mcp-google-search MCP Server

Hvad laver “mcp-google-search” MCP Serveren?

mcp-google-search MCP Serveren er en Model Context Protocol-server, der gør det muligt for AI-assistenter at udføre websøgninger via Google Custom Search API og udtrække indhold fra websider. Ved at fungere som bro mellem AI-klienter og internettets enorme ressourcer tillader den store sprogmodeller (LLM’er) at få adgang til opdateret information, udføre research og styrke deres viden med realtidsdata. Serveren tilbyder værktøjer til både websøgning og læsning af websideindhold, hvilket gør den nyttig til en lang række udviklings- og agentiske workflows, der kræver pålidelig adgang til eksterne online data.

Liste over Prompter

Ingen eksplicitte prompt-skabeloner er nævnt i den tilgængelige dokumentation.

Liste over Ressourcer

Ingen eksplicitte ressourcer er dokumenteret i de tilgængelige filer eller README.

Liste over Værktøjer

• search
  Udfører en websøgning via Google Custom Search API. Mulighed for at angive søgeforespørgsel og antal resultater (op til 10). Returnerer strukturerede resultater inkl. titler, links og uddrag for hvert resultat.

• read_webpage
  Udtrækker og parserer indholdet af en angivet webside-URL. Henter siden, fjerner scripts og styles og returnerer den rensede titel, hovedtekst og URL til kontekstbevidst behandling.

Anvendelsestilfælde for denne MCP Server

• Realtids webresearch
  Udviklere og AI-agenter kan tilgå den nyeste information fra nettet, hvilket muliggør opdaterede svar og research til videnstunge opgaver.

• Faktatjek og verifikation
  Ved at søge på troværdige websites og hente sideindhold kan denne server hjælpe med at verificere fakta, påstande eller kilder i realtid.

• Indholdsopsummering
  AI-assistenter kan hente og læse artikler eller sider og derefter opsummere deres indhold for brugere eller workflows længere nede i kæden.

• Automatiseret vidensindsamling
  Gør det muligt at bygge agenter, der automatisk indsamler information fra flere webkilder og samler strukturerede rapporter eller datasæt.

• Læring og udforskning
  Hjælper med kodebase-udforskning eller teknisk læring ved at søge dokumentation, vejledninger eller relevante diskussioner på nettet.

Sådan sættes det op

Windsurf

1. Forudsætninger: Sørg for at Node.js og npm er installeret.
2. Find konfiguration: Find din Windsurf-konfigurationsfil (typisk windsurf_config.json).
3. Tilføj MCP Server: Indsæt følgende snippet i mcpServers-objektet:

   {
     "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. Gem & Genstart: Gem konfigurationen og genstart Windsurf.
5. Verificér: Tjek at serveren kører og er tilgængelig som værktøj.

Claude

1. Forudsætninger: Installer Node.js og npm.
2. Installer via Smithery:
   Kør:

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

3. Redigér konfiguration:
   På Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
   På Windows: %APPDATA%/Claude/claude_desktop_config.json
4. Indsæt 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. Gem & Genstart: Gem ændringer og genstart Claude Desktop.
6. Verificér: Sørg for at MCP-serveren fremgår i dine værktøjer.

Cursor

1. Forudsætninger: Node.js og npm installeret.
2. Konfigurationsfil: Åbn din Cursor-konfiguration (fx cursor_config.json).
3. Tilføj 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. Gem & Genstart: Gem konfigurationen og genstart Cursor.
5. Verificér: Tjek serverens tilgængelighed.

Cline

1. Forudsætninger: Node.js og npm.
2. Find konfiguration: Find din Cline-konfigurationsfil.
3. Opdatér MCP Servers:

   {
     "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. Gem & Genstart: Gem filen og genstart Cline.
5. Verificér opsætning: Bekræft at MCP-serveren er indlæst.

Bemærk:
Sørg altid for at beskytte dine API-nøgler ved at bruge miljøvariabler som vist i "env"-blokken i JSON-eksemplerne. Undlad at committe API-nøgler til versionskontrol.

Sådan bruges denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i dit FlowHunt-workflow 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. Indsæt dine MCP-serverdetaljer i systemets MCP-konfigurationssektion med dette JSON-format:

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

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

Oversigt

Baseret på ovenstående tabeller leverer mcp-google-search MCP Server kerneværktøjsfunktionalitet godt og er nem at sætte op, men mangler dokumentation om prompts, ressourcer, roots og sampling support. Den ville få omkring 6/10 for samlet fuldstændighed og udvikleroplevelse.

MCP-score