上周有个做小红书账号的朋友在群里发了一段录屏:他的 AI 助手正一边打开某篇爆款笔记的评论区,一边逐条分析用户在抱怨什么,最后直接生成了一份选题建议。他用的不是手工复制粘贴,而是让 Claude 通过 MCP 协议直接连上了小红书数据服务。这个场景我看了挺有感触,一年前我还在写爬虫脚本手动拉数据,现在只需要把一个叫 MCP Server 的东西在本地跑起来就行。
但在 Windows 上把它跑起来这件事,远没有想象中顺利。我花了整整一个周末,前半天在装环境、配依赖,后半天全耗在 Windows Defender 的拦截问题上——不是防病毒把脚本文件删了,就是防火墙把一个看起来完全正常的端口规则藏起来,甚至 mpssvc 服务状态都出现异常。这篇文章就是把这次从零部署小红书 MCP 服务的完整过程复盘一遍,重点讲清楚 Windows Defender 的拦截逻辑到底是怎么回事、怎么排查、怎么在保持系统安全的前提下把服务跑通。无论你是内容创作者、运营,还是想研究 MCP 协议的开发者,这篇应该都有参考价值。
1. 为什么非要在 Windows 上搞小红书 MCP
1.1 一个真实的创作痛点
做小红书内容的人应该都有这种体验:找选题、分析竞品、看评论区反馈,这些操作极度依赖平台数据。常规做法是打开网页版小红书,一篇一篇翻,然后手工整理到表格里。效率低不说,信息还容易遗漏。我认识一个做美妆账号的博主,每周光做竞品分析就要花大概三个小时。
MCP 能改变的是这个瓶颈。它让 AI 助手可以直接"拿到"数据流,而不是靠你复制粘贴喂给它。比如让 AI 梳理某篇爆款笔记的热评观点、统计一个话题下高频出现的需求词、对比不同笔记的标题风格,这些以前需要手工采集的活,现在可以用自然语言直接吩咐 AI 完成。
我这次选定的目标就是在 Windows 11 上跑通小红书 MCP 服务,然后接到 Claude Desktop 和 Codex 里。之所以不用 Mac,是因为我主力机就是 Windows,而且据我所知很多内容创作者也是 Windows 用户,但网上能找到的部署教程几乎全是基于 macOS 和 Linux 的,Windows 的坑只能自己踩,所以我决定把整个流程记录下来。
1.2 MCP 到底是个什么东西
MCP 的全称是 Model Context Protocol,中文一般译作模型上下文协议。它解决的问题非常具体:AI 模型(比如 Claude、GPT)和外部工具、数据源之间怎么建立标准化连接。用大白话说,MCP 规定了"工具应该如何暴露给 AI 模型使用",你可以把它理解成一个万能 USB-C 接口——不同的设备只要遵循同一个接口标准,插上就能通信。
具体到小红书场景,MCP Server 就是一个在本地运行的进程,它负责对接小红书平台的公开数据,然后把数据以标准化的 Tool(工具)形式暴露出来。AI 客户端(比如 Claude Desktop)启动时读取配置,发现本地有一个小红书 MCP Server,就会自动把这些工具注册到对话上下文中。之后你说"帮我看看这篇笔记的评论区",AI 就会调用这个工具去拉数据,然后基于返回结果继续和你对话。
这个链路里最关键的是"标准化"三个字。以前各家 AI 工具接入外部服务都是各搞各的,相当于每个设备都要专用的充电线。MCP 出现之后,模型侧和工具侧都按同一个协议对接,理论上一次接入,处处可用。
1.3 为什么不用 Skill / 传统脚本
最近社区里很多人讨论 agent skill 和 MCP 有什么区别,确实容易混淆。我自己这样理解:Skill 更像是一个"针对特定 Agent 定制的技能包",它定义的是"怎么完成一个任务",里面的内容可能包含提示词、工作流、代码片段,它和具体的 Agent 框架是绑定的。而 MCP 定义的是"工具怎么被模型发现和调用",它是协议层面的事情,和具体的模型、客户端解耦。
打个比方:Skill 是给某个员工(某一个 Agent)专门写的岗位手册,MCP 是公司内部统一的项目协作接口标准。岗位手册换个人可能就没用了,但接口标准谁都能对接。
那为什么不直接写脚本?脚本当然能做数据采集,但问题是脚本和 AI 对话是割裂的。我写一个 Python 脚本拿到数据,还得把数据整理成文本再粘贴给 AI。MCP 的好处是 AI 自己就能发起调用、接收结果、继续推理,整个交互闭环是自动的。这也是我决定部署 MCP Server 而不是继续用脚本的核心原因。
这个章节的最后交代一下方案选型:我采用了 Python 技术栈,因为小红书 MCP 服务社区实现大多基于 Python,对 Windows 的兼容性相对成熟;虽然在 Windows 上部署 Python 项目遇到过各种环境变量问题,但比在 Windows 上强行跑 Docker 容器要省心得多。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 从零部署:环境、依赖、启动一条龙
2.1 Python 环境准备和 PATH 那些坑
部署 MCP Server 前首先要装好 Python。Windows 上装 Python 有两个主流方式:一个是去 python.org 下载安装包,一个是直接用 winget 命令。我个人的建议是直接去官网下载,因为可以手动勾选“Add Python to PATH”,这一步非常关键。
我在第一次部署时就是踩了 PATH 的坑:Python 装完,打开终端敲 python 却提示不是内部或外部命令。原因很简单,安装时没勾选 Add to PATH,导致系统找不到可执行文件。解决办法是去系
