当前位置：首页 > news >正文

基于MCP协议与Telegram Bot实现AI助手异步通知与审批工作流

news 2026/5/8 14:54:06

1. 项目概述：为你的AI助手装上“千里眼”和“顺风耳”

如果你和我一样，日常工作中重度依赖Claude、Cursor这类AI助手来写代码、处理文档，那你肯定遇到过这样的场景：你给AI布置了一个需要运行几分钟甚至更长时间的任务，比如让它分析一个大型代码库、生成一份复杂的报告，或者执行一个多步骤的自动化脚本。然后呢？你就只能干等着，时不时切回对话窗口看一眼，心里嘀咕着：“它到底跑完了没？卡在哪一步了？有没有遇到什么错误？” 这种感觉，就像把任务交给了一个在黑箱里工作的伙伴，过程完全不可见，结果也只能被动等待。

更让人头疼的是，当AI助手需要执行一些有风险的操作时，比如删除文件、调用付费API、或者修改关键配置。你肯定不敢让它“先斩后奏”，但每次都要守在屏幕前，等它弹出“是否确认？”的提示，又极大地打断了你的工作流。你需要的，是一种异步的、不打扰的、但又绝对可控的交互方式。

今天要聊的这个项目——Telegram Assistant MCP，就是为解决这些痛点而生的。它本质上是一个遵循MCP（Model Context Protocol）协议的服务器。MCP你可以理解为一个标准化的“插件接口”，它让AI助手（如Claude Desktop、Cursor、VS Code with MCP扩展）能够安全、规范地调用外部工具和服务。而这个特定的MCP服务器，就是专门用来把你的AI助手和Telegram这个几乎人人都在用的即时通讯软件连接起来。

通过它，你的AI助手获得了“说话”和“聆听”的能力。它可以把任务进度、成功通知、错误警报直接推送到你的Telegram手机上；更重要的是，当它需要你拍板做决策时，会通过Telegram给你发送一个带有“批准”、“拒绝”、“建议其他方案”三个按钮的消息。你无需打开电脑，在手机上点一下，AI就能收到指令继续工作。这彻底改变了人机协作的模式，从“同步等待”变成了“异步协同”，让你对AI的工作拥有实时的可见性和最终的控制权。无论你是开发者、运维人员、内容创作者，还是任何希望将AI深度融入工作流并保持掌控感的人，这个工具都值得你花十分钟了解一下。

2. 核心原理与架构设计拆解

在深入配置细节之前，我们有必要先搞清楚这个项目是如何工作的。理解其背后的设计逻辑，不仅能帮你更好地使用它，还能在出现问题时快速定位。整个系统的核心可以拆解为三个部分：MCP协议层、Telegram通信层和业务逻辑与状态管理层。

2.1 MCP协议层：AI助手的“标准电源插座”

MCP，即模型上下文协议，是由Anthropic（Claude的创造者）牵头推动的一个开放标准。你可以把它想象成电子设备的“USB-C接口”或者“标准电源插座”。在没有MCP之前，每个AI助手（Claude、Cursor等）想要连接外部工具（如读取文件、查询数据库、调用API），都需要各自定义一套私有、不兼容的集成方式，开发者和用户都苦不堪言。

MCP的出现，定义了一套统一的“插头”和“插座”规范。MCP服务器（如本项目）就是那个提供了标准“插座”（工具能力）的设备；而AI助手客户端（Claude Desktop、支持MCP的编辑器）则是那个带有标准“插头”的设备。只要双方都遵循MCP协议，就能即插即用。

在这个项目中，mcp_telegram_tool.py这个文件就是MCP服务器的入口。它向AI助手声明：“我这里提供了四个工具（Tools）：notify_progress（通知进度）、request_approval（请求批准）、send_notification（发送通知）、check_approval_status（检查批准状态）”。当AI助手在对话中认为需要调用这些工具时（比如根据你的提示词），它会通过MCP协议向这个服务器发送一个结构化的请求。服务器执行相应的操作（如发送Telegram消息），再将结果通过协议返回给AI助手。这一切对用户是透明的，你只需要在配置文件中写好“插座”的位置（即服务器启动命令），AI助手就能自动发现并使用这些工具。

