DingTalk AI Assistant MCP Server

🤖 钉钉AI助理MCP服务器 - 为AI工具提供钉钉AI助理交互能力

✨ 特性

• 🚀 智能对话封装：一键对话和多轮对话支持
• 📡 流式交互：实时获取AI助理回复
• 🔄 完整API覆盖：Thread、Message、Run、Assistant全生命周期管理
• 🛡️ Token自动管理：智能缓存和自动刷新
• 📊 类型安全：完整的TypeScript类型定义
• 🔌 即插即用：符合MCP标准，可直接集成Cursor等AI工具

🎯 核心功能

🌟 高级封装工具

• chatWithAssistant - 一键对话：自动创建线程→发送消息→运行AI助理→获取回复
• continueChat - 多轮对话：在现有线程中继续对话

📋 基础管理工具

• Thread管理：创建、获取线程信息
• Message管理：发送消息、获取消息列表
• Run管理：创建运行任务、查看状态（支持流式和非流式）
• Assistant管理：创建、列出、获取AI助理信息

📦 安装

npm install dingtalk-assistant-mcp

🔧 配置

环境变量配置

创建 .env 文件：

# 方式1: 直接使用访问令牌（推荐用于测试）
DINGTALK_ACCESS_TOKEN=your_access_token_here

# 方式2: 使用应用凭证（推荐用于生产环境）
DINGTALK_Client_ID=your_client_id_here
DINGTALK_Client_Secret=your_client_secret_here

Cursor集成配置

在Cursor的MCP设置中添加：

{
  "dingtalk-assistant": {
    "command": "dingtalk-assistant-mcp",
    "env": {
      "DINGTALK_ACCESS_TOKEN": "your_access_token_here"
    }
  }
}

🚀 快速开始

一键对话示例

// 使用 chatWithAssistant 进行一键对话
{
  "assistantId": "your_assistant_id",
  "message": "你好，请介绍一下钉钉AI助理的功能",
  "stream": false
}

多轮对话示例

// 1. 首次对话 - 使用 chatWithAssistant
{
  "assistantId": "your_assistant_id", 
  "message": "请帮我制定一个项目计划",
  "stream": false
}
// 返回: { "threadId": "thread_123", "assistantReply": "..." }

// 2. 继续对话 - 使用 continueChat
{
  "threadId": "thread_123",
  "assistantId": "your_assistant_id",
  "message": "项目周期大概3个月",
  "stream": false
}

流式对话示例

// 启用流式输出，实时获取回复
{
  "assistantId": "your_assistant_id",
  "message": "请详细介绍机器学习的基本概念",
  "stream": true
}

📚 API工具列表

🌟 高级封装工具

| 工具名 | 描述 | 主要参数 | |--------|------|----------| | chatWithAssistant | 一键对话，自动处理完整流程 | assistantId, message, stream | | continueChat | 在现有线程中继续对话 | threadId, assistantId, message |

📋 基础管理工具

| 分类 | 工具名 | 描述 | |------|--------|------| | Thread | createThread | 创建新对话线程 | | | retrieveThread | 获取线程信息 | | Message | createMessage | 发送消息到线程 | | | listMessages | 获取线程消息列表 | | Run | createRun | 创建运行任务 | | | retrieveRun | 获取运行状态 | | Assistant | createAssistant | 创建AI助理 | | | listAssistants | 获取助理列表 | | | retrieveAssistant | 获取助理详情 |

🔄 工作流程

标准对话流程

1. 创建线程 (createThread) - 建立对话会话
2. 发送消息 (createMessage) - 用户提问
3. 运行助理 (createRun) - AI处理和回复
4. 获取结果 (listMessages) - 获取助理回复

智能封装流程

使用 chatWithAssistant 自动完成上述所有步骤！

🎨 使用场景

1. 智能客服

// 快速创建智能客服对话
{
  "assistantId": "customer_service_bot",
  "message": "我想咨询产品价格",
  "stream": true
}

2. 技术支持

// 技术问题咨询
{
  "assistantId": "tech_support_bot", 
  "message": "API调用返回401错误怎么解决？",
  "stream": false
}

3. 内容创作

// 文档撰写助手
{
  "assistantId": "content_writer_bot",
  "message": "帮我写一份技术方案文档",
  "stream": true
}

⚙️ 高级配置

流式输出配置

{
  "assistantId": "your_assistant_id",
  "message": "请详细解释...", 
  "stream": true,
  "instructions": "请用专业而通俗的语言回答"
}

自定义指令

{
  "assistantId": "your_assistant_id",
  "message": "分析这个数据",
  "instructions": "请以表格形式输出分析结果",
  "metadata": {
    "context": "monthly_report",
    "priority": "high"
  }
}

🔍 调试和监控

日志输出

服务器会在stderr输出详细的运行日志：

DingTalk Assistant MCP server running on stdio
Loaded 12 AI assistant tools from config
Created thread: thread_abc123
Created message: msg_def456
Created run: run_ghi789

错误处理

// 错误响应示例
{
  "isError": true,
  "content": [{
    "type": "text",
    "text": "Chat failed: Invalid assistant ID"
  }]
}

🤝 开发和贡献

本地开发

# 克隆项目
git clone https://github.com/your-org/dingtalk-assistant-mcp.git
cd dingtalk-assistant-mcp

# 安装依赖
npm install

# 构建项目
npm run build

# 运行测试
npm test

# 启动开发服务器
npm run dev

项目结构

dingtalk-assistant-mcp/
├── src/
│   ├── index.ts              # 主服务器类
│   ├── types.ts              # 类型定义
│   ├── cli.ts                # CLI入口
│   └── utils/
│       ├── streamParser.ts   # 流式数据解析
│       └── messageProcessor.ts # 消息处理器
├── dingtalk_assistant_mcp.yaml # 工具配置
├── package.json
└── README.md

📄 许可证

MIT License - 详见 LICENSE 文件

🆘 支持

• 📖 API文档
• 🐛 问题反馈
• 💬 讨论区

⭐ 如果这个项目对你有帮助，请给个星星支持一下！