Fetch MCP Server

Hvad laver “Fetch” MCP Server?

Fetch MCP Server er en fleksibel Model Context Protocol (MCP) server designet til at hente webindhold i forskellige formater, herunder HTML, JSON, almindelig tekst og Markdown. Ved at fungere som bro mellem AI-assistenter og eksterne webressourcer gør Fetch MCP det muligt for AI-drevne applikationer at hente og transformere webdata efter behov. Dette gør det muligt for udviklere og AI-agenter at inkorporere dynamisk webindhold i deres arbejdsgange, hvad enten det er til dataudtræk, indholdssummering eller videre behandling. Serveren understøtter brugerdefinerede forespørgselsheaders, udnytter moderne fetch-API’er og inkluderer værktøjer til parsing og konvertering af webdata, hvilket gør den til et værdifuldt aktiv for opgaver, der kræver realtidsadgang til online information.

Liste over Prompts

Ingen promptskabeloner er nævnt i repositoriet.

Liste over ressourcer

• Fetch MCP Server tilbyder ikke nogen vedvarende ressourcer. Den er designet til at hente og transformere webindhold efter behov.

Liste over værktøjer

• fetch_html
  Hent et website og returnér indholdet som HTML.
  Input: url (påkrævet), headers (valgfri).
  Output: Råt HTML-indhold fra websiden.

• fetch_json
  Hent en JSON-fil fra en URL.
  Input: url (påkrævet), headers (valgfri).
  Output: Parset JSON-indhold.

• fetch_txt
  Hent et website og returnér indholdet som almindelig tekst (ingen HTML).
  Input: url (påkrævet), headers (valgfri).
  Output: Almindelig tekst med HTML-tags, scripts og styles fjernet.

• fetch_markdown
  Hent et website og returnér indholdet som Markdown.
  Input: url (påkrævet), headers (valgfri).
  Output: Websideindhold konverteret til Markdown-format.

Anvendelsestilfælde for denne MCP Server

• Webindholdsekstraktion
  Hent HTML, JSON eller almindelig tekst fra offentlige websites til videre analyse eller summering af AI-agenter.

• Indholdstransformation
  Konverter websiteindhold til Markdown eller almindelig tekst for lettere brug eller integration i noter og dokumentationsværktøjer.

• API-datahentning
  Hent strukturerede data fra offentlige API’er (i JSON-format) til brug i arbejdsgange, dashboards eller som kontekst til LLM-drevne applikationer.

• Brugerdefineret dataindsamling
  Angiv brugerdefinerede headers for at få adgang til indhold fra endpoints, der kræver specifik autentificering eller headers, hvilket muliggør mere avancerede dataudtræks-scenarier.

• Indholdsparsing for AI-agenter
  Giv AI-assistenter mulighed for at parse og udnytte live webindhold under samtaler, research eller automatiseringsopgaver.

Sådan sættes det op

Windsurf

1. Sørg for, at Node.js er installeret på dit system.
2. Klon Fetch MCP-repositoriet og installer afhængigheder (npm install).
3. Byg serveren med npm run build.
4. Tilføj følgende til din Windsurf-konfigurationsfil:

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTE PATH TO FILE HERE}/dist/index.js"
         ]
       }
     }
   }
   

5. Genstart Windsurf og verificér, at MCP-serveren kører.

Sikring af API-nøgler

Indsæt miljøvariabler efter behov:

{
  "mcpServers": {
    "fetch": {
      "command": "node",
      "args": ["{ABSOLUTE PATH TO FILE HERE}/dist/index.js"],
      "env": {
        "API_KEY": "${FETCH_API_KEY}"
      },
      "inputs": {
        "api_key": "${FETCH_API_KEY}"
      }
    }
  }
}

Claude

1. Sørg for, at Node.js er installeret.
2. Følg opsætningsvejledningen i repositoriet (klon, installer, byg).
3. Redigér Claude MCP-konfigurationen:

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTE PATH TO FILE HERE}/dist/index.js"
         ]
       }
     }
   }
   

4. Gem filen og genstart Claude.
5. Bekræft, at Fetch MCP Server er tilgængelig.

Sikring af API-nøgler

Se Windsurf-sektionen for JSON-eksempel.

Cursor

1. Installer Node.js.
2. Klon og byg Fetch MCP Server (npm install, npm run build).
3. Tilføj til Cursors MCP-konfiguration:

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTE PATH TO FILE HERE}/dist/index.js"
         ]
       }
     }
   }
   

4. Gem og genstart Cursor.
5. Valider succesfuld forbindelse.

Sikring af API-nøgler

Brug samme JSON-format som ovenfor for miljøvariabler.

Cline

1. Sørg for, at Node.js er installeret.
2. Klon og byg Fetch MCP Server.
3. Konfigurer Cline MCP med:

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTE PATH TO FILE HERE}/dist/index.js"
         ]
       }
     }
   }
   

4. Genstart Cline og verificér, at serveren fungerer.

Sikring af API-nøgler

Følg det tidligere eksempel med miljøvariabler i JSON.

Sådan bruger du denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i din FlowHunt-arbejdsgang, skal du starte med at tilføje MCP-komponenten til dit flow og forbinde den til din AI-agent:

Klik på MCP-komponenten for at åbne konfigurationspanelet. I sektionen for system-MCP-konfiguration indsætter du dine MCP-serverdetaljer med dette JSON-format:

{
  "fetch": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Når det er konfigureret, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og muligheder. Husk at ændre “fetch” til det faktiske navn på din MCP-server og erstatte URL’en med din egen MCP-server-URL.

Oversigt

Jeg vil bedømme Fetch MCP Server til en solid 7/10. Den er praktisk, har tydelig dokumentation, en ordentlig licens og flere nyttige værktøjer, men mangler promptskabeloner, vedvarende ressourcer samt information om rødder eller sampling support.

MCP-score