2.2 Telegram通信层：稳定可靠的消息通道

为什么选择Telegram作为通信媒介？而不是微信、Slack或者邮件？这背后有非常实际的考量：

跨平台与即时性：Telegram拥有几乎全平台的客户端（iOS、Android、Windows、macOS、Web），消息推送及时可靠，确保你能在任何设备上第一时间收到通知。
强大的Bot API：Telegram为机器人提供了极其丰富、易用且免费的API。特别是Inline Keyboard（内联键盘）功能，它允许我们在消息中直接嵌入按钮，用户点击后，回调数据会直接发送给我们的服务器，无需用户输入任何文字。这正是实现“一键批准/拒绝”交互的基础。
无频限与高可靠性：相比一些国内平台严格的API调用频率限制，Telegram Bot API对个人使用非常宽松，消息送达率也极高。
隐私与可控性：对话完全发生在你和你的私有Bot之间，没有第三方干扰，数据自主可控。

在本项目中，telegram_service.py文件封装了所有与Telegram API交互的细节。它利用python-telegram-bot这个成熟的库，处理了Bot的初始化、消息发送、按钮回调监听等一系列复杂操作。当你点击Telegram消息中的按钮时，Telegram的服务器会将这次点击事件推送到我们运行的服务端，服务端解析出你的选择（批准、拒绝或请求自定义指令），并更新相应的状态。

2.3 业务逻辑与状态管理：记忆与决策的核心

这是项目中最精妙的部分。试想一个场景：AI助手请求批准“删除日志文件”，你点击了“建议其他方案”并输入“先压缩备份再删除”。这个“自定义指令”需要被记住，并在后续的对话中传递给AI。如果服务重启了，这个状态不能丢失。

项目通过SQLite数据库(approval_responses.db) 来优雅地解决了状态持久化的问题。当AI调用request_approval工具时，服务端会：

生成一个唯一的request_id。
将这次请求的详细信息（包括可选的初始自定义指令）存入数据库，状态标记为pending。
向Telegram发送带按钮的消息。
启动一个后台线程，等待你的响应（默认超时30分钟）。

当你点击按钮后：

批准/拒绝：数据库记录更新为approved或denied，AI助手查询后得到结果。
建议其他方案：服务端会通过Telegram向你追问具体的指令。你回复后，该指令会与request_id关联并存入数据库，状态更新为denied_with_custom_instruction。AI助手查询时，不仅能知道被拒绝，还能拿到你提供的具体替代方案。

这种设计保证了即使MCP服务器进程重启，未处理的批准请求和已提供的自定义指令都不会丢失，实现了有状态的、可靠的异步交互。

3. 从零开始：五分钟极速部署指南

理论部分清楚了，我们动手把它跑起来。整个过程其实非常简单，跟着步骤走，五分钟内你就能收到第一条来自AI的Telegram消息。

3.1 第一步：创建你的专属Telegram机器人

机器人（Bot）是Telegram官方支持的特殊账号，由代码控制，可以通过API发送和接收消息。创建它完全免费。

打开Telegram，在搜索框中找到@BotFather。这是Telegram官方管理所有机器人的“机器人之父”。
向@BotFather发送命令/newbot。
它会问你机器人的名字（name），这个名字会显示在聊天界面。比如我输入My AI Assistant。
接着它会让你设置机器人的用户名（username），必须以bot结尾，且全局唯一。例如my_awesome_ai_bot。
创建成功后，@BotFather会返回给你一串重要的HTTP API Token，格式类似1234567890:ABCDefGhIJKlmNoPQRsTUVwxyZ。
注意：这串Token就是你的机器人的“密码”，务必妥善保存，不要泄露给他人。任何人拿到这个Token都可以控制你的机器人发消息。

