mac_messages_mcp 是一个 MCP 服务器，旨在通过模型上下文协议 (MCP) 安全地连接大型语言模型 (LLM) 与 macOS 消息应用。它允许 AI 模型查询和分析 iMessage 对话，从而扩展了 LLM 的上下文感知能力。该解决方案支持读取最近的消息、按联系人筛选消息以及发送新消息，所有这些都通过一个易于使用的 API 实现。

对于开发者而言，mac_messages_mcp 解决了访问和利用 iMessage 数据的难题，无需复杂的 AppleScript 或直接数据库操作。它通过标准化的 MCP 接口，简化了 AI 模型与 iMessage 的集成，从而可以构建更智能、更个性化的应用。该服务器使用 Python 开发，支持通过 uv 包管理器进行安装，并提供了与 Claude 和 Cursor 等平台的集成指南。核心价值在于安全、便捷地将 iMessage 数据引入 AI 工作流程，从而解锁新的应用场景。

iMessage消息读取与分析

mac_messages_mcp 允许大型语言模型（LLM）安全地查询和分析 iMessage 对话，通过 MCP 协议与 macOS Messages 应用程序进行交互。该功能使 LLM 能够访问用户的 iMessage 历史记录，提取关键信息，理解对话上下文，并基于消息内容执行各种任务。例如，LLM 可以总结最近的对话，识别重要的约会或任务，或者分析用户的情感倾向。该功能通过直接读取 iMessage 数据库实现，需要用户授予完全磁盘访问权限以确保数据安全。

使用场景：LLM 可以分析用户最近的 iMessage 对话，自动创建待办事项列表，提醒用户重要的约会，或者根据对话内容提供个性化的建议。例如，如果用户在 iMessage 中与朋友讨论了下周的晚餐计划，LLM 可以自动将该计划添加到用户的日历中，并提前发送提醒。

基于联系人过滤消息

该功能允许 LLM 根据特定的联系人筛选 iMessage 消息，从而缩小分析范围，提高效率。通过指定联系人的电话号码或姓名，LLM 可以仅检索与该联系人相关的消息，忽略其他无关信息。这对于需要关注特定对话或关系的场景非常有用。例如，LLM 可以分析用户与其老板之间的 iMessage 对话，了解工作进展情况，或者分析用户与其家人的对话，了解家庭成员的需求和情感状态。

使用场景：LLM 可以分析用户与其客户之间的 iMessage 对话，了解客户的需求和反馈，从而改进产品或服务。例如，如果用户是一家餐厅的老板，LLM 可以分析用户与其顾客之间的 iMessage 对话，了解顾客对菜品、服务和环境的评价，从而改进餐厅的运营。

iMessage消息发送

mac_messages_mcp 不仅可以读取 iMessage 消息，还可以通过 iMessage 发送新的消息。该功能使 LLM 能够主动与用户或其他联系人进行交互，执行各种任务，例如发送提醒、确认约会、回复消息等。发送消息功能需要用户授权，并确保 LLM 遵循安全和隐私的最佳实践。该功能通过调用 macOS Messages 应用程序的 API 实现，支持发送文本消息和附件。

使用场景：LLM 可以自动发送 iMessage 提醒用户重要的约会或任务，例如提醒用户参加会议、支付账单或购买商品。LLM 还可以根据用户的指令，自动回复 iMessage 消息，例如回复朋友的邀请、确认订单或提供技术支持。

技术实现

mac_messages_mcp 使用 Python 编写，依赖于 macOS 操作系统和 Python 3.10+。它通过直接访问 iMessage 数据库来读取消息，并通过调用 macOS Messages 应用程序的 API 来发送消息。为了确保数据安全，mac_messages_mcp 需要用户授予完全磁盘访问权限。该项目使用 uv 包管理器来管理依赖项，并提供详细的安装和配置说明。此外，mac_messages_mcp 还提供了用于版本控制和安全性的脚本和文档。