RAG Web Browser MCP -palvelin

Mitä “RAG Web Browser” MCP Server tekee?

RAG Web Browser MCP Server on erikoistunut työkalu, jonka tarkoituksena on antaa tekoälyavustajille ja suurille kielimalleille (LLM) kyky olla vuorovaikutuksessa verkon kanssa ja poimia ajantasaista tietoa verkkosivuilta. Se toimii paikallisesti ja yhdistyy RAG Web Browser Actoriin Standby-tilassa, mahdollistaen saumattoman yhteyden AI-agenttien ja verkkosisällön välillä. Päätoimintoihin kuuluu verkkohakujen suoritus, N parhaan hakutuloksen URL-osoitteen poiminta ja niiden puhtaaksi käsitellyn sisällön palautus Markdown-muodossa. Lisäksi se voi hakea yksittäisen URL-osoitteen sisällön ja esittää sen käyttäjäystävällisessä markdown-muodossa. Tämä mahdollistaa LLM-malleille pääsyn, tiivistelmien luonnin ja ajantasaisen verkkodatan hyödyntämisen tutkimukseen, sisällöntuotantoon ja työnkulkujen automatisointiin.

Kehotepohjien lista

Yhtään kehotepohjaa ei mainita erikseen repositoriossa tai dokumentaatiossa.

Resurssien lista

Yhtään erillistä resurssia ei ole määritelty dokumentaatiossa tai repositoriossa.

Työkalujen lista

• search:
  Suorittaa Google-haun, poimii N parasta URL-osoitetta tuloksista ja palauttaa niiden puhdistetun sisällön Markdown-muodossa.
  • Argumentit:
    • query (string, pakollinen): Hakutermi tai URL
    • maxResults (number, valinnainen): Hakutulosten enimmäismäärä poimittavaksi (oletus: 1)
    • scrapingTool (string, valinnainen): Kaapintatyökalu (‘browser-playwright’ tai ‘raw-http’; oletus: ‘raw-http’)
    • outputFormats (array, valinnainen): Ulostulomuodot (’text’, ‘markdown’, ‘html’; oletus: [‘markdown’])
    • requestTimeoutSecs (number, valinnainen): Pyynnön aikaraja sekunteina (oletus: 40)

Tämän MCP-palvelimen käyttötapaukset

• Automaattinen verkkohaku
  Mahdollistaa tekoälyagenttien suorittaa reaaliaikaisia verkkohakuja ja hakea tiivistettyä tietoa parhaista tuloksista – hyödyllistä tutkimukseen ja ajankohtaisiin kysymyksiin vastaamiseen.

• Sisältöpoiminta RAG-työnkulkuihin
  Yhdistä retrieval-augmented generation (RAG) -prosesseihin hakeaksesi ja käsitelläksesi verkkosisältöä luotettavaksi kontekstiksi LLM-vastauksiin.

• Verkkosivujen tiivistelmät
  Hae ja puhdista tiettyjen URL-osoitteiden sisältö, jolloin kehittäjät tai LLM:t voivat nopeasti omaksua ja tiivistää olennaisen tiedon.

• Datankeruu markkina-/kilpailija-analyyseihin
  Käytä palvelinta kilpailijasivujen tai markkinauutisten kaapimiseen ja tarjoa reaaliaikaista tiedustelua liiketoiminnan tarpeisiin.