3.2 第二步：获取你的个人Chat ID

Chat ID是Telegram用来唯一标识一个对话（私聊、群组、频道）的数字。我们需要知道你的个人聊天ID，机器人才能把消息发给你。

在Telegram中，搜索你刚才创建的机器人的用户名（如@my_awesome_ai_bot），然后点击Start或发送任意一条消息，开启对话。
打开浏览器，访问以下URL（请将<YOUR_BOT_TOKEN>替换成你刚才获得的Token）：
```
https://api.telegram.org/bot<YOUR_BOT_TOKEN>/getUpdates
```
例如：https://api.telegram.org/bot1234567890:ABCDefGhIJKlmNoPQRsTUVwxyZ/getUpdates
你会看到一个JSON格式的响应。在里面寻找"chat":{"id":这个字段。紧跟其后的那个数字（可能是正数也可能是负数）就是你的Chat ID。通常与机器人的私聊，ID是一个很大的正整数，如987654321。
实操心得：如果页面显示{"ok":false,"error_code":404,"description":"Not Found"}，说明你的Bot Token格式错误或无效。如果返回{"ok":true,"result":[]}一个空数组，那是因为你的机器人还没收到任何消息。确保你已经给机器人发送过一条消息（比如“hi”），然后刷新浏览器页面即可。

3.3 第三步：克隆项目与配置环境

现在，让我们把代码拿到本地，并配置好连接信息。

# 1. 克隆项目仓库到本地 git clone https://github.com/juanhuttemann/telegram-assistant-mcp.git cd telegram-assistant-mcp # 2. 安装Python依赖包 # 建议先创建一个虚拟环境（可选但推荐） # python -m venv venv # source venv/bin/activate # Linux/Mac # venv\Scripts\activate # Windows pip install -r requirements.txt # 3. 配置环境变量 # 复制示例配置文件 cp .env.example .env # 编辑 .env 文件，填入你的Token和Chat ID

用文本编辑器打开.env文件，内容如下：

TELEGRAM_BOT_TOKEN=你的Bot_Token，不要带引号 TELEGRAM_CHAT_ID=你的Chat_ID，纯数字，不要带引号

请严格按照格式填写，Token和Chat ID都不要加任何引号，这是最常见的配置错误。

3.4 第四步：运行测试，验证连接

项目提供了便捷的测试脚本，确保一切就绪。

python run_tests.py

运行后，你会看到一个简单的菜单：

Select test to run: 1. Basic feature test (quick, automated) 2. Interactive approval test (comprehensive, manual) 3. Run all tests 4. Exit

选择1。脚本会自动运行一个快速测试，向你的Telegram发送几条不同状态的通知和一个批准请求。

立刻查看你的Telegram！你应该会陆续收到如下消息：

“🔄WORKING- Starting comprehensive feature test...”
“🔔INFO- Testing low priority notification”
以及一个带有✅ Approve、❌ Deny、🔄 Suggest Different Approach三个按钮的批准请求消息。

点击任意一个按钮（比如“Approve”），观察命令行窗口的输出，会显示[RESULT] User approved。这证明从消息发送、按钮点击到结果回传的整个链路已经完全打通！你的AI通知中心已经准备就绪。

4. 与你的AI助手深度集成

测试成功只是第一步，我们的目标是将这个能力赋予你日常使用的AI工作伙伴。下面我将详细讲解如何在不同平台上进行配置。

4.1 通用配置原理

无论集成到哪个客户端，核心配置逻辑都是一样的：在客户端的MCP服务器配置列表中，添加一个指向我们mcp_telegram_tool.py脚本的条目。你需要提供三个关键信息：

command: 解释器，这里是python。
args: 要执行的脚本路径。
env: 传递给脚本的环境变量，即TELEGRAM_BOT_TOKEN和TELEGRAM_CHAT_ID。
cwd(可选但推荐): 脚本的工作目录，确保相对路径依赖正常。

4.2 集成Claude Desktop

Claude Desktop是Anthropic官方的桌面客户端，对MCP的支持最原生。

找到配置文件：
- macOS:~/Library/Application Support/Claude/claude_desktop_config.json
- Windows:%APPDATA%\Claude\claude_desktop_config.json
- Linux:~/.config/claude/claude_desktop_config.json
编辑配置文件：如果文件不存在，就创建一个。然后添加mcpServers部分。重要：需要先关闭Claude Desktop，修改完保存后再重启才能生效。

{ "mcpServers": { "telegram-assistant": { "command": "python", "args": ["/绝对路径/telegram-assistant-mcp/mcp_telegram_tool.py"], "cwd": "/绝对路径/telegram-assistant-mcp", "env": { "TELEGRAM_BOT_TOKEN": "1234567890:ABCdef...", "TELEGRAM_CHAT_ID": "987654321" } } } }

