Fetch MCP Server

Que fait le serveur MCP “Fetch” ?

Fetch MCP Server est un serveur Model Context Protocol (MCP) flexible conçu pour récupérer du contenu web dans plusieurs formats, dont HTML, JSON, texte brut et Markdown. Agissant comme un pont entre les assistants IA et les ressources web externes, Fetch MCP permet aux applications pilotées par l’IA de récupérer et transformer des données web à la demande. Cela permet aux développeurs et aux agents IA d’incorporer du contenu web dynamique dans leurs workflows, que ce soit pour l’extraction de données, la synthèse de contenu ou un traitement ultérieur. Le serveur prend en charge les headers personnalisés, exploite les APIs fetch modernes, et inclut des outils pour analyser et convertir les données web, ce qui en fait un atout précieux pour les tâches nécessitant un accès en temps réel à l’information en ligne.

Liste des prompts

Aucun modèle de prompt n’est mentionné dans le référentiel.

Liste des ressources

• Le Fetch MCP Server ne fournit aucune ressource persistante. Il est conçu pour récupérer et transformer le contenu web à la demande.

Liste des outils

• fetch_html
  Récupère un site web et retourne son contenu en HTML.
  Entrée : url (obligatoire), headers (optionnel).
  Sortie : Contenu HTML brut de la page web.

• fetch_json
  Récupère un fichier JSON depuis une URL.
  Entrée : url (obligatoire), headers (optionnel).
  Sortie : Contenu JSON analysé.

• fetch_txt
  Récupère un site web et retourne le contenu en texte brut (sans HTML).
  Entrée : url (obligatoire), headers (optionnel).
  Sortie : Texte brut avec balises HTML, scripts et styles retirés.

• fetch_markdown
  Récupère un site web et retourne le contenu en Markdown.
  Entrée : url (obligatoire), headers (optionnel).
  Sortie : Contenu de la page web converti au format Markdown.

Cas d’usage de ce serveur MCP

• Extraction de contenu web
  Récupérez le HTML, JSON ou texte brut de sites publics pour une analyse ou une synthèse ultérieure par des agents IA.

• Transformation de contenu
  Convertissez le contenu de sites web en formats Markdown ou texte brut pour une consommation facilitée ou l’intégration dans des outils de prise de notes et de documentation.

• Récupération de données API
  Récupérez des données structurées provenant d’APIs publiques (en JSON) pour les utiliser dans des workflows, des tableaux de bord ou comme contexte pour des applications pilotées par LLM.

• Collecte de données personnalisée
  Fournissez des headers personnalisés pour accéder à du contenu sur des endpoints nécessitant une authentification ou des headers spécifiques, permettant des scénarios avancés de récupération de données.

• Analyse de contenu pour agents IA
  Donnez aux assistants IA la capacité d’analyser et d’utiliser du contenu web en direct lors de conversations, de recherches ou de tâches d’automatisation.

Comment l’installer

Windsurf

1. Assurez-vous que Node.js est installé sur votre système.
2. Clonez le dépôt Fetch MCP et installez les dépendances (npm install).
3. Construisez le serveur avec npm run build.
4. Ajoutez ce qui suit à votre fichier de configuration Windsurf :

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTE PATH TO FILE HERE}/dist/index.js"
         ]
       }
     }
   }
   

5. Redémarrez Windsurf et vérifiez que le serveur MCP fonctionne.

Sécurisation des clés API

Ajoutez des variables d’environnement si besoin :

{
  "mcpServers": {
    "fetch": {
      "command": "node",
      "args": ["{ABSOLUTE PATH TO FILE HERE}/dist/index.js"],
      "env": {
        "API_KEY": "${FETCH_API_KEY}"
      },
      "inputs": {
        "api_key": "${FETCH_API_KEY}"
      }
    }
  }
}

Claude

1. Assurez-vous que Node.js est installé.
2. Suivez les étapes d’installation du référentiel (clone, install, build).
3. Modifiez la configuration MCP de Claude :

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTE PATH TO FILE HERE}/dist/index.js"
         ]
       }
     }
   }
   

4. Sauvegardez le fichier et redémarrez Claude.
5. Vérifiez que Fetch MCP Server est bien disponible.

Sécurisation des clés API

Reportez-vous à la section Windsurf pour l’exemple JSON.

Cursor

1. Installez Node.js.
2. Clonez et construisez Fetch MCP Server (npm install, npm run build).
3. Ajoutez à la configuration MCP de Cursor :

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTE PATH TO FILE HERE}/dist/index.js"
         ]
       }
     }
   }
   

4. Sauvegardez et redémarrez Cursor.
5. Validez la connexion réussie.

Sécurisation des clés API

Utilisez le même format JSON que ci-dessus pour les variables d’environnement.

Cline

1. Assurez-vous que Node.js est installé.
2. Clonez et construisez Fetch MCP Server.
3. Configurez le MCP de Cline avec :

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTE PATH TO FILE HERE}/dist/index.js"
         ]
       }
     }
   }
   

4. Redémarrez Cline et vérifiez le fonctionnement du serveur.

Sécurisation des clés API

Utilisez l’exemple précédent de variables d’environnement en JSON.

Comment utiliser ce MCP dans les flux

Utiliser MCP dans FlowHunt

Pour intégrer des serveurs MCP dans votre workflow FlowHunt, commencez par ajouter le composant MCP à votre flux puis reliez-le à votre agent IA :

Cliquez sur le composant MCP pour ouvrir le panneau de configuration. Dans la section de configuration système MCP, renseignez les détails de votre serveur MCP au format JSON suivant :

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

Une fois configuré, l’agent IA peut alors utiliser ce MCP comme outil avec accès à toutes ses fonctions et capacités. N’oubliez pas de remplacer “fetch” par le nom réel de votre serveur MCP et l’URL par celle de votre serveur MCP.

Aperçu

J’attribuerais au Fetch MCP Server une note solide de 7/10. Il est pratique, possède une documentation claire, une licence appropriée et plusieurs outils utiles, mais n’a pas de modèles de prompt, de ressources persistantes, ni d’informations sur les roots ou le support de l’échantillonnage.

Score MCP