Fetch MCP Server

Was macht der “Fetch” MCP Server?

Der Fetch MCP Server ist ein flexibler Model Context Protocol (MCP) Server, der Webinhalte in verschiedenen Formaten wie HTML, JSON, Klartext und Markdown abrufen kann. Als Brücke zwischen KI-Assistenten und externen Webressourcen ermöglicht Fetch MCP es KI-basierten Anwendungen, Webdaten bedarfsgerecht abzurufen und zu transformieren. Dadurch können Entwickler und KI-Agenten dynamische Webinhalte in ihre Workflows einbinden – sei es zur Datenextraktion, Inhaltszusammenfassung oder weiteren Verarbeitung. Der Server unterstützt eigene Request-Header, nutzt moderne Fetch-APIs und bietet Tools zum Parsen und Konvertieren von Webdaten und ist so ein wertvoller Baustein für Aufgaben, die Echtzeit-Zugriff auf Online-Informationen erfordern.

Liste der Prompts

Im Repository werden keine Prompt-Templates erwähnt.

Liste der Ressourcen

• Der Fetch MCP Server stellt keine persistenten Ressourcen bereit. Er ist darauf ausgelegt, Webinhalte bei Bedarf abzurufen und zu transformieren.

Liste der Tools

• fetch_html
  Ruft eine Website ab und gibt den Inhalt als HTML zurück.
  Input: url (erforderlich), headers (optional).
  Output: Roh-HTML-Inhalt der Webseite.

• fetch_json
  Ruft eine JSON-Datei von einer URL ab.
  Input: url (erforderlich), headers (optional).
  Output: Geparster JSON-Inhalt.

• fetch_txt
  Ruft eine Website ab und gibt den Inhalt als Klartext (ohne HTML) zurück.
  Input: url (erforderlich), headers (optional).
  Output: Klartext, bei dem HTML-Tags, Skripte und Styles entfernt wurden.

• fetch_markdown
  Ruft eine Website ab und gibt den Inhalt als Markdown zurück.
  Input: url (erforderlich), headers (optional).
  Output: Webseiteninhalt, konvertiert ins Markdown-Format.

Anwendungsfälle dieses MCP Servers

• Webinhalte-Extraktion
  HTML, JSON oder Klartext von öffentlichen Websites abrufen, um diese von KI-Agenten weiter analysieren oder zusammenfassen zu lassen.

• Inhaltstransformation
  Webseiteninhalte in Markdown- oder Klartextformate umwandeln, um diese leichter konsumieren oder in Notizen- und Dokumentationstools integrieren zu können.

• API-Datenabruf
  Strukturierte Daten von öffentlichen APIs (im JSON-Format) für Workflows, Dashboards oder als Kontext für LLM-basierte Anwendungen abrufen.

• Individuelle Datenerhebung
  Eigene Header bereitstellen, um Inhalte von Endpunkten mit spezieller Authentifizierung oder Header-Anforderungen abzurufen und so fortgeschrittene Datenabrufszenarien zu ermöglichen.

• Inhaltsparsing für KI-Agenten
  KI-Assistenten die Fähigkeit geben, Live-Webinhalte während Konversationen, Recherchen oder Automatisierungen zu parsen und zu nutzen.

Einrichtung

Windsurf

1. Stellen Sie sicher, dass Node.js auf Ihrem System installiert ist.
2. Klonen Sie das Fetch MCP Repository und installieren Sie die Abhängigkeiten (npm install).
3. Bauen Sie den Server mit npm run build.
4. Fügen Sie Folgendes zu Ihrer Windsurf-Konfigurationsdatei hinzu:

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTER PFAD ZUR DATEI}/dist/index.js"
         ]
       }
     }
   }
   

5. Starten Sie Windsurf neu und überprüfen Sie, ob der MCP Server läuft.

API-Keys sichern

Ergänzen Sie Umgebungsvariablen nach Bedarf:

{
  "mcpServers": {
    "fetch": {
      "command": "node",
      "args": ["{ABSOLUTER PFAD ZUR DATEI}/dist/index.js"],
      "env": {
        "API_KEY": "${FETCH_API_KEY}"
      },
      "inputs": {
        "api_key": "${FETCH_API_KEY}"
      }
    }
  }
}

Claude

1. Stellen Sie sicher, dass Node.js installiert ist.
2. Folgen Sie den Repository-Setup-Schritten (klonen, installieren, bauen).
3. Bearbeiten Sie die Claude MCP-Konfiguration:

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTER PFAD ZUR DATEI}/dist/index.js"
         ]
       }
     }
   }
   

4. Speichern Sie die Datei und starten Sie Claude neu.
5. Prüfen Sie, ob der Fetch MCP Server verfügbar ist.

API-Keys sichern

Siehe das Windsurf-Beispiel für das JSON-Format.

Cursor

1. Installieren Sie Node.js.
2. Klonen und bauen Sie den Fetch MCP Server (npm install, npm run build).
3. Fügen Sie dies zur Cursor MCP-Konfiguration hinzu:

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTER PFAD ZUR DATEI}/dist/index.js"
         ]
       }
     }
   }
   

4. Speichern Sie und starten Sie Cursor neu.
5. Validieren Sie die erfolgreiche Verbindung.

API-Keys sichern

Nutzen Sie dasselbe JSON-Format wie oben für Umgebungsvariablen.

Cline

1. Stellen Sie sicher, dass Node.js installiert ist.
2. Klonen und bauen Sie den Fetch MCP Server.
3. Konfigurieren Sie Cline MCP mit:

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTER PFAD ZUR DATEI}/dist/index.js"
         ]
       }
     }
   }
   

4. Starten Sie Cline neu und überprüfen Sie die Funktion des Servers.

API-Keys sichern

Folgen Sie dem bisherigen JSON-Beispiel zu Umgebungsvariablen.

Verwendung dieses MCPs in Flows

MCP in FlowHunt verwenden

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Abschnitt „System MCP-Konfiguration“ tragen Sie die Details Ihres MCP-Servers im folgenden JSON-Format ein:

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

Nach der Konfiguration kann der KI-Agent diesen MCP als Tool mit Zugriff auf alle Funktionen und Möglichkeiten nutzen. Denken Sie daran, “fetch” durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL mit Ihrer eigenen MCP-Server-URL zu aktualisieren.

Übersicht

Ich würde den Fetch MCP Server mit soliden 7/10 bewerten. Er ist praktisch, hat verständliche Dokumentation, eine geeignete Lizenz und mehrere nützliche Tools, aber es fehlen Prompt-Templates, persistente Ressourcen und Informationen zu Roots oder Sampling-Support.

MCP Score