路径填写注意事项：
macOS/Linux：使用绝对路径，如/Users/yourname/Projects/telegram-assistant-mcp/...。
Windows：路径可以使用正斜杠/，或转义的反斜杠\\。例如："C:\\Users\\yourname\\Projects\\telegram-assistant-mcp\\mcp_telegram_tool.py"。
强烈建议使用cwd字段指定工作目录，避免脚本内部因相对路径问题找不到模块。

验证集成：重启Claude Desktop。你可以问Claude：“你现在有哪些可用的工具？” 或者 “你能通过Telegram给我发个消息吗？”。如果配置正确，Claude会列出可用的工具并尝试调用。你也可以在Claude的对话中直接使用我们后面会提到的提示词来触发功能。

4.3 集成Cursor IDE

Cursor是深度集成AI的代码编辑器，其MCP配置方式与Claude Desktop类似。

打开Cursor，进入Settings(设置)。
搜索MCP。
在MCP Servers的配置区域，添加如下JSON配置。Cursor的配置通常是图形化界面，但也支持直接编辑JSON。

{ "mcpServers": { "telegram-assistant": { "command": "python", "args": ["/path/to/telegram-assistant-mcp/mcp_telegram_tool.py"], "cwd": "/path/to/telegram-assistant-mcp", "env": { "TELEGRAM_BOT_TOKEN": "your_token", "TELEGRAM_CHAT_ID": "your_chat_id" } } } }

保存后，Cursor可能需要重启或重新加载工作区。之后，当AI在Cursor中分析代码或执行任务时，就可以使用Telegram工具了。

4.4 集成VS Code（通过MCP扩展）

如果你主要在VS Code中工作，可以通过安装MCP扩展来获得类似能力。

在VS Code扩展商店搜索并安装“MCP”或“Model Context Protocol”相关的扩展（具体扩展名可能随时间变化，请搜索确认）。
在VS Code的设置 (settings.json) 中，找到该扩展的配置项，添加MCP服务器配置。配置格式与上述两者基本一致。
一个更通用的方法是，许多这类扩展会读取系统环境变量或指定目录下的配置文件。请查阅你所安装扩展的具体文档。

4.5 环境变量配置的替代方案

如果你觉得把敏感信息写在JSON配置文件里不安全，或者想在多台机器上共享配置，可以使用系统环境变量。在配置文件中，env字段可以留空或省略，脚本会尝试从运行它的系统环境中读取TELEGRAM_BOT_TOKEN和TELEGRAM_CHAT_ID。

macOS/Linux：在~/.bashrc,~/.zshrc或终端会话中设置。

export TELEGRAM_BOT_TOKEN='your_token' export TELEGRAM_CHAT_ID='your_chat_id'

Windows：在系统属性 -> 高级 -> 环境变量中设置用户变量。

然后，在MCP配置中就可以简化为：

{ "mcpServers": { "telegram-assistant": { "command": "python", "args": ["/path/to/mcp_telegram_tool.py"], "cwd": "/path/to/telegram-assistant-mcp" // 移除了 env 字段 } } }

5. 实战演练：编写高效的AI提示词与工作流

工具配置好了，如何让AI聪明地使用它？关键在于提示词（Prompt）。你需要明确地告诉AI在什么情况下、以何种方式使用Telegram工具。下面我提供几个经过实战打磨的提示词模板，并拆解其设计逻辑。

