خادم Puppeteer Vision MCP

ماذا يفعل خادم “Puppeteer Vision” MCP؟

يتيح خادم Puppeteer Vision MCP للمساعدين الذكيين استخراج وتحويل صفحات الويب إلى صيغة Markdown باستخدام Puppeteer وReadability وTurndown. فهو يوفر تفاعلاً متقدماً قائماً على الذكاء الاصطناعي للتعامل تلقائياً مع عناصر الويب مثل أشرطة ملفات تعريف الارتباط وCAPTCHAs وجدران الدفع وغيرها، ما يضمن استخراج محتوى قوي حتى من المواقع التفاعلية أو المحمية. يوفّر الخادم هذه الإمكانية عبر بروتوكول Model Context Protocol (MCP)، مما يجعل دمجه في سير عمل تطوير الذكاء الاصطناعي أمراً سهلاً. يتيح ذلك تنفيذ مهام مثل استخلاص الويب التلقائي، تلخيص المحتوى، وادخال البيانات بسلاسة بواسطة LLMs. يمكن نشر الخادم بسهولة باستخدام npx، ويتطلب إعداداً بسيطاً، ويدعم كلاً من الاتصال عبر stdio وSSE لمرونة الدمج.

قائمة القوالب (Prompts)

لا توجد قوالب تعليمات مذكورة في المستودع أو الوثائق.

قائمة الموارد

لا توجد موارد MCP محددة أو موصوفة في المستودع أو الوثائق.

قائمة الأدوات

• scrape-webpage: يستخلص صفحة ويب عند عنوان URL محدد، باستخدام الذكاء الاصطناعي للتفاعل مع وتجاوز العناصر التفاعلية (مثل أشرطة ملفات تعريف الارتباط أو CAPTCHAs)، ويستخرج المحتوى الرئيسي باستخدام Readability، ثم يحوله إلى Markdown. المعاملات تشمل:
  • url (نص، مطلوب): صفحة الويب المراد استخلاصها.
  • autoInteract (قيمة منطقية، اختياري، الافتراضي: true): هل يتم التعامل تلقائياً مع العناصر التفاعلية.
  • maxInteractionAttempts (عدد، اختياري، الافتراضي: 3): أقصى عدد لمحاولات التفاعل بالذكاء الاصطناعي.
  • waitForNetworkIdle (قيمة منطقية، اختياري، الافتراضي: true): الانتظار حتى هدوء الشبكة قبل الاستخلاص.

حالات استخدام هذا الخادم MCP

• استخلاص ويب تلقائي لإدخال المعرفة
  يمكن للمطورين استخراج Markdown مقروء ومنسق جيداً من صفحات الويب المختلفة، مما يسهل إدخال محتوى حديث إلى سير عمل الذكاء الاصطناعي أو قواعد البيانات أو قواعد المعرفة.
• تجاوز الحواجز التفاعلية
  يمكن للتفاعل القائم على الذكاء الاصطناعي تجاوز CAPTCHAs وأشرطة ملفات تعريف الارتباط وغيرها من العوائق التفاعلية تلقائياً، ما يتيح استخراج المحتوى بسهولة من المواقع التي عادةً ما تمنع الأتمتة.
• تلخيص وتحليل المحتوى
  يمكن تغذية Markdown المستخرج إلى LLMs لأغراض التلخيص أو تحليل المشاعر أو التصنيف، مما يسرّع البحث ومعالجة البيانات.
• أتمتة المتصفح في الوقت الحقيقي
  يمكن للمطورين تشغيل الأداة في وضع مرئي (غير headless) لأغراض التصحيح أو العرض أو عند الحاجة لرؤية تفاعل المتصفح مباشرة.
• الاندماج في خطوط تشغيل LLM
  كخادم MCP، يمكن استخدامه كمكون ضمن منسقات مثل Windsurf وClaude وCursor وCline، ما يوسع من قدرات وكلاء الذكاء الاصطناعي في التفاعل مع الويب الحي.

كيفية إعداده

Windsurf

1. المتطلبات الأساسية: تثبيت Node.js وnpm.

2. إعداد البيئة: أنشئ ملف .env أو صدّر متغيرات البيئة المطلوبة، بما في ذلك OPENAI_API_KEY.

3. تعديل الإعدادات: ابحث عن ملف إعدادات Windsurf.

