WhatsApp MCP на Cloudflare: бесплатный ИИ-агент

Когда Claude захотел читать WhatsApp

Представьте: вы открываете Claude на телефоне и просите его: «Найди сообщение от Ани про встречу в пятницу». Claude ищет — и находит. Прямо в вашем WhatsApp. Без копирования, без переключения приложений, без ручной вставки контекста.

Именно с такой потребности и началась история проекта WhatsApp MCP на Cloudflare. Автор хотел, чтобы его Claude на мобильном устройстве мог получать доступ к сообщениям WhatsApp, но все существующие решения либо требовали WhatsApp Business, либо отдельного сервера для запуска Baileys. Тогда он решил запустить всё бесплатно на Cloudflare — используя личный аккаунт WhatsApp.

Эта статья — глубокий разбор того, как устроен этот проект, что такое MCP вообще, почему Cloudflare Workers оказался идеальной площадкой и какие подводные камни стоит учитывать перед тем, как дать своему ИИ-агенту ключи от мессенджера с 3 миллиардами пользователей.

Что такое MCP и зачем он нужен

Model Context Protocol (MCP) — это открытый стандарт и фреймворк, представленный Anthropic в ноябре 2024 года, который стандартизирует способ интеграции ИИ-систем (таких как LLM) с внешними инструментами, системами и источниками данных.

До появления MCP разработчикам приходилось создавать отдельный коннектор для каждого инструмента и каждой модели. Anthropic описывал эту ситуацию как проблему «N×M» интеграций данных. MCP решает её, предлагая единый протокол — один раз написал сервер, и любой совместимый клиент его поддерживает.

После анонса протокол был принят крупнейшими AI-провайдерами, включая OpenAI и Google DeepMind. В декабре 2025 года Anthropic передала MCP в Agentic AI Foundation под управлением Linux Foundation.

WhatsApp MCP-сервер выступает мостом между ИИ-ассистентами и вашим личным аккаунтом WhatsApp. Благодаря подключению через WhatsApp Web multidevice API, ИИ-модели вроде Claude или Cursor могут искать и читать ваши личные сообщения (включая изображения, видео, документы и аудио), искать контакты и отправлять сообщения отдельным пользователям или группам.

Архитектура: как это работает под капотом

Проект представляет собой MCP-сервер, который читает, ищет и отправляет сообщения, работая на вашем собственном аккаунте Cloudflare с развёртыванием в один клик.

flowchart LR
    A["ИИ-агент\n(Claude / ChatGPT)"] -- "MCP + OAuth" --> B["Cloudflare Worker\n(MCP-сервер)"]
    B -- "RPC" --> C["Durable Object\n(один на аккаунт)"]
    C --> D["WhatsApp-сессия\n(whatsapp-rust / WASM)"]
    C --> E[("SQLite-архив\nсообщений")]
    D -- "WhatsApp Web API" --> F["📱 Ваш WhatsApp"]

Разберём каждый компонент:

Cloudflare Worker — это edge-функция, которая принимает запросы от MCP-клиента (например, Claude) и маршрутизирует их к нужному объекту. Именно здесь реализован сам MCP-протокол.

Каждый WhatsApp-аккаунт живёт в собственном Durable Object — небольшом сервере, который Cloudflare держит запущенным со своей базой данных SQLite.

WhatsApp-сессия внутри объекта построена на baileyrs, протокольное ядро которого — это whatsapp-rust, скомпилированный в WebAssembly.

Будильник каждые 30 секунд удерживает объект в памяти и переподключает его после деплоев.

Сервер говорит на языке MCP — стандартном способе подключения AI-приложений к инструментам — поэтому работает с Claude, ChatGPT, Claude Code, Cursor и другими MCP-клиентами.

Он запускается на вашем собственном аккаунте Cloudflare, так что ваши сообщения остаются у вас.

Google-интеграция: неочевидная, но важная деталь

Важная особенность проекта — он подключается к вашему Google-аккаунту, чтобы получить имена всех контактов WhatsApp. Без этого большинство контактов отображаются только по номеру телефона, и поиск работает некорректно.

Это элегантное решение реальной проблемы: WhatsApp хранит имена контактов на устройстве, а не в облаке аккаунта. Через Google Contacts удаётся обойти это ограничение и сделать поиск по именам работающим.

Установка: от нуля до работающего агента

Для начала вам понадобится аккаунт Cloudflare, аккаунт GitHub и телефон с WhatsApp.

Шаг 1. Деплой на Cloudflare

Нажмите кнопку Deploy to Cloudflare в репозитории. Cloudflare скопирует проект к вам на GitHub, соберёт его и опубликует по адресу вида https://whatsapp-mcp.<ваш-логин>.workers.dev.

Шаг 2. Привязка WhatsApp

После деплоя откройте ваш Worker в браузере. Система отобразит QR-код — отсканируйте его через WhatsApp → Связанные устройства → Привязать устройство, как при подключении WhatsApp Web.