5.1 全功能测试提示词（用于验证与演示）

当你初次集成，或者想向他人展示功能时，可以使用这个“话痨”式提示词，让AI尽可能频繁地使用所有功能。

你是一个集成了Telegram通信能力的AI助手，用于实时沟通和审批工作流。 【Telegram通信规范】 1. **进度更新**：对**每一项**任务，都必须使用 `notify_progress` 工具发送状态更新。包括：`started`（开始）、`in_progress`（进行中，可用于多步骤任务的子步骤）、`completed`（成功完成）、`error`（出错）。 2. **审批前置**：在执行**任何**以下操作前，**必须**通过Telegram请求用户批准 (`request_approval`)： - 创建、修改、删除任何文件。 - 安装、更新、卸载系统或Python包。 - 发起任何网络API调用（特别是可能产生费用或副作用的）。 - 更改系统或应用配置。 - 访问外部服务或数据库。 - 任何可能对系统产生影响的行动。 3. **通知发送**：对于重要事件、警告、任务完成、状态变更，使用 `send_notification` 工具，并根据事件重要性选择合适的优先级 (`low`, `normal`, `high`, `urgent`)。 4. **审批流程**： - 请求批准时，必须清晰说明**要做什么**以及**为什么需要批准**。 - 等待用户在Telegram上的响应（批准/拒绝/建议其他方案），超时时间为30分钟。 - 如果用户通过“建议其他方案”提供了自定义指令，你必须严格遵循该指令作为替代方案。 【当前任务：全面测试】 请以极高的主动性使用Telegram通信。模拟一个复杂的多步骤任务（例如：“为我分析当前目录下的项目结构，并生成一份依赖报告”），在任务的每个阶段都发送进度通知，在模拟的敏感操作点（如“删除临时文件”、“调用模拟API”）请求批准，并展示完整的审批工作流，包括处理用户自定义指令。目标是自然、流畅地展示Telegram MCP集成的所有功能。

设计逻辑：这条提示词通过强制性的规则（“必须”、“任何”）和具体的枚举，消除了AI的模糊判断空间，使其在测试场景下行为高度可预测，能全面触发所有工具调用。

5.2 生产环境平衡型提示词（推荐日常使用）

日常工作中，我们不需要AI事无巨细地汇报，只需要在关键节点介入。这个提示词更注重实用性。

请通过Telegram与我保持关键信息同步。 - 当任务执行时间较长（预计超过30秒）或包含多个步骤时，请使用 `notify_progress` 工具告知我进度。 - 在执行具有潜在风险的操作前，请务必通过 `request_approval` 向我请求批准。这包括但不限于：删除文件、部署代码、进行线上数据库操作、调用会产生费用或重要副作用的API。 - 当任务成功完成、遇到需要我关注的错误或警告时，请使用 `send_notification` 通知我。 保持沟通简洁、及时，让我既能掌控全局，又不会被频繁打扰。

设计逻辑：这条提示词使用了“当...时”、“包括但不限于”等引导性语言，赋予了AI一定的判断力。它强调“关键节点”和“潜在风险”，平衡了自动化效率和人工控制的需求，更适合融入真实的工作流。

5.3 高安全要求提示词（用于关键系统）

在处理敏感数据、生产环境或财务相关操作时，安全是第一位。这条提示词采取最保守的策略。

【最高安全指令：Telegram审批强制要求】 在此对话中，你被严格禁止在未获得我通过Telegram的明确批准 (`request_approval`) 前，执行以下任何操作： 1. 对文件系统的任何写操作（创建、修改、移动、删除文件或目录）。 2. 任何系统级别的更改（安装软件、修改环境变量、更改服务配置）。 3. 发起任何网络请求（HTTP/API调用），特别是向外部服务发送数据。 4. 执行任何命令行指令，如果该指令可能改变系统状态。 5. 任何其他可能产生持久化影响或不可逆后果的行动。 在请求批准时，你必须详细描述： - 计划执行的具体命令或操作。 - 该操作的目标和预期结果。 - 如果不执行该操作，是否有替代方案？ - 你评估的潜在风险是什么？ 对于所有任务，请发送详细的进度更新 (`notify_progress`)。一旦发生错误或异常，立即通过 `send_notification` 以 `urgent` 优先级通知我。安全是唯一优先级。

设计逻辑：这条提示词采用了“严格禁止...前”的绝对化命令，并提供了详细的审批请求模板。它旨在构建一个“零信任”的交互环境，将AI的权限降到最低，任何动作都需人工复核，最大程度保障系统安全。

5.4 在对话中动态引导

除了系统级的提示词，你还可以在单次对话中临时给AI下指令。例如：

“请先通过Telegram请求我的批准，然后再开始修改config.yaml文件。”
“这个代码重构大概有5个步骤，请每完成一步就给我发一个进度通知。”
“如果编译失败，用高优先级的通知立刻告诉我。”

