用Gemini CLI管理WhatsApp自动化:Pidiga MCP实战教程

Pidiga 通过 MCP 让 Gemini 用自然语言创建 WhatsApp 自动化流程
文章介绍了 Pidiga 通过 MCP 协议接入 Gemini CLI 与 Gemini 应用,使运营者或开发者能用一句自然语言指令创建 WhatsApp 自动化流程,替代传统的表单点选配置。教程覆盖完整链路:查询内置模板(欢迎菜单、预约、线索筛选、付款跟进等)、用自然语言描述需求生成自动化、以假想客户身份无痕测试、上线前检查 WhatsApp 号码连接等就绪条件,以及消息发送前必须人工确认草稿的安全闸门。新建自动化默认关闭,避免误配置直接对外生效。后台 automations 板块可查看各流程的对话处理量,形成“语言创建、数据复盘”的互补。文章认为这种分工把执行交给 Pidiga 通道、配置交给 Gemini,降低了中小团队的试错成本。
通过对话就能搭建 WhatsApp 自动化流程,这件事正在变得可行。Pidiga 提供的 MCP(Model Context Protocol)集成,让 Gemini CLI 或 Gemini 应用直接调用其自动化能力,把「配置客服机器人」从点选表单变成一句自然语言指令。
这个教程展示了完整链路:查询可用模板、创建预约类自动化、无痕测试、上线运行,以及人工确认后才发送消息的安全设计。
连接方式与可用环境
前提是把 Pidiga 连接到 Gemini,官方有单独的视频说明连接步骤。本教程使用 Gemini CLI 演示,该工具在印度可用;在提供自定义应用(custom apps)的 Gemini 应用内,操作逻辑一致。

这一点对实际落地有影响:CLI 适合习惯终端操作的开发者或运营人员,Gemini 应用内的自定义应用则降低了非技术用户的门槛。两种入口共用同一套 MCP 能力,配置结果都会同步到 Pidiga 后台。
MCP(Model Context Protocol)是由 Anthropic 提出并开源的开放协议,旨在为大型语言模型提供一套标准化方式,以安全、可控地访问外部工具与数据源。它采用客户端-服务端架构:LLM 应用(如 Gemini CLI、Claude Desktop)作为客户端,外部服务(如 Pidiga)作为服务端,通过 JSON-RPC 消息暴露“工具”“资源”等能力。对开发者而言,MCP 免去了为每个 SaaS 产品单独编写插件或 API 适配层的麻烦;对产品方而言,一次实现即可被所有兼容 MCP 的 AI 客户端调用。这也是 Pidiga 能同一套能力同时服务 Gemini CLI 和 Gemini 应用的技术基础。
从提问到生成:自动化的创建流程
第一步是询问「有什么可以自动化」。Pidiga 返回内置模板列表,覆盖欢迎菜单、预约预订、线索资格筛选(lead qualification)、付款跟进等场景。

接着用自然语言描述需求,例如「设置免费体验课预约,周一至周六,下午4点到8点」。系统据此创建自动化,但默认保存为关闭状态——这一步很关键,避免误配置直接对外生效。
整个过程不需要手写流程节点,模板承担了大部分结构工作,自然语言只负责填充参数。这种设计把配置成本压缩到一句话,同时保留了模板的可靠性。
WhatsApp 自动化通常依托 WhatsApp Business Platform(原 Business API)实现,需通过 Meta 认证的商业账号和已绑定号码,并遵守 24 小时会话窗口、消息模板审核等规则。Pidiga 作为 BSP(Business Solution Provider)或集成层,屏蔽了底层 API 的复杂性,把预约、菜单、线索筛选等常见流程封装成模板。所谓“模板+自然语言填参”的模式,本质上是在预定义的有向流程图上做参数注入,而非让模型从零生成流程结构,因而既能降低配置成本,又能保证符合 WhatsApp 平台的政策约束,减少账号被封或模板被拒的风险。
测试运行与上线检查
创建完成后可以要求测试运行。Pidiga 会模拟一个「假想客户」走完对话,不向任何人真实发送消息,让运营者看到用户实际会收到什么内容。

确认效果满意后,说一句「开启」即可。上线前 Pidiga 会做就绪检查,比如确认 WhatsApp 号码已连接,再正式切换为启用状态。

预检机制解决了一个常见痛点:自动化配置错误往往在真实用户触发后才暴露。把检查前置到上线环节,能减少对客户的骚扰和返工。
“假想客户”测试在对话式 AI 产品中常被称为 sandbox 或 dry-run 模式,其价值在于将状态机的每条分支走通而不触碰真实通道。对于 WhatsApp 场景尤其重要,因为平台对主动消息有严格限制,误发不仅打扰用户,还可能导致号码质量评级下降。就绪检查则属于上线门禁(readiness gate)的范畴,除了号码连接状态,通常还应覆盖:模板是否已审核通过、Webhook 是否可达、业务时段配置是否正确等。把这类检查从人工清单转为系统自动执行,是自动化配置工具区别于纯脚本方案的关键成熟度标志。
后台可视与人工确认边界
在 Pidiga 应用内可以看到同一批自动化,位于 automations 板块,并显示每条流程处理了多少对话。这让「对话式配置」和「可视化监控」形成互补——用语言创建,用数据复盘。
发送消息的环节保留了人工闸门:要求给客户发消息时,系统先展示草稿,确认之后才会真正发出。自动化负责 7×24 小时运行,AI 只负责把搭建过程简化成提问。
从产品逻辑看,这条边界划分得很清楚——执行交给 Pidiga 的 WhatsApp 通道,配置和理解交给 Gemini 的 MCP 调用。对希望快速上线客服自动化的中小团队来说,这种分工降低了试错成本,也让「AI 代为操作后台系统」的形态有了具体样本。
感兴趣的可以访问 app.pridiga.com 免费开始。
相关推荐

2026年AI编程工具横评:Claude、ChatGPT、Gemini谁最强?
2026年五款主流AI编程工具横评:Claude Code、ChatGPT Codex、Gemini、DeepSeek和GitHub Copilot在真实项目、定价与代码质量上的全面对比,帮你决定每月20美元该花给谁。

ChatGPT Codex克隆任意软件?实测风险与真相
YouTube短视频宣称用ChatGPT Codex或Claude Code即可克隆Adobe、Excel、Figma等软件并终身免费使用。本文拆解其技术可行性、法律风险与私信引流套路,说明AI编程工具真正适合的用法。

Kilo Code免费安装但API收费:成本估算与配置指南
Kilo Code 开源 AI 编程代理安装免费,但接入的 AI 模型按 token 收费。本文详解 VS Code 扩展与 CLI 配置步骤,并用假设用量演示 API 成本估算方法,对比按量付费与订阅制的选择逻辑。