mcp-rquest MCP Server

Hvad laver “mcp-rquest” MCP Server?

mcp-rquest MCP Server er en Model Context Protocol (MCP) server designet til at levere avancerede, realistiske browser-lignende HTTP-forespørgselsfunktioner for AI-assistenter, herunder Claude og andre store sprogmodeller. Bygget oven på rquest-motoren gør den det muligt for modeller at interagere med websteder ved hjælp af nøjagtige TLS-, JA3/JA4- og HTTP/2-browserfingeraftryk, hvilket hjælper med at omgå almindelige anti-bot foranstaltninger og simulere menneskelig browsing. Derudover understøtter serveren konvertering af PDF- og HTML-dokumenter til Markdown, hvilket gør det nemmere for LLM’er at indtage og behandle web- og dokumentindhold. Den har også sikker besvarelseslagring, token-bevidst håndtering af store besvarelser og understøtter en række autentificerings- og forespørgselstilpasningsmuligheder, hvilket gør den til et kraftfuldt værktøj til at styrke AI-drevne udviklingsarbejdsgange, der involverer web- og dokumentdata.

Liste over Prompts

Ingen specifikke prompt-skabeloner er nævnt i depotet.

Liste over Ressourcer

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

Liste over Værktøjer

• http_get: Udfør GET HTTP-forespørgsler med tilpasselige parametre.
• http_post: Indsend data ved hjælp af POST-forespørgsler til webressourcer.
• http_put: Opdater ressourcer via PUT-forespørgsler.
• http_delete: Fjern ressourcer fra servere med DELETE-forespørgsler.
• http_patch: Anvend delvise opdateringer på ressourcer.
• http_head: Hent kun headere fra en webressource.
• http_options: Få understøttede HTTP-metoder for en ressource.
• http_trace: Udfør diagnostisk tracing af HTTP-forespørgsler.
• get_stored_response: Hent store, tidligere lagrede HTTP-besvarelser, med valgfri linjeintervalvalg.

Anvendelsestilfælde for denne MCP Server

• Web Scraping & Browsing: Sikker scraping af data fra websteder, inkl. dem med anti-bot beskyttelse, ved at efterligne realistiske browserfingeraftryk.
• Automatiseret API-test: Brug hele pakken af HTTP-metoder til at teste REST-API’er, inkl. autentificering og brugerdefinerede data.
• Dokumentkonvertering for LLM’er: Konverter både HTML- og PDF-dokumenter til Markdown, så indtagelse og behandling af LLM’er bliver mere effektiv.
• Dataudtræk fra sikre sider: Få adgang til og udtræk indhold fra sider, der kræver autentificering, cookies eller brugerdefinerede headere.
• Håndtering af store webbesvarelser: Gem og hent store besvarelser til trinvis eller token-begrænset LLM-behandling.

Sådan sættes det op

Windsurf

1. Sørg for, at forudsætninger som Node.js og Python er installeret.
2. Åbn din Windsurf-konfigurationsfil (f.eks. windsurf.config.json).
3. Tilføj mcp-rquest MCP-serveren til mcpServers-sektionen:

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

4. Gem ændringer og genstart Windsurf.
5. Bekræft, at mcp-rquest vises blandt dine tilgængelige MCP-servere.

Claude

1. Åbn din Claude-konfigurationsfil.
2. Indsæt følgende JSON-udsnit i MCP-serversektionen:

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

3. Gem ændringer og genstart Claude.
4. Bekræft, at serveren kører og er tilgængelig.

Cursor

1. Installer forudsætninger (Node.js, Python).
2. Rediger Cursors konfigurationsfil.
3. Tilføj:

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

4. Genstart Cursor.
5. Test MCP-serverforbindelsen.

Cline

1. Sørg for, at afhængigheder er installeret.
2. Opdater konfigurationsfilen for Cline.
3. Indsæt:

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

4. Gem og genstart Cline.
5. Sikr, at mcp-rquest MCP-serveren er operationel.

Sikring af API-nøgler

For at levere API-nøgler sikkert, brug miljøvariabler og henvis til dem i din konfiguration:

{
  "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}"
      }
    }
  }
}

Erstat MY_API_KEY_ENV_VAR med navnet på din faktiske miljøvariabel, der indeholder API-nøglen.

Sådan bruges denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i dit FlowHunt workflow, start 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-konfiguration indsætter du dine MCP-serverdetaljer med dette JSON-format:

{
  "mcp-rquest": {
    "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 muligheder. Husk at ændre "mcp-rquest" til det faktiske navn på din MCP-server og udskifte URL’en med din egen MCP-server URL.

Oversigt

Baseret på ovenstående tabeller er mcp-rquest en fokuseret og robust HTTP-request MCP-server med fremragende værktøjsdækning (alle HTTP-metoder, dokumentkonvertering, håndtering af store besvarelser), god dokumentation og praktiske opsætnings-eksempler. Dog mangler den dokumenterede prompt-skabeloner, eksplicitte ressourcer og information om sampling eller roots-understøttelse. Overordnet set er det et praktisk, velafgrænset værktøj til AI-udviklere, men ikke en fuld økosystem-server.

MCP Score

Samlet vurdering: 6/10
En teknisk solid, veldokumenteret MCP-server til HTTP-forespørgsler og dokumentkonvertering, men mangler højere MCP-funktioner såsom prompt-skabeloner, ressourceeksponering og sampling/roots-understøttelse.