这种灵活性让你可以根据任务的实时情况，精细地控制AI的通信行为。

6. 深入功能解析与高级用法

掌握了基础配置和提示词，我们再来深入看看这四个核心工具能玩出什么花样，以及背后的一些高级技巧。

6.1`notify_progress`：让进度一目了然

这个工具不只是发个“进行中”那么简单。它的核心参数是status，有四个枚举值，对应不同的场景和表情符号：

状态 (status)	表情符号	适用场景
`started`	🟡	任务开始，告知用户“活已揽下”。
`in_progress`	🔄	任务正在执行中，可用于多阶段任务的中间状态更新。
`completed`	✅	任务成功完成，给出最终结论。
`error`	❌	任务执行过程中发生错误，需要用户介入。

高级用法：在长任务中组合使用。例如，一个数据备份任务可以这样通知：

status: started, message: “开始执行数据库备份任务。”
status: in_progress, message: “正在导出用户表数据... (1/3)”
status: in_progress, message: “正在压缩备份文件... (2/3)”
status: in_progress, message: “正在上传至云存储... (3/3)”
status: completed, message: “数据库备份任务已完成，文件大小：2.1GB。”

这种颗粒度的更新，能让你完全掌握任务的推进情况，尤其是在后台运行耗时任务时，心里特别有底。

6.2`send_notification`：分级告警系统

send_notification工具的关键在于priority参数。合理使用优先级，可以帮你过滤噪音，不错过重要信息。

优先级 (priority)	含义与使用建议
`low`	低优先级。一般性信息，如“每日报告已生成”，可稍后查看。
`normal`	普通优先级。大多数任务完成通知，如“代码分析完毕”。
`high`	高优先级。需要关注的问题，如“检测到潜在安全漏洞”、“API调用接近限额”。
`urgent`	紧急优先级。需要立即处理的严重问题，如“服务崩溃”、“关键错误导致任务中止”。

实操心得：在提示词中教会AI判断优先级。例如：“如果错误导致主流程中断，使用urgent；如果是可降级处理的警告，使用high；如果是成功完成信息，使用normal。” 这样，当你手机锁屏时看到一条urgent通知，你就知道必须立刻处理。

6.3`request_approval`：交互式决策的核心

这是最具革命性的工具。它不再是简单的“是/否”问答，而是提供了一个包含三个选项的决策框架：

✅ Approve (批准)：AI按原计划执行。
❌ Deny (拒绝)：AI停止当前计划中的操作。
🔄 Suggest Different Approach (建议其他方案)：这是精髓所在。你点击后，机器人会私聊你：“Please provide your custom instructions for this request.” 此时你可以输入任何文本，例如：“不要直接删除，先移动到./backup/目录下。” 这个自定义指令会被关联到本次请求ID，并持久化存储在SQLite数据库中。

工作流详解：

AI调用request_approval，生成一个唯一的request_id，状态为pending，并向你发送消息。
你点击🔄 Suggest Different Approach。
AI助手随后调用check_approval_status工具查询该request_id的状态。
服务端返回状态denied_with_custom_instruction，并附上你提供的文本：“不要直接删除，先移动到./backup/目录下。”
AI收到后，会回复你：“明白了。用户拒绝了直接删除的方案，并建议‘先移动到./backup/目录下’。我将执行这个替代方案。”

这个设计的巧妙之处在于：它把否决权交给了你，但同时又允许你提供建设性的、具体的指导，让AI能够继续沿着你期望的方向工作，而不是简单地停止。这极大地提升了人机协作的效率和智能程度。

6.4`check_approval_status`：状态查询与异步协调

这个工具通常由AI在发送审批请求后，周期性或在关键节点调用，以检查用户的决策。它确保了整个交互是异步且可靠的。你不需要守在AI对话前等待，AI也不会无限期阻塞。它可以在后台轮询，或者在你做出决策后，由下一次对话触发状态检查。

