 里填 Base URL 时如果它自动补了/v1，你就填https://taotoken.net/api；如果它不补，你要填到https://taotoken.net/api/v1。判断方法很简单：配置完发一条测试消息，报 404 就是路径没拼对，报 401 才是 Key 问题。

模型通道通了之后，再配 MCP 服务端。MCP 的配置和模型 API 是两套东西：模型 API 负责「生成内容」，MCP 负责「执行动作」。你可以在同一个客户端里同时挂载两者，Qwen3 生成完文案后，客户端会把 MCP 的 tool 列表一起发给模型，模型决定调用哪个 tool。所以下一步先装环境，再写 MCP 配置。

3. 可复制配置：MCP 服务端与客户端 settings 片段

这一节给出可以直接复制的配置。先装环境，Mac 上用 brew，Windows 上用对应的包管理器或手动安装。核心依赖是 Node.js（跑 puppeteer 和 inspector）、uv（跑 Python 写的 MCP 服务端）、chromedriver（控制 Chrome）。

# 安装 Node.js 和 uv brew install node brew install uv # 安装小红书发布 MCP 服务端 pip install xhs-mcp-server # 安装 chromedriver，版本要和本地 Chrome 匹配 npx @puppeteer/browsers install chromedriver@134.0.6998.166

装完之后先做一次登录，这一步只需要做一次。登录命令需要传两个环境变量：手机号和 cookie 保存目录。cookie 目录建议用一个固定路径，比如/Users/yourname/xhs-cookies/，后面 MCP 配置里要填同一个路径。

env phone=YOUR_PHONE_NUMBER json_path=/Users/yourname/xhs-cookies/ \ uvx --from xhs_mcp_server@latest login

运行后会自动弹出浏览器，打开小红书创作平台登录页，并向你的手机发送验证码。在终端输入验证码后，如果显示「使用cookies登录成功」，说明 cookie 已经保存到指定目录。如果提示「无效的cookies，已清理」，重新运行一次登录命令即可，通常是第一次 cookie 还没写完整。

登录成功后，写 MCP 客户端配置。以 Cherry Studio 为例，在 MCP 服务器页面添加一个 stdio 类型的服务端，配置如下：

{ "xhs-mcp-server": { "name": "xhs-mcp-server", "type": "stdio", "isActive": true, "command": "uvx", "args": ["xhs_mcp_server@latest"], "env": { "phone": "YOUR_PHONE_NUMBER", "json_path": "/Users/yourname/xhs-cookies/" } } }

这段配置里三个关键点：command是uvx，不是python，因为 MCP 服务端是通过 uvx 拉起的；args里的xhs_mcp_server@latest保证每次拉最新版；env里的json_path必须和登录时用的目录完全一致，否则 MCP 找不到 cookie，发布时会重新要求登录。

如果你用的是 Claude Code 或 Cline，配置格式略有不同。Claude Code 的 MCP 配置在~/.claude/settings.json或项目级.mcp.json里，结构类似：

{ "mcpServers": { "xhs-mcp-server": { "command": "uvx", "args": ["xhs_mcp_server@latest"], "env": { "phone": "YOUR_PHONE_NUMBER", "json_path": "/Users/yourname/xhs-cookies/" } } } }

Cline 的 MCP 配置在 VS Code 设置里，格式和 Cherry Studio 接近，注意type字段要写stdio。Codex 的auth.json不直接管 MCP，它管的是模型认证，MCP 配置在config.toml里：

[mcp_servers.xhs-mcp-server] command = "uvx" args = ["xhs_mcp_server@latest"] [mcp_servers.xhs-mcp-server.env] phone = "YOUR_PHONE_NUMBER" json_path = "/Users/yourname/xhs-cookies/"

不管用哪个客户端，三件套必须齐全：Base URL（模型通道）、API Key（TaoToken 的 Key）、Model ID（比如Qwen/Qwen3-235B-A22B）。MCP 这边则是 command、args、env 三件套。两边都配好，模型才能既生成内容又调用工具。

配完 MCP 后，建议先用 inspector 单独调试一下发布工具，不要一上来就接模型。inspector 是 MCP 官方提供的调试界面，可以手动调用 tool 看参数和返回：

npx @modelcontextprotocol/inspector \ -e phone=YOUR_PHONE_NUMBER \ -e json_path=/Users/yourname/xhs-cookies/ \ uvx xhs_mcp_server@latest

打开 inspector 界面后，在 List Tools 里能看到create_note和create_video_note。点create_note，填入标题、正文、图片路径（支持本地路径和网络 URL），点 Run Tool，后台会自动拉起浏览器完成发布。这一步能跑通，说明 MCP 服务端和 cookie 都没问题，接下来接模型就只是把参数生成交给 Qwen3。

