mcp-google-search MCP Server

K čemu slouží “mcp-google-search” MCP Server?

mcp-google-search MCP Server je server Model Context Protocol, který umožňuje AI asistentům provádět webové vyhledávání pomocí Google Custom Search API a extrahovat obsah z webových stránek. Funguje jako most mezi AI klienty a obrovskými zdroji webu, což umožňuje velkým jazykovým modelům (LLM) získávat aktuální informace, provádět výzkum a rozšiřovat své znalosti v reálném čase. Server nabízí nástroje pro vyhledávání na webu i pro čtení obsahu stránek, což je užitečné pro různé vývojářské a agentní workflow vyžadující spolehlivý přístup k externím datům z internetu.

Seznam promptů

V dostupné dokumentaci nejsou zmíněny žádné explicitní šablony promptů.

Připraveni rozšířit své podnikání?

Začněte svou bezplatnou zkušební verzi ještě dnes a viďte výsledky během několika dní.

Požádat o demo Přihlásit se

Seznam zdrojů

V dostupných souborech ani v README nejsou explicitně dokumentovány žádné zdroje.

Seznam nástrojů

• search
  Provádí webové vyhledávání pomocí Google Custom Search API. Umožňuje zadat vyhledávací dotaz a počet výsledků (max. 10). Vrací strukturované výsledky včetně názvů, odkazů a úryvků pro každý výsledek.

• read_webpage
  Extrahuje a analyzuje obsah zadané URL webové stránky. Načte stránku, odstraní skripty a styly a vrátí vyčištěný název, hlavní text a URL pro kontextové zpracování.

Přihlaste se k odběru newsletteru

Získejte nejnovější tipy, trendy a nabídky zdarma.

E-mailová adresa

Přihlásit se

Příklady použití tohoto MCP serveru

• Webový výzkum v reálném čase
  Vývojáři a AI agenti mohou získávat nejnovější informace z webu, což umožňuje aktuální odpovědi a výzkum pro úkoly náročné na znalosti.

• Ověřování faktů a verifikace
  Vyhledáváním na důvěryhodných webech a načítáním obsahu stránek může tento server pomoci ověřit fakta, tvrzení či zdroje v reálném čase.

• Sumarizace obsahu
  AI asistenti mohou načíst a přečíst články nebo stránky a následně shrnout jejich obsah pro uživatele nebo další workflow.

• Automatizované získávání znalostí
  Umožňuje stavět agenty, kteří autonomně shromažďují informace z více webových zdrojů a sestavují strukturované reporty nebo datasety.

• Učení a průzkum
  Pomáhá při průzkumu kódu nebo technickém vzdělávání vyhledáváním dokumentace, tutoriálů či relevantních diskusí na webu.

Jak jej nastavit

Windsurf

1. Předpoklady: Ujistěte se, že máte nainstalovaný Node.js a npm.
2. Najděte konfiguraci: Vyhledejte svůj konfigurační soubor Windsurf (obvykle windsurf_config.json).
3. Přidejte MCP server: Vložte následující úryvek do objektu 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. Uložte a restartujte: Uložte konfiguraci a restartujte Windsurf.
5. Ověřte: Zkontrolujte, že server běží a je dostupný jako nástroj.

Claude

1. Předpoklady: Nainstalujte Node.js a npm.
2. Instalujte přes Smithery:
   Spusťte:

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

3. Upravte konfiguraci:
   Na Macu: ~/Library/Application Support/Claude/claude_desktop_config.json
   Na Windows: %APPDATA%/Claude/claude_desktop_config.json
4. Vložte 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. Uložte a restartujte: Uložte změny a restartujte Claude Desktop.
6. Ověřte: Ujistěte se, že se MCP server objevil mezi vašimi nástroji.

Cursor

1. Předpoklady: Node.js a npm nainstalovány.
2. Konfigurační soubor: Otevřete svůj config Cursor (např. cursor_config.json).
3. Přidejte MCP server:

   {
     "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. Uložte a restartujte: Uložte config a restartujte Cursor.
5. Ověřte: Zkontrolujte dostupnost serveru.

Cline

1. Předpoklady: Node.js a npm.
2. Najděte konfiguraci: Najděte svůj konfigurační soubor Cline.
3. Aktualizujte MCP servery:

   {
     "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. Uložte a restartujte: Uložte soubor a restartujte Cline.
5. Ověření: Potvrďte, že je MCP server načten.

Poznámka:
Vždy zabezpečte své API klíče pomocí environmentálních proměnných, jak je ukázáno v bloku "env" v příkladech JSON. Nikdy neukládejte API klíče do verzovacího systému.

Jak používat tento MCP ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho workflow ve FlowHunt přidejte MCP komponentu do svého flow a připojte ji ke svému AI agentovi:

Klikněte na MCP komponentu pro otevření konfiguračního panelu. V sekci systémové konfigurace MCP vložte údaje o svém MCP serveru v tomto JSON formátu:

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

Po uložení konfigurace bude mít AI agent možnost tento MCP používat jako nástroj se všemi jeho funkcemi a schopnostmi. Nezapomeňte změnit “google-search” na skutečný název vašeho MCP serveru a URL na adresu vašeho MCP serveru.

Přehled

Na základě výše uvedených tabulek poskytuje mcp-google-search MCP Server základní funkcionalitu nástrojů dobře a je snadný na nastavení, ale postrádá dokumentaci k promptům, zdrojům, roots a podpoře sampling. Celkově by si zasloužil hodnocení 6/10 z hlediska úplnosti a vývojářské zkušenosti.

MCP skóre