7. 故障排除与实战经验分享

即使按照指南操作，也可能会遇到一些问题。这里我汇总了一些常见的坑和解决方法，以及一些从实战中得来的经验。

7.1 常见问题速查表

问题现象	可能原因	解决方案
运行测试或脚本时提示`TELEGRAM_BOT_TOKEN environment variable is required`	1.`.env`文件不存在或路径错误。 2. 环境变量未正确加载。	1. 确保在项目根目录运行，且`.env`文件存在且内容正确（无引号）。 2. 尝试在命令行直接设置变量：`export TELEGRAM_BOT_TOKEN=xxx`(Linux/Mac) 或`set TELEGRAM_BOT_TOKEN=xxx`(Windows cmd) 再运行脚本。
提示`TELEGRAM_CHAT_ID must be a valid integer`	`.env`文件中的`TELEGRAM_CHAT_ID`值可能被加上了引号，或者包含非数字字符。	检查`.env`文件，确保Chat ID是纯数字，例如`987654321`，而不是`"987654321"`。
收不到Telegram消息	1. Bot Token或Chat ID错误。 2. 未与Bot发起对话。 3. 网络问题。	1. 用浏览器访问`https://api.telegram.org/bot<YOUR_TOKEN>/getMe`验证Token。访问`getUpdates`验证Chat ID。 2. 在Telegram中找到你的Bot，发送`/start`或任意消息。 3. 检查服务器是否能正常访问`api.telegram.org`。
Claude/Cursor 中不显示Telegram工具	1. MCP配置错误（路径、参数）。 2. 客户端未重启。 3. Python依赖未安装或脚本有语法错误。	1. 仔细检查JSON配置中的路径、参数格式，特别是Windows的路径转义。 2.修改MCP配置后，必须完全重启AI客户端。 3. 在项目目录下手动运行`python mcp_telegram_tool.py`，看是否有导入错误。确保已安装`requirements.txt`。
点击按钮后AI没反应	1. MCP服务器进程可能已停止。 2. AI未主动查询状态 (`check_approval_status`)。	1. 确保配置的MCP服务器命令能持续运行。通常客户端会管理进程。 2. 检查AI的提示词，是否包含了在请求批准后去检查状态的逻辑。使用“全功能测试”提示词可以验证。
自定义指令不生效	AI在收到`denied_with_custom_instruction`状态后，没有正确解析或执行你提供的指令。	这取决于AI的理解能力。在自定义指令中，尽量表述得清晰、可操作。例如，与其说“别那么做”，不如说“请改用方案B：先执行X，再执行Y”。

7.2 实战经验与技巧

为不同的AI角色配置不同的提示词：你可以在Claude Desktop中创建多个配置（Profile），为每个配置设置不同的系统提示词和MCP服务器。例如，一个用于“安全审查”的配置使用“高安全要求提示词”，另一个用于“日常编程”的配置使用“生产环境平衡型提示词”。根据任务切换角色，非常高效。
利用自定义指令进行复杂引导：当AI提出的方案你不完全满意，但又不想从头解释时，“建议其他方案”是神器。例如，AI建议用递归删除目录，你觉得有风险，可以输入：“请改用shutil.rmtree并添加ignore_errors=True和onerror回调进行更安全的删除。” 这样既否定了原方案，又给出了具体的技术指导。
数据库文件管理：approval_responses.db文件会保存所有历史请求和自定义指令。定期清理或备份这个文件是个好习惯。你也可以用SQLite浏览器打开它，查看历史交互记录。
超时时间的考量：默认的审批超时是30分钟。对于需要你离开电脑处理的长时间任务，这个设置很合理。但对于一些快速迭代的编程任务，你可能希望响应更快。目前超时时间在代码中硬编码为30分钟，如果需要调整，可以修改telegram_service.py中request_approval方法相关的超时参数。但请注意，改短了可能在你没及时看手机时请求就过期了。
多用户场景（进阶）：当前设计是针对单用户的（一个Chat ID）。如果你想让AI通知到一个小团队，理论上可以扩展代码，维护一个Chat ID列表，或者在请求批准时让团队成员投票。但这需要修改源码，实现更复杂的逻辑。

这个项目打开了一扇新的大门，它让人工智能从封闭的对话窗口走向了开放的、异步的、受控的协作模式。我个人的使用体会是，一旦习惯了这种“AI在后台干活，我在手机端遥控”的模式，就再也回不去了。它尤其适合那些需要长时间运行、多步骤、或涉及敏感操作的任务。最后一个小建议是，初期可以给AI一个“宽松”的提示词，让它多汇报、多请求，观察它的行为模式。等你对它的判断建立起信任后，再逐步收紧规则，找到那个既安全又高效的平衡点。

查看全文

http://www.jsqmd.com/news/777166/