mcp-google-search MCP-Server

Was macht der „mcp-google-search“ MCP-Server?

Der mcp-google-search MCP-Server ist ein Model Context Protocol Server, mit dem KI-Assistenten Websuchen über die Google Custom Search API durchführen und Inhalte von Webseiten extrahieren können. Als Brücke zwischen KI-Clients und den umfangreichen Ressourcen des Webs ermöglicht er großen Sprachmodellen (LLMs) Zugriff auf aktuelle Informationen, Recherche und Wissens­erweiterung mit Echtzeitdaten. Der Server stellt Tools sowohl für die Websuche als auch das Auslesen von Webseiten-Inhalten bereit – ideal für Entwicklungs- und agentische Workflows, die zuverlässigen Zugang zu externen Online-Daten benötigen.

Liste der Prompts

In der verfügbaren Dokumentation sind keine expliziten Prompt-Vorlagen erwähnt.

Liste der Ressourcen

In den verfügbaren Dateien oder im README sind keine expliziten Ressourcen dokumentiert.

Liste der Tools

• search
  Führt eine Websuche über die Google Custom Search API aus. Es kann die Suchanfrage und die Anzahl der Ergebnisse (bis zu 10) spezifiziert werden. Liefert strukturierte Ergebnisse mit Titeln, Links und Snippets pro Treffer.

• read_webpage
  Extrahiert und analysiert den Inhalt einer angegebenen Webseiten-URL. Die Seite wird geladen, Skripte & Styles entfernt und der bereinigte Titel, Haupttext und die URL für kontextbezogene Verarbeitung zurückgegeben.

Anwendungsfälle dieses MCP-Servers

• Echtzeit-Webrecherche
  Entwickler und KI-Agenten greifen auf die neuesten Web-Informationen zu und ermöglichen so aktuelle Antworten und Recherche für wissensintensive Aufgaben.

• Faktenprüfung und Verifizierung
  Durch Suche auf vertrauenswürdigen Websites und das Auslesen von Seiteninhalten kann der Server Fakten, Behauptungen oder Quellen in Echtzeit prüfen.

• Inhalts­zusammenfassung
  KI-Assistenten können Artikel oder Seiten abrufen, lesen und deren Inhalt für Nutzer oder nachgelagerte Workflows zusammenfassen.

• Automatisierte Wissenssammlung
  Ermöglicht den Bau von Agenten, die eigenständig Informationen aus mehreren Webquellen sammeln und strukturierte Berichte oder Datensätze erstellen.

• Lernen und Exploration
  Hilft beim Erkunden von Codebases oder technischem Wissen, indem Dokumentationen, Tutorials oder relevante Diskussionen im Web gesucht werden.

Einrichtung

Windsurf

1. Voraussetzungen: Stellen Sie sicher, dass Node.js und npm installiert sind.
2. Konfiguration finden: Suchen Sie Ihre Windsurf-Konfigurationsdatei (typischerweise windsurf_config.json).
3. MCP-Server hinzufügen: Fügen Sie folgenden Ausschnitt zum mcpServers-Objekt hinzu:

   {
     "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. Speichern & Neustart: Speichern Sie die Konfiguration und starten Sie Windsurf neu.
5. Prüfen: Stellen Sie sicher, dass der Server läuft und als Tool verfügbar ist.

Claude

1. Voraussetzungen: Installieren Sie Node.js und npm.
2. Installation via Smithery:
   Führen Sie aus:

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

3. Konfiguration bearbeiten:
   Auf Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
   Unter Windows: %APPDATA%/Claude/claude_desktop_config.json
4. JSON einfügen:

   {
     "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. Speichern & Neustart: Änderungen speichern und Claude Desktop neu starten.
6. Prüfen: Stellen Sie sicher, dass der MCP-Server in Ihren Tools erscheint.

Cursor

1. Voraussetzungen: Node.js und npm installiert.
2. Konfigurationsdatei: Öffnen Sie Ihre Cursor-Konfiguration (z.B. cursor_config.json).
3. MCP-Server hinzufügen:

   {
     "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. Speichern & Neustart: Konfiguration speichern und Cursor neu starten.
5. Prüfen: Serververfügbarkeit prüfen.

Cline

1. Voraussetzungen: Node.js und npm.
2. Konfiguration finden: Suchen Sie Ihre Cline-Konfigurationsdatei.
3. MCP-Server aktualisieren:

   {
     "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. Speichern & Neustart: Datei speichern und Cline neu starten.
5. Setup prüfen: Kontrollieren Sie, ob der MCP-Server geladen wurde.

Hinweis:
Sichern Sie Ihre API-Schlüssel stets über Umgebungsvariablen wie im "env"-Block der JSON-Beispiele gezeigt. Geben Sie keine Schlüssel in die Versionsverwaltung.

Nutzung dieses MCP in Flows

MCP in FlowHunt verwenden

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

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Bereich System-MCP-Konfiguration fügen Sie Ihre MCP-Serverdaten im folgenden JSON-Format ein:

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

Nach der Konfiguration kann der KI-Agent diesen MCP als Tool mit allen Funktionen und Fähigkeiten nutzen. Denken Sie daran, “google-search” ggf. durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL durch Ihre eigene MCP-Server-URL auszutauschen.

Übersicht

Auf Basis der beiden Tabellen bietet der mcp-google-search MCP-Server die Kernfunktionalität als Tool und ist einfach einzurichten, jedoch fehlen Dokumentation zu Prompts, Ressourcen, Roots und Sampling. Die Gesamtbewertung läge bei etwa 6/10 für Vollständigkeit und Entwicklererlebnis.

MCP-Score