Serveur MCP mcp-google-search

Que fait le serveur MCP “mcp-google-search” ?

Le serveur MCP mcp-google-search est un serveur Model Context Protocol qui permet aux assistants IA d’effectuer des recherches web via l’API Google Custom Search et d’extraire du contenu de pages web. En agissant comme un pont entre les clients IA et les vastes ressources du web, il permet aux grands modèles de langage (LLM) d’accéder à des informations actualisées, de mener des recherches et d’enrichir leur savoir avec des données en temps réel. Le serveur expose des outils pour rechercher sur le web comme pour lire le contenu des pages, ce qui le rend utile dans de