Puppeteer Vision MCP Server

Hvad gør “Puppeteer Vision” MCP Server?

Puppeteer Vision MCP Server gør det muligt for AI-assistenter at scrape og konvertere websider til Markdown-format ved hjælp af Puppeteer, Readability og Turndown. Den tilbyder avanceret AI-drevet interaktion til automatisk at håndtere webelementer som cookiebannere, CAPTCHA’er, betalingsmure og mere, hvilket sikrer robust indholdsudtræk selv fra interaktive eller beskyttede sider. Serveren udstiller denne funktionalitet via Model Context Protocol (MCP), så den let kan integreres i AI-udviklingsarbejdsgange. Dette muliggør opgaver som automatiseret web scraping, indholdssummering og dataindtagelse, som sømløst kan udføres af LLM’er. Serveren kan let udrulles via npx, kræver minimal konfiguration og understøtter både stdio og SSE-kommunikation for fleksibel integration.

Liste over Prompts

Ingen prompt-skabeloner er nævnt i repository eller dokumentation.

Liste over Ressourcer

Ingen specifikke MCP-ressourcer er opført eller beskrevet i repository eller dokumentation.

Liste over Værktøjer

• scrape-webpage: Scraper en webside på en angivet URL, bruger AI til at interagere med og omgå interaktive elementer (som cookiebannere eller CAPTCHA’er), udtrækker hovedindholdet via Readability og konverterer resultatet til Markdown. Parametre inkluderer:
  • url (string, påkrævet): Websiden, der skal scrapes.
  • autoInteract (boolean, valgfri, standard: true): Om interaktive elementer skal håndteres automatisk.
  • maxInteractionAttempts (number, valgfri, standard: 3): Maksimalt antal AI-interaktionsforsøg.
  • waitForNetworkIdle (boolean, valgfri, standard: true): Vent på at netværket er inaktivt før scraping.

Anvendelsesmuligheder for denne MCP Server

• Automatiseret Web Scraping til Vidensindtagelse
  Udviklere kan udtrække læsevenlig, veldesignet Markdown fra vilkårlige websider, hvilket gør det let at indtage opdateret indhold i AI-arbejdsgange, databaser eller vidensbaser.
• Omgåelse af Interaktive Barrierer
  Den AI-drevne interaktion kan automatisk omgå CAPTCHA’er, cookiebannere og andre interaktive forhindringer, hvilket muliggør problemfrit indholdsudtræk fra sider, der ellers ville blokere automatisering.
• Opsummering og Indholdsanalyse
  Udtrukket Markdown kan gives til LLM’er til opsummering, sentimentanalyse eller klassificering og effektivisere research og databehandling.
• Realtids-browserautomatisering
  Udviklere kan køre værktøjet i synlig (ikke-headless) tilstand til debugging, demonstrationer eller når visuel bekræftelse af browseraktivitet er nødvendig.
• Integration i LLM-orkestreringspipelines
  Som MCP-server kan den bruges som komponent i orkestratorer som Windsurf, Claude, Cursor og Cline og udvide AI-agenters evner til at interagere med det levende web.

Sådan sætter du den op

Windsurf

1. Forudsætninger: Installer Node.js og npm.

2. Miljøopsætning: Opret en .env-fil eller eksportér de nødvendige miljøvariabler, inkl. OPENAI_API_KEY.

3. Redigér konfiguration: Find Windsurfs konfigurationsfil.

4. Tilføj Puppeteer Vision MCP: Indsæt følgende JSON-udsnit:

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

5. Gem/Genstart: Gem filen og genstart Windsurf.

6. Verificér: Tjek logs eller UI for at bekræfte, at MCP-serveren kører.

Sikring af API-nøgler:
Opbevar hemmeligheder i miljøvariabler (f.eks. .env):

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

Claude

1. Forudsætninger: Sørg for, at Node.js og npm er installeret.

2. Miljø: Forbered .env eller eksportér OPENAI_API_KEY og andre variabler.

3. Redigér konfiguration: Åbn Claudes MCP-konfiguration.

4. Tilføj MCP-serveren:

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

5. Genstart Claude: Anvend ændringer og genstart platformen.

6. Verificér: Bekræft vellykket opstart.

Cursor

1. Forudsætninger: Installer Node.js og npm.

2. Miljø: Opsæt .env med OpenAI API-nøglen.

3. Redigér Cursor-konfiguration: Tilføj MCP-serveren som nedenfor:

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

4. Gem & Genstart: Gem ændringer og genstart Cursor.

5. Tjek logs: Sørg for, at serveren kører.

Cline

1. Forudsætninger: Installer Node.js og npm.

2. Miljø: Sæt eller eksportér OPENAI_API_KEY.

3. Konfiguration: Tilføj til Clines MCP-konfiguration:

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

4. Genstart Cline: Anvend og genstart.

5. Bekræft: Valider at serveren er tilgængelig.

Bemærk: Sikr API-nøgler via miljøvariabler og hårdkod aldrig hemmeligheder i konfigurationsfiler.

Sådan bruger du denne MCP i flows

Brug af MCP i FlowHunt

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

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

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

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

Oversigt

| Roots Support | ⛔ | Ingen omtale af Roots. |

Baseret på ovenstående tilbyder Puppeteer Vision MCP Server et robust og fokuseret web scraping-værktøj med stærk dokumentation og sikkerhedsvejledning, men mangler flere værktøjer, prompt-skabeloner, ressourcer og avancerede MCP-funktioner som roots eller sampling. Dens one-tool, one-purpose-design giver høj pålidelighed til dens anvendelse, men begrænser udvidelsesmulighederne.

Vores vurdering

MCP-score: 5/10
Denne MCP-server er veldokumenteret, nyttig til sit specifikke formål og nem at sætte op, men manglen på prompt-skabeloner, eksplicitte ressourcer og avancerede MCP-funktioner (roots, sampling) begrænser dens alsidighed og økosystem-integration.

MCP-score