Wacon — WhatsApp AI CLI + MCP Server

Wacon conecta tu WhatsApp con agentes de IA (Claude Code, o cualquier cliente MCP) y con tu terminal. Su diferencial: memoria de estilo por contacto — los agentes no solo pueden leer y enviar mensajes, sino hacerlo imitando cómo TÚ le hablas a cada persona.

⚠️ Advertencia: Wacon usa Baileys, una librería no oficial de ingeniería inversa del protocolo de WhatsApp Web. Esto viola los Términos de Servicio de WhatsApp y tu número puede ser baneado permanentemente. Úsalo bajo tu propio riesgo, idealmente con un número secundario. El rate-limit integrado reduce el riesgo, no lo elimina.

Instalación

Desde npm (recomendado, cuando esté publicado):

npm install -g wacon

Directo desde GitHub (sin esperar el registro — compila solo al instalar):

npm install -g github:JOSETRA44/wacon-mcp

Sin instalar nada (npx):

npx wacon login

Desarrollo local:

git clone https://github.com/JOSETRA44/wacon-mcp && cd wacon-mcp
npm install && npm link

Primeros pasos

wacon login     # escanea el QR desde WhatsApp > Dispositivos vinculados
wacon status    # mira cómo crece la sincronización del historial
wacon init      # cuando haya miles de mensajes: construye persona.md y perfiles

Después de wacon init, edita ~/.wacon/persona.md a mano. Es la fuente de verdad de tu voz: los agentes la leen antes de cada mensaje que envían en tu nombre.

Registrar en Claude Code (u otro agente)

claude mcp add wacon -- wacon mcp
# o sin instalación global:
claude mcp add wacon -- npx -y wacon mcp

Cualquier otro cliente MCP local puede conectarse de dos formas:

• stdio: comando wacon mcp
• HTTP: POST http://127.0.0.1:8317/mcp con header Authorization: Bearer <token> (el token vive en ~/.wacon/daemon.json)

Todos los clientes comparten la misma sesión: un daemon en background es el único dueño del socket de WhatsApp y arranca solo cuando hace falta.

Arquitectura

agentes (stdio/HTTP) ─┐
                      ├─► wacon daemon ─► Baileys (1 socket WA)
humano (CLI) ─────────┘        │
                               ├─► ~/.wacon/wacon.db      (SQLite + FTS5)
                               ├─► ~/.wacon/profiles/*.md (estilo por contacto)
                               ├─► ~/.wacon/persona.md    (tu voz global)
                               └─► ~/.wacon/auth/         (credenciales de sesión)

Sistema de memoria (3 capas)

Capa	Quién la escribe	Qué contiene
Stats (frontmatter YAML)	analyze_contact / wacon init — determinístico, sin LLM	emojis, formalidad, tuteo/usted/voseo, idioma, uso de tildes, abreviaciones, estilo de risa, longitud, frases recurrentes, dinámica (latencia de respuesta, iniciativa, ráfagas)
Notas cualitativas (cuerpo .md)	Agentes vía update_contact_profile (y tú, a mano)	dinámica de la relación, temas, bromas internas, qué evitar
persona.md	wacon init + tú	tu voz global y reglas duras para los agentes

Recuperación híbrida (RAG local, sin modelos externos)

recall_context combina keyword (FTS5/BM25) + similitud semántica (vectores de n-gramas hasheados, robustos a typos: "q onda" ≈ "qué onda") + recencia, fusionados con RRF. Y memoria episódica: el historial se segmenta en conversaciones (>3h de silencio); los agentes las consolidan con summarize_episode y esos resúmenes emergen en recalls futuros. Wacon mejora con cada uso.

Flujo de un agente: get_contact_profile → read_messages → recall_context → redactar → send_message → update_contact_profile + summarize_episode.

Atención y ahorro de tokens

Un agente que hace polling (list_chats cada 30s) gasta ~100k tokens por hora para aprender "no pasó nada". Wacon invierte eso: el daemon espera y filtra gratis.

• wait_for_messages — long-poll: bloquea server-side y