夜雨聆风
AI 可以帮我写文章、查资料，却一直无法真正管理我的任务。
最近我把小龙虾接入微信，并通过 mcporter 连接了滴答清单 MCP。配置完成之后，我发现 AI 不再只是聊天工具，而是真正成为了我的个人助理。
好消息是，小龙虾接入微信后，整个配置过程都可以通过对话完成。不需要手动编辑配置文件，直接在微信里和小龙虾对话，让它帮我配置 mcporter 和滴答清单 MCP 服务。
这套小龙虾+mcporter+微信的方案不复杂，但带给我的变化远超预期——AI 终于真正进入了我的工作流。
为什么选择 mcporter 而不是其他方案？
mcporter 可以把 MCP 服务接入更多 AI 工具，让 AI 能直接读取和操作滴答清单，而不仅仅停留在聊天。
这意味着我可以：
在命令行、脚本、定时任务里直接调用
接入小龙虾这样的个人助理系统
让 AI 不只是“给建议”，而是真正操作我的任务清单
从“尝鲜”转向“长期使用”的那一刻，mcporter 比对话式调用更像真正的基础设施。
通过与微信 Bot 对话完成 MCP 服务的配置
在服务器上用 Docker 安装小龙虾时，由于没有浏览器环境，OAuth 授权会卡住。我找到的解决方案是在请求头里直接加上 Authorization，使用滴答清单 Web 端的 API 口令。
配置步骤：
1. 前往滴答清单 Web 端，进入“设置-账户与安全”，在 API 口令中复制密钥
2. 在微信里直接把下面的 JSON 配置发给小龙虾，告诉它使用 mcporter 配置滴答清单的 MCP：
```json{"mcpServers": {"dida365": {"url": "https://mcp.dida365.com","headers": {"Authorization": "Bearer 我的API口令"}}}}```
可以先发送 JSON，再单独发送 API 口令；也可以直接把 API 口令填进 JSON 里，一次性发给小龙虾让它添加。小龙虾会自动理解我的意图，帮我完成配置。
这种方式特别方便，不需要手动编辑配置文件，也不需要每次都进行交互式授权，特别适合服务器长期运行、自动化工作流、定时任务等场景。
踩的两个坑
接入过程中有两个容易踩的坑：
第一个坑：服务名映射
本地注册的服务名不是 `dida`，而是 `dida365`。如果直接问小龙虾“查询滴答清单”，它可能匹配不上正确的服务名。
解决方法是告诉小龙虾：调用滴答清单时，对应的服务名就是 `dida365`。让它记住这个映射关系，之后就能正确调用了。
第二个坑：消息截断导致的误判
使用 `--output json` 查询清单时，如果返回内容太长，消息可能会被截断。小龙虾只看到了一部分内容，比如只看到一个清单，就会误以为“只有一个清单”。
我一开始还以为是滴答清单官方接口有问题，专门去问了才确认：不是接口的问题，是消息被截断了。小龙虾返回的结果看起来是完整的，但实际上后面的内容没显示出来。
改用 `--output text` 或者直接在对话中让小龙虾检查是不是读取消息出现了问题，它会自动检查、处理并修复这个问题。
对话比命令更直观
配置完成后，可以直接在微信里和小龙虾对话来验证连接。
可以直接问小龙虾：“滴答清单 MCP 有哪些可用工具？”它会自动调用 mcporter 并整理结果，告诉我有哪些工具可以用、每个工具的功能是什么。
可以手动验证，在终端中执行下面的命令：
```bash# 1. 确认mcporter识别到服务mcporter list# 2. 查看服务暴露的工具mcporter list dida365 --schema --output text# 3. 调用最简单的查询工具mcporter call dida365.list_undone_tasks_by_time_query time_query=today --output text
但在微信里对话验证明显更方便，小龙虾会帮我处理这些细节。
从“工具调用”到“真正助理”