Шаг 3. Настройка MCP-клиента

Добавьте сервер в конфигурацию вашего ИИ-клиента:

{
  "mcpServers": {
    "whatsapp": {
      "url": "https://whatsapp-mcp.<ваш-логин>.workers.dev/mcp",
      "transport": "http"
    }
  }
}

Для Claude Desktop файл конфигурации находится по пути:

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

Шаг 4. Подключение Google Contacts (опционально)

Чтобы имена контактов отображались корректно, авторизуйте приложение через Google OAuth в настройках Worker-а. После этого агент сможет находить чаты по имени, а не только по номеру.

Сравнение подходов: Cloudflare vs. локальный сервер

Cloudflare Workers хорошо подходит для этой задачи: бесплатный тариф даёт 100 000 запросов в день, cold start практически нулевой, а Durable Objects с SQLite доступны даже на бесплатном плане.

Но важно понимать нюансы с бесплатным тарифом:

Объект остаётся в памяти весь день, и Cloudflare тарифицирует это время как если бы он использовал полные 128 МБ. Плюс — он просыпается каждые 30 секунд, что объясняет ~90 000 запросов и строк в день.

Workers Free не хватает даже для одного аккаунта при полноценной нагрузке. Cloudflare выставляет счёт за дополнительное время блоками по 1 млн ГБ·с за $12.50, поэтому два–четыре аккаунта обходятся примерно в $17.50 в месяц.

Что умеет агент: практические сценарии

После подключения WhatsApp MCP ваш ИИ-агент получает набор инструментов для работы с мессенджером. Вот как это выглядит на практике:

Поиск и чтение сообщений

«Найди все сообщения от Максима за последнюю неделю, где упоминается бюджет проекта»

Агент ищет по всей истории переписки, возвращает релевантные фрагменты и может суммаризировать их в удобный отчёт.

Отправка сообщений

Инструмент whatsapp_send_text поддерживает форматирование WhatsApp, предварительный просмотр ссылок, цитирование в ответах и автоматическое разбиение сообщений длиннее 4096 символов.

Работа с медиа

Вы можете искать и читать личные сообщения WhatsApp, включая изображения, видео, документы и голосовые сообщения, а также отправлять медиафайлы — изображения, видео, документы и аудио.

Управление контактами

Доступна отправка сообщений по имени контакта или номеру телефона, чтение последних сообщений из любого чата, список всех недавних чатов с превью и поиск контактов по имени.

Приватность, серые зоны и риски

Это однопользовательская установка, поскольку проект находится в серой зоне и работает с очень приватными данными.

Рассмотрим ключевые вопросы честно:

Позиция WhatsApp

WhatsApp — самый популярный мессенджер с 3 миллиардами ежемесячно активных пользователей по состоянию на май 2025 года. Meta, владеющая платформой, официально не поддерживает подобные интеграции через неофициальные клиенты. Использование сторонних клиентов теоретически нарушает Terms of Service и может привести к блокировке аккаунта.

Где хранятся данные

Все сообщения хранятся локально в SQLite-базе данных и отправляются в LLM (например, Claude) только тогда, когда агент обращается к ним через инструменты — под вашим контролем. В случае Cloudflare-версии «локально» означает в вашем собственном Durable Object на вашем аккаунте CF.

Риск утечки контекста

Когда агент читает ваши сообщения для ответа на запрос, фрагменты переписки попадают в контекстное окно LLM. Это значит, они обрабатываются на серверах Anthropic (если вы используете Claude) или OpenAI. Учитывайте это при работе с чувствительной информацией.

Сравнение с альтернативными решениями

Главное преимущество Cloudflare-версии — она работает со стандартным MCP-протоколом, что обеспечивает совместимость с Claude, ChatGPT, Claude Code, Cursor и другими MCP-клиентами.

Выводы

WhatsApp MCP на Cloudflare — это технически изящное решение реальной задачи: дать ИИ-агенту доступ к вашему главному мессенджеру без дорогого сервера и без необходимости WhatsApp Business.

С WhatsApp MCP вы создаёте мощные автоматизации для общения, анализа и интеграции рабочих процессов.

Главное, что нужно помнить:

• MCP — зрелый стандарт: принят OpenAI, Google и передан в Linux Foundation. Инвестиции в MCP-экосистему оправданы.
• Cloudflare Workers — правильная платформа: edge-сеть, почти нулевой cold start, встроенный SQLite в Durable Objects.
• «Бесплатно» — с оговоркой: для стабильной работы одного аккаунта скорее всего потребуется Workers Paid ($5/мес).
• Серая зона: неофициальные клиенты WhatsApp работают вопреки ToS. Используйте осознанно и только для личного аккаунта.
• Приватность под контролем: данные остаются на вашем CF-аккаунте и уходят в LLM только по вашему запросу.

Лучший ИИ-агент — тот, у которого есть доступ к вашему реальному контексту. WhatsApp MCP на Cloudflare делает этот шаг возможным для любого разработчика — буквально за 15 минут.

Если вы разработчик, которому надоело вручную копировать сообщения в Claude, — этот проект стоит попробовать. Репозиторий открытый, лицензия GPL-3.0, а значит вы можете форкнуть и адаптировать под свои нужды.