4. إضافة Puppeteer Vision MCP: أضف المقطع JSON التالي:

   {
     "mcpServers": {
       "web-scraper": {
         "command": "npx",
         "args": ["-y", "puppeteer-vision-mcp-server"],
         "env": {
           "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY_HERE"
         }
       }
     }
   }
   

5. حفظ/إعادة تشغيل: احفظ الملف وأعد تشغيل Windsurf.

6. التحقق: تحقق من السجلات أو الواجهة للتأكد من تشغيل خادم MCP.

تأمين مفاتيح API:
خزّن الأسرار في متغيرات البيئة (مثل .env):

"env": {
  "OPENAI_API_KEY": "${OPENAI_API_KEY}"
}

Claude

1. المتطلبات الأساسية: تأكد من تثبيت Node.js وnpm.

2. إعداد البيئة: جهّز ملف .env أو صدّر OPENAI_API_KEY والمتغيرات الأخرى.

3. تعديل الإعدادات: افتح إعدادات Claude MCP.

4. إضافة خادم MCP:

   {
     "mcpServers": {
       "web-scraper": {
         "command": "npx",
         "args": ["-y", "puppeteer-vision-mcp-server"],
         "env": {
           "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY_HERE"
         }
       }
     }
   }
   

5. إعادة تشغيل Claude: طبق التغييرات وأعد تشغيل المنصة.

6. التحقق: تأكد من بدء التشغيل بنجاح.

Cursor

1. المتطلبات الأساسية: تثبيت Node.js وnpm.

2. إعداد البيئة: جهز ملف .env بمفتاح OpenAI API الخاص بك.

3. تعديل إعدادات Cursor: أضف خادم MCP كما يلي:

   {
     "mcpServers": {
       "web-scraper": {
         "command": "npx",
         "args": ["-y", "puppeteer-vision-mcp-server"],
         "env": {
           "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY_HERE"
         }
       }
     }
   }
   

4. حفظ وإعادة تشغيل: احفظ التغييرات وأعد تشغيل Cursor.

5. فحص السجلات: تأكد من تشغيل الخادم.

Cline

1. المتطلبات الأساسية: تثبيت Node.js وnpm.

2. إعداد البيئة: عيّن أو صدّر OPENAI_API_KEY.

3. تعديل الإعدادات: أضف إلى إعدادات Cline MCP:

   {
     "mcpServers": {
       "web-scraper": {
         "command": "npx",
         "args": ["-y", "puppeteer-vision-mcp-server"],
         "env": {
           "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY_HERE"
         }
       }
     }
   }
   

4. إعادة تشغيل Cline: طبق وأعد التشغيل.

5. التحقق: تحقق من أن الخادم متاح.

ملاحظة: قم بتأمين مفاتيح API عبر متغيرات البيئة ولا تدرج الأسرار مباشرة في ملفات الإعدادات.

كيفية استخدام هذا MCP داخل التدفقات

استخدام MCP في FlowHunt

لدمج خوادم MCP في سير عمل FlowHunt الخاص بك، ابدأ بإضافة مكون MCP إلى التدفق وربطه بوكيل الذكاء الاصطناعي:

انقر على مكون MCP لفتح لوحة الإعدادات. في قسم إعداد MCP للنظام، أدخل تفاصيل خادم MCP الخاص بك باستخدام هذا الشكل من JSON:

{
  "puppeteer-vision": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

بعد الإعداد، يصبح وكيل الذكاء الاصطناعي قادراً على استخدام هذا MCP كأداة مع إمكانية الوصول إلى جميع وظائفه وقدراته. تذكّر تغيير “puppeteer-vision” إلى الاسم الفعلي لخادم MCP الخاص بك واستبدال عنوان URL بعنوان خادم MCP الخاص بك.

نظرة عامة

| دعم Roots | ⛔ | لا يوجد ذكر لـ Roots. |

استناداً إلى ما سبق، يوفر خادم Puppeteer Vision MCP أداة قوية ومركزة لاستخلاص الويب مع توثيق وإرشادات أمان جيدة، إلا أنه يفتقر إلى تعدد الأدوات، وقوالب التعليمات، والموارد، وميزات MCP المتقدمة مثل roots أو العينات. تصميمه الموجه لأداة واحدة يوفر له موثوقية عالية في استخدامه المحدد، لكنه يحد من قابلية التوسعة.

رأينا

درجة MCP: 5/10
هذا الخادم MCP موثق جيداً، ومفيد لغرضه المحدد، وسهل الإعداد، لكن افتقاره لقوالب التعليمات، والموارد الصريحة، وميزات MCP المتقدمة (roots، العينات) يحد من تنوعه واندماجه في النظام البيئي.

درجة MCP