当小龙虾能够稳定读取滴答清单服务后，它的角色开始发生变化。以前它是执行器，我说一句它跑一次命令；现在它变成了“知道任务系统怎么工作的助手”。
对话式排查问题
与小龙虾对话的一个巨大优势是，它可以帮我检查和修复问题。我一开始以为是滴答清单 MCP 获取清单接口有问题，通过和小龙虾对话，它会自己去找问题所在。然后在不断的对话中，小龙虾会逐步检查、定位、修复问题，不需要我去终端手动执行一堆命令去排查问题。
这种交互式调试比传统的命令行排错要高效得多——我只需要描述问题，小龙虾就会自动调用相应的工具去验证和解决。
让小龙虾记住我的偏好
更实用的是，我可以让小龙虾记住一些使用习惯。比如我告诉它：查询清单时，不要显示已归档的项目。之后每次查询，它都会自动过滤掉归档内容，只显示活跃清单。
这种细节让 AI 不再只是“调用 MCP”，而是按照我的使用习惯理解和呈现结果。
这就是工具调用和真正助理的差别——它开始参与我的真实工作流，而不再只是旁观。
实用应用场景
我可以直接在微信里发送 API 链接或网页给小龙虾，让它自动获取数据，然后存储到目标清单里。这种方式把“信息获取-内容处理-任务创建”整条链路打通了。
以下是一些实际应用场景：
1. 每日新闻联播自动入清单
我现在用的一套流程是：每天早晨六点，自动将新闻联播文字版的内容抓取下来，通过小龙虾处理后放到“新闻联播”清单里。
这样每天上班在地铁上，就可以直接打开滴答清单看当天的新闻要点，不用再专门打开浏览器或新闻 App。信息已经按照我习惯的方式整理好了，直接消费就行。但是使用的大模型出了一些问题，今天突然就无法正常获取了，通过一次次对话，逐渐修复了这个功能，能拿到网页的全部内容了。
最后成功解决了。
2. 早晨自动推送今日安排
每天早晨让小龙虾自动获取今天的待办安排，直接在微信里发送消息给我。这样滴答清单 App 不必一直运行在后台，我在微信里就能收到今日任务提醒，打开率和执行率都会更高。不过最近出了一点问题，图片是直接让小龙虾给我获取的。
3. 自然语言转任务
在微信里说一句话，小龙虾就能理解复杂的任务结构，自动创建清单、任务、子任务。不需要我一条指令一条指令地输入，它会自己识别任务层级和依赖关系。
比如我说“下周要准备产品发布，包括写文案、海报设计、联系渠道。帮我在滴答清单收集箱中构建任务及对应子任务。”，小龙虾会自动创建一个“产品发布”任务，并把后面三项作为子任务添加进去。
不过要注意的是，需要和小龙虾说清楚才行。毕竟 AI 是基于概率来实现回答的，理解错了就无法实现想要的效果。好在可以让小龙虾记住一些既定规则，比如“创建任务时默认放到工作清单”“子任务用短横线开头”等等，这样就能减少误解。
从“看到一条信息”到“把它放进清单”，原本需要复制、切换应用、手动创建任务；现在在微信里直接发给小龙虾，它会自动理解并完成整个任务结构的创建。
4. 从笔记抽取待办
把会议记录、阅读笔记里的动作项批量整理进清单。这个和上面类似了，就不多做说明了。
5. 自动生成日报周报
拉取指定时间范围的已完成/未完成任务，生成复盘材料。
这些流程的关键点在于：
定时任务触发数据获取（也可以手动） 小龙虾通过 mcporter 调用滴答清单 MCP 自动创建任务到指定清单 整个过程无需人工介入
这才是个人助理系统真正的价值——不是让我多了一个功能，而是让信息流转变得自然而高效。滴答清单不再只是手动记录工具，而成了我个人助理系统里可调用、可编排的任务执行层。
写在最后
这套方案的价值不在于让小龙虾“多了一个滴答清单技能”，而在于确认了一种可复制的方法：让 AI 真正接进我已经在使用的系统。今天接的是滴答清单，明天也可以接别的服务。
好的接入方式不只是“能连上”，而是“能长期用”。小龙虾+mcporter+微信+API Token 这套组合用起来很轻量，也很稳定，关键是真的能落地。
真正的价值，并不是帮你完成一次任务，而是持续参与你的工作流，在你需要的时候主动协助你完成事情。
把滴答清单变成科研工作流的“时间账本”
