خادم MCP المسمى mcp-google-search

ما الذي يقدمه خادم MCP المسمى “mcp-google-search”؟

يعد mcp-google-search خادمًا لبروتوكول Model Context يمكّن المساعدين الذكاء الاصطناعي من إجراء عمليات بحث عبر الويب باستخدام Google Custom Search API واستخلاص المحتوى من صفحات الويب. من خلال عمله كجسر بين عملاء الذكاء الاصطناعي وموارد الإنترنت الواسعة، يسمح لنماذج اللغة الكبيرة (LLMs) بالوصول إلى المعلومات الحديثة، وإجراء الأبحاث، وتعزيز معرفتها ببيانات حية وفورية. يتيح الخادم أدوات للبحث في الإنترنت وقراءة محتوى الصفحات، مما يجعله مفيدًا لتطوير مجموعة متنوعة من تدفقات العمل الذكية التي تتطلب وصولًا موثوقًا إلى بيانات خارجية عبر الإنترنت.

قائمة القوالب (Prompts)

لا توجد قوالب مخصصة مذكورة في التوثيق المتاح.

قائمة الموارد

لا توجد موارد صريحة موثقة في الملفات المتاحة أو ملف README.

قائمة الأدوات

• search
  ينفذ بحثًا عبر الإنترنت باستخدام Google Custom Search API. يتيح تحديد استعلام البحث وعدد النتائج (حتى 10). يعيد نتائج منظمة تتضمن عناوين وروابط ومقتطفات لكل نتيجة.

• read_webpage
  يستخلص ويفسر محتوى صفحة ويب محددة عبر الرابط. يجلب الصفحة، يزيل السكريبتات والأنماط، ويعيد العنوان المنظف، والنص الأساسي، والرابط لمعالجة مدركة للسياق.

حالات استخدام هذا الخادم MCP

• بحث ويب في الوقت الفعلي
  يمكن للمطورين ووكلاء الذكاء الاصطناعي الوصول إلى أحدث المعلومات من الويب، مما يتيح إجابات حديثة وبحثًا للمهام التي تتطلب معرفة دقيقة.

• التحقق من الحقائق والتدقيق
  من خلال البحث في مواقع موثوقة وجلب محتوى الصفحات، يمكن لهذا الخادم المساعدة في التحقق من الحقائق أو الادعاءات أو المصادر في الوقت الفعلي.

• تلخيص المحتوى
  يمكن للمساعدين الذكاء الاصطناعي جلب وقراءة المقالات أو الصفحات ثم تلخيص محتواها للمستخدمين أو تدفقات العمل اللاحقة.

• جمع المعرفة تلقائيًا
  يمكّن بناء وكلاء يجمعون المعلومات تلقائيًا من مصادر ويب متعددة ويجمعون تقارير أو مجموعات بيانات منظمة.

• التعلم والاستكشاف
  يساعد في استكشاف قواعد الشيفرة أو التعلم التقني من خلال البحث عن التوثيق أو الدروس أو المناقشات ذات الصلة عبر الإنترنت.

كيفية الإعداد

Windsurf

1. المتطلبات الأساسية: تأكد من تثبيت Node.js و npm.
2. تحديد ملف الإعدادات: ابحث عن ملف إعدادات Windsurf الخاص بك (غالبًا windsurf_config.json).
3. إضافة خادم MCP: أدخل المقطع التالي في كائن mcpServers:

   {
     "google-search": {
       "command": "npx",
       "args": [
         "-y",
         "@adenot/mcp-google-search"
       ],
       "env": {
         "GOOGLE_API_KEY": "your-api-key-here",
         "GOOGLE_SEARCH_ENGINE_ID": "your-search-engine-id-here"
       }
     }
   }
   

4. الحفظ وإعادة التشغيل: احفظ الإعدادات وأعد تشغيل Windsurf.
5. التحقق: تأكد من أن الخادم يعمل ومتوفر كأداة.

Claude

1. المتطلبات الأساسية: تثبيت Node.js و npm.
2. التثبيت عبر Smithery:
   شغّل:

   npx -y @smithery/cli install @adenot/mcp-google-search --client claude
   

3. تحرير الإعدادات:
   على Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
   على Windows: %APPDATA%/Claude/claude_desktop_config.json
4. إدراج JSON:

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "your-api-key-here",
           "GOOGLE_SEARCH_ENGINE_ID": "your-search-engine-id-here"
         }
       }
     }
   }
   

5. الحفظ وإعادة التشغيل: احفظ التغييرات وأعد تشغيل Claude Desktop.
6. التحقق: تأكد من ظهور خادم MCP ضمن أدواتك.

Cursor

1. المتطلبات الأساسية: تثبيت Node.js و npm.
2. ملف الإعدادات: افتح إعدادات Cursor (مثلاً cursor_config.json).
3. إضافة خادم MCP:

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "your-api-key-here",
           "GOOGLE_SEARCH_ENGINE_ID": "your-search-engine-id-here"
         }
       }
     }
   }
   

4. الحفظ وإعادة التشغيل: احفظ الإعدادات وأعد تشغيل Cursor.
5. التحقق: تحقق من توفر الخادم.

Cline

1. المتطلبات الأساسية: تثبيت Node.js و npm.
2. تحديد ملف الإعدادات: ابحث عن ملف إعدادات Cline الخاص بك.
3. تحديث خوادم MCP:

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "your-api-key-here",
           "GOOGLE_SEARCH_ENGINE_ID": "your-search-engine-id-here"
         }
       }
     }
   }
   

4. الحفظ وإعادة التشغيل: احفظ الملف وأعد تشغيل Cline.
5. التحقق من الإعداد: تأكد من تحميل خادم MCP.

ملاحظة:
دائمًا قم بتأمين مفاتيح API الخاصة بك باستخدام متغيرات البيئة كما هو موضح في كتلة "env" في أمثلة JSON. لا تقم برفع مفاتيح API إلى أنظمة التحكم في الإصدارات.

كيفية استخدام هذا الخادم MCP داخل التدفقات

استخدام MCP في FlowHunt

لدمج خوادم MCP داخل تدفق العمل في FlowHunt، ابدأ بإضافة مكون MCP إلى تدفقك وربطه بوكيل الذكاء الاصطناعي الخاص بك:

انقر على مكون MCP لفتح لوحة الإعدادات. في قسم إعدادات النظام لـ MCP، أدخل تفاصيل خادم MCP الخاص بك باستخدام تنسيق JSON التالي:

{
  "google-search": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

بعد الإعداد، سيتمكن وكيل الذكاء الاصطناعي من استخدام هذا الخادم كمجموعة أدوات بكامل وظائفه وإمكاناته. تذكّر تغيير “google-search” إلى اسم خادم MCP الخاص بك واستبدال الرابط برابط خادم MCP الخاص بك.

نظرة عامة

استنادًا إلى الجدولين أعلاه، يوفر خادم mcp-google-search MCP الوظائف الأساسية للأدوات بشكل جيد وسهل الإعداد، لكنه يفتقر إلى التوثيق فيما يتعلق بالقوالب والموارد والجذور ودعم العينة. التقييم العام حوالي 6/10 من حيث الاكتمال وتجربة المطور.

درجة MCP