mcp-rquest MCP Server

K čemu slouží MCP Server “mcp-rquest”?

mcp-rquest MCP Server je server Model Context Protocol (MCP) navržený pro poskytování pokročilých HTTP požadavků podobných prohlížeči pro AI asistenty, včetně Claude a dalších velkých jazykových modelů. Je postavený na enginu rquest a umožňuje modelům interagovat s weby pomocí přesných otisků TLS, JA3/JA4 a HTTP/2, což pomáhá obejít běžné anti-bot ochrany a simulovat lidské prohlížení. Server navíc podporuje převod PDF a HTML dokumentů do Markdownu, což zjednodušuje vkládání a zpracování webového i dokumentového obsahu LLM. Nabízí také bezpečné ukládání odpovědí, tokenově řízené zpracování velkých odpovědí a podporuje různé možnosti autentizace a přizpůsobení požadavků, což z něj činí výkonný nástroj pro zefektivnění AI vývoje pracujícího s webovými a dokumentovými daty.

Seznam promptů

V repozitáři nejsou uvedeny konkrétní šablony promptů.

Seznam zdrojů

V dostupných souborech ani README nejsou explicitně dokumentovány žádné zdroje.

Seznam nástrojů

• http_get: Provádí GET HTTP požadavky s možností přizpůsobení parametrů.
• http_post: Odesílá data pomocí POST požadavků na webové zdroje.
• http_put: Aktualizuje zdroje prostřednictvím PUT požadavků.
• http_delete: Odstraňuje zdroje ze serverů pomocí DELETE požadavků.
• http_patch: Umožňuje částečné úpravy zdrojů.
• http_head: Získává pouze hlavičky webového zdroje.
• http_options: Vrací podporované HTTP metody u daného zdroje.
• http_trace: Provádí diagnostické trasování HTTP požadavků.
• get_stored_response: Získává velké, dříve uložené HTTP odpovědi s volitelným výběrem řádků.

Příklady využití tohoto MCP serveru

• Web scraping & prohlížení: Bezpečně získávejte data z webů, včetně těch chráněných anti-bot opatřeními, díky emulaci realistických otisků prohlížeče.
• Automatizované API testování: Použijte kompletní sadu HTTP metod pro testování REST API, včetně autentizace a vlastních payloadů.
• Konverze dokumentů pro LLM: Převádějte HTML i PDF dokumenty do Markdownu pro efektivnější zpracování a vkládání do LLM.
• Extrakce dat z chráněných webů: Přístup a extrakce obsahu z webů vyžadujících autentizaci, cookies nebo vlastní hlavičky.
• Zpracování velkých webových odpovědí: Ukládejte a načítejte velké odpovědi pro postupné nebo tokenově omezené zpracování LLM.

Jak jej nastavit

Windsurf

1. Ujistěte se, že jsou nainstalovány předpoklady jako Node.js a Python.
2. Otevřete svůj konfigurační soubor Windsurf (např. windsurf.config.json).
3. Přidejte mcp-rquest MCP server do sekce mcpServers:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

4. Uložte změny a restartujte Windsurf.
5. Ověřte, že se mcp-rquest objevil mezi dostupnými MCP servery.

Claude

1. Otevřete svůj konfigurační soubor Claude.
2. Vložte následující JSON úryvek do sekce MCP servers:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

3. Uložte změny a restartujte Claude.
4. Ověřte, že server běží a je dostupný.

Cursor

1. Nainstalujte předpoklady (Node.js, Python).
2. Upravte konfigurační soubor Cursor.
3. Přidejte:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

4. Restartujte Cursor.
5. Otestujte konektivitu MCP serveru.

Cline

1. Ujistěte se, že jsou nainstalovány potřebné závislosti.
2. Aktualizujte konfigurační soubor pro Cline.
3. Vložte:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

4. Uložte a restartujte Cline.
5. Ověřte, že je server mcp-rquest MCP v provozu.

Zabezpečení API klíčů

Pro bezpečné předání API klíčů použijte proměnné prostředí a odkazujte na ně ve své konfiguraci:

{
  "mcpServers": {
    "mcp-rquest": {
      "command": "mcp-rquest",
      "args": ["server"],
      "env": {
        "MY_API_KEY": "${MY_API_KEY_ENV_VAR}"
      },
      "inputs": {
        "api_key": "${MY_API_KEY_ENV_VAR}"
      }
    }
  }
}

Nahraďte MY_API_KEY_ENV_VAR skutečným názvem vaší proměnné prostředí s API klíčem.

Jak použít tento MCP ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho workflow ve FlowHunt přidejte komponent MCP do svého flow a propojte ji se svým AI agentem:

Klikněte na komponent MCP pro otevření konfiguračního panelu. Do sekce systémové konfigurace MCP vložte údaje o svém MCP serveru v tomto JSON formátu:

{
  "mcp-rquest": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po nastavení může AI agent tento MCP server využívat jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit "mcp-rquest" na skutečný název vašeho MCP serveru a upravit URL na vaši adresu MCP serveru.

Přehled

Na základě výše uvedených tabulek je mcp-rquest zaměřený a robustní MCP server pro HTTP požadavky s výborným pokrytím nástrojů (všechny HTTP metody, konverze dokumentů, práce s velkými odpověďmi), kvalitní dokumentací a praktickými příklady nastavení. Chybí mu však dokumentované šablony promptů, explicitní zdroje a informace o podpoře sampling nebo roots. Celkově jde o praktický, jasně zaměřený nástroj pro AI vývojáře, nikoli o kompletní ekosystémový server.

Hodnocení MCP

Celkové hodnocení: 6/10
Technicky solidní, dobře zdokumentovaný MCP server pro HTTP požadavky a konverzi dokumentů, ale postrádá pokročilejší MCP funkce jako šablony promptů, zpřístupnění zdrojů a podporu sampling/roots.