4. 验证请求与成功结果：从提示词到自动发布

配置跑通后，进入实际验证。这一节给出 Qwen3 的提示词模板、图文发布和视频发布两条验证路径，以及每一步的预期结果。

先写提示词。小红书文案和普通文章不一样，标题要有钩子，正文要短句分段，结尾要带话题标签。给 Qwen3 的系统提示词可以这样写：

你是小红书内容运营助手。用户给你一个主题，你需要： 1. 生成一个不超过 20 字的标题，带情绪词或数字，比如「实测」「3个技巧」「别再」。 2. 生成正文，200-400 字，短句分段，每段不超过 3 行，适当用换行。 3. 结尾加 3-5 个话题标签，格式 #标签。 4. 如果需要配图，调用文生图工具生成一张 3:4 比例的图。 5. 文案和图片准备好后，调用小红书发布工具发布笔记。 输出时先给标题和正文，再执行工具调用。

把这段提示词配到 Cherry Studio 的助手设置里，模型选Qwen/Qwen3-235B-A22B，MCP 列表里勾上xhs-mcp-server和文生图 MCP。然后在对话框输入：

帮我写一篇介绍 Qwen3 模型的小红书笔记，配一张科技感配图，然后发布。

预期执行流程是这样的：Qwen3 先输出标题和正文，比如标题「Qwen3 实测：这个 MoE 模型有点东西」，正文分三段讲推理速度、中文表现、调用成本；然后模型决定调用文生图 MCP，传入 prompt「科技感，蓝色调，AI 芯片，3:4」；文生图 MCP 返回图片 URL 或本地路径；模型再把标题、正文、图片路径传给create_note；MCP 拉起浏览器，自动上传图片、填写标题正文、点击发布。发布成功后浏览器自动关闭，客户端里会显示 tool 调用返回的结果。

视频发布的验证路径类似，区别是调用create_video_note，参数里传视频路径。视频文件需要你提前准备好，或者用视频生成 MCP 生成。验证时先用一个短小的本地视频测试，确认发布链路通了，再换成 AI 生成的视频。

怎么判断发布成功？三个信号：一是客户端里create_note的返回结果包含成功状态或笔记 ID；二是浏览器在发布后自动关闭，没有停在发布页面；三是打开小红书创作平台，在「笔记管理」里能看到刚发布的笔记。如果浏览器停在发布页面没关，通常是某个字段没填对，比如图片路径不存在或标题超长。

这里有个实测经验：Qwen3 在 thinking 模式下有时会把「调用工具」的意图写在思考过程里，但实际没触发 tool call。解决办法是在提示词里明确写「必须调用工具完成发布，不要只输出文案」，或者在客户端里把 tool choice 设为 required。另外，文生图 MCP 返回的图片如果是网络 URL，create_note能直接接受；如果是本地路径，要确保路径是绝对路径，相对路径会找不到文件。

验证通过后，你可以把这条链路固化成一个「发布助手」助手，每次只需要输入主题，剩下的全自动。如果要批量发布，可以在客户端里连续发多个主题，Qwen3 会依次生成并发布，但注意发布间隔不要太短，避免触发平台频率限制。

5. 常见报错排查：401、local proxy failed、reading choices、OAuth

这一节对照真实报错给出排查路径。这些错误我在配置过程中基本都遇到过，按顺序排查能省不少时间。

401 Unauthorized：出现在模型 API 调用阶段。原因通常是 TaoToken Key 填错、Key 被删除、或者 Authorization 头格式不对。排查步骤：先用 curl 单独测 Key，确认https://taotoken.net/api/v1/chat/completions能返回结果；再检查客户端里 Base URL 有没有拼错，https://taotoken.net/api和https://taotoken.net/api/v1的区别要按客户端行为来；最后确认 Key 没有多余空格或换行。如果 curl 能通但客户端报 401，多半是客户端把 Key 存到了错误字段，重新填一次。

local proxy failed：出现在 MCP 服务端启动阶段。原因是 uvx 拉不起xhs_mcp_server，或者 chromedriver 版本和 Chrome 不匹配。排查步骤：先在终端手动运行uvx xhs_mcp_server@latest，看有没有报错；如果报 chromedriver 找不到，重新跑npx @puppeteer/browsers install chromedriver@134.0.6998.166，版本号要和你本地 Chrome 主版本一致；如果报 Python 依赖缺失，用pip install xhs-mcp-server重装。另外，json_path目录如果不存在，MCP 启动时也会失败，手动mkdir一下。

reading choices 报错：出现在模型返回解析阶段，典型报错是Cannot read properties of undefined (reading 'choices')。原因是模型 API 返回结构不是标准的 OpenAI 格式，或者请求根本没成功但客户端没处理好错误。排查步骤：先用 curl 看原始返回，确认有choices字段；如果返回的是错误信息，按错误信息排查；如果返回正常但客户端还报这个错，检查客户端版本，老版本 Cherry Studio 对非标准返回兼容性差，升级到最新版。

OAuth 相关报错：出现在 MCP 服务端需要认证时。小红书发布 MCP 本身不需要 OAuth，它用的是 cookie 登录。如果你看到 OAuth 报错，可能是误配了其他需要 OAuth 的 MCP，或者客户端把 stdio 类型的 MCP 当成了 SSE 类型。排查步骤：确认 MCP 配置里type是stdio，不是sse；确认command是uvx，不是npx；如果用的是远程 MCP，才需要 OAuth，本地发布 MCP 不需要。

发布时浏览器没反应：MCP 调用了但浏览器没拉起。原因是 cookie 失效或 chromedriver 没启动。排查步骤：重新跑一次登录命令，确认 cookie 有效；检查json_path目录里有没有 cookie 文件；如果 cookie 文件存在但发布失败，删掉 cookie 重新登录。另外，Mac 上如果 Chrome 正在运行，puppeteer 可能无法启动新的实例，先退出 Chrome 再试。

图片上传失败：create_note返回图片相关错误。原因是图片路径不对或格式不支持。排查步骤：确认图片是绝对路径，文件确实存在；确认格式是 jpg/png，小红书不支持 webp；如果是网络 URL，确认 URL 能直接访问，没有防盗链。本地图片建议放在一个固定目录，路径里不要有中文和空格。

排查时有个通用方法：把 MCP 服务端的日志级别调高，或者在终端手动运行 MCP 看输出。Cherry Studio 的 MCP 日志在设置里能看，Claude Code 的日志在~/.claude/logs下。日志里通常会直接告诉你哪一步失败，比猜快得多。

6. 把链路固化下来：长期编码与 Agent 化发布

链路跑通一次不难，难的是稳定跑一百次。这一节讲怎么把自动发布固化成一个可复用的 Agent 流程，以及长期使用时的几个实用技巧。

第一个技巧是把提示词模板化。不要每次都在对话框里手写需求，而是把系统提示词、发布规则、话题标签库写成一个固定的助手配置。Cherry Studio 支持保存助手，Claude Code 支持自定义 slash command，Cline 支持自定义 prompt。把「生成标题 → 生成正文 → 生成配图 → 发布」这个流程写死，每次只换主题变量，输出稳定性会高很多。

第二个技巧是给发布加一层校验。Qwen3 生成的标题可能超过 20 字，正文可能带敏感词，图片可能生成失败。在发布前加一个校验步骤：让模型自己检查标题长度和正文格式，不符合就重新生成；图片生成后先确认文件存在再传给发布工具。这一步可以在提示词里写，也可以用客户端的 workflow 功能实现。

第三个技巧是管理好 cookie 和 Key 的生命周期。小红书 cookie 一般能维持几周，过期后发布会失败，需要重新登录。建议在发布失败时自动提示重新登录，而不是静默失败。TaoToken 的 Key 建议定期轮换，轮换时只需要改客户端里的一个字段，不用动 MCP 配置。

如果你要把这套链路用到团队里，建议把模型调用统一走 TaoToken 的 Coding Plan。Coding Plan 适合长期编码和 Agent 场景，按量计费，多个客户端可以共用一个通道，不用每个成员单独配 Key。配置入口在https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=coding-plan，开通后把 Base URL 和 Key 发给团队成员，各自在客户端里填一次即可。

对于需要频繁调试 MCP 的场景，模型对话入口更方便快速验证。你可以在https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=model-chat里直接测 Qwen3 的生成效果，确认提示词没问题再放到客户端里跑完整链路。接入文档在https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=doc，里面有各客户端的详细配置步骤，遇到路径拼接问题可以对照查。

最后一个实用建议：先用图文链路跑稳，再上视频。视频发布涉及文件更大、上传更慢、失败率更高，图文链路跑通后再加视频，排查问题时变量更少。视频生成可以用 MiniMax MCP，也可以用本地视频文件测试，确认create_video_note能正常上传后再接 AI 生成。整套链路的核心不是模型多强，而是每个环节都可观测、可重试，这样长期跑下来才省心。