Näin otat sen käyttöön

Windsurf

1. Varmista, että Node.js ja npm on asennettu.
2. Etsi Windsurf-kokoonpanotiedosto.
3. Lisää RAG Web Browser MCP Server mcpServers-objektiin:

   {
     "mcpServers": {
       "rag-web-browser": {
         "command": "npx",
         "args": ["@apify/mcp-server-rag-web-browser@latest"]
       }
     }
   }
   

4. Tallenna kokoonpano ja käynnistä Windsurf uudelleen.
5. Varmista, että palvelin on käynnissä ja saavutettavissa.

API-avainten suojaus (Esimerkki)

{
  "mcpServers": {
    "rag-web-browser": {
      "command": "npx",
      "args": ["@apify/mcp-server-rag-web-browser@latest"],
      "env": {
        "APIFY_TOKEN": "process.env.APIFY_TOKEN"
      },
      "inputs": {
        "apiKey": "${APIFY_TOKEN}"
      }
    }
  }
}

Claude

1. Varmista, että Node.js ja npm ovat saatavilla.
2. Avaa Clauden kokoonpanotiedosto.
3. Lisää MCP-palvelin seuraavasti:

   {
     "mcpServers": {
       "rag-web-browser": {
         "command": "npx",
         "args": ["@apify/mcp-server-rag-web-browser@latest"]
       }
     }
   }
   

4. Tallenna ja käynnistä Claude uudelleen.
5. Tarkista integroinnin onnistuminen.

Cursor

1. Asenna Node.js ja npm tarvittaessa.
2. Etsi Cursorin kokoonpanotiedosto.
3. Lisää MCP-palvelin:

   {
     "mcpServers": {
       "rag-web-browser": {
         "command": "npx",
         "args": ["@apify/mcp-server-rag-web-browser@latest"]
       }
     }
   }
   

4. Tallenna kokoonpano, käynnistä Cursor uudelleen.
5. Varmista, että palvelin näkyy MCP-työkaluissa.

Cline

1. Varmista, että Node.js ja npm on asennettu.
2. Muokkaa Cline’n kokoonpanoa.
3. Lisää seuraava JSON:

   {
     "mcpServers": {
       "rag-web-browser": {
         "command": "npx",
         "args": ["@apify/mcp-server-rag-web-browser@latest"]
       }
     }
   }
   

4. Tallenna ja käynnistä Cline uudelleen.
5. Vahvista MCP-palvelimen yhteys.

Huom: Suojaa API-avaimesi käyttämällä ympäristömuuttujia Windsurf-esimerkin mukaisesti.

Näin käytät tätä MCP:tä työnkuluissa

MCP:n käyttäminen FlowHuntissa

Ottaaksesi MCP-palvelimet käyttöön FlowHunt-työnkulussa, lisää MCP-komponentti työnkulkuun ja yhdistä se AI-agenttiisi:

Napsauta MCP-komponenttia avataksesi kokoonpanopaneelin. Järjestelmän MCP-kokoonpanon kohdassa lisää MCP-palvelimesi tiedot seuraavassa JSON-muodossa:

{
  "rag-web-browser": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Kun olet konfiguroinut, AI-agentti pystyy käyttämään tätä MCP:tä työkaluna ja hyödyntämään sen kaikkia toimintoja. Muista muuttaa “rag-web-browser” palvelimesi todelliseen nimeen ja korvata URL omalla MCP-palvelimesi osoitteella.

Yleiskatsaus

Alla olevien taulukoiden perusteella RAG Web Browser MCP Server on virtaviivainen ja erittäin kohdennettu verkkovuorovaikutukseen, mutta siltä puuttuu laajemmat MCP-perustoiminnot kuten kehotepohjat ja resurssit. Se tarjoaa kaikki olennaiset käyttöohjeet ja turvallisen käytön, sekä vahvan ja dokumentoidun päätyökalun. Sampling- ja Roots-tukea ei mainita.

Mielipiteemme

MCP-palvelin on fokusoitu ja toimiva, ihanteellinen tilanteisiin joissa tarvitaan verkkodataa LLM-työnkulun sisällä. Se on helppo ottaa käyttöön, lisenssi on selkeä ja suosio kohtalainen. Kehotepohjien ja erillisten resurssien puute rajoittaa räätälöitävyyttä ja monimutkaisia käyttötapauksia, mutta RAG- ja reaaliaikaisessa verkkohakutilanteissa se loistaa. Arvosana: 7/10

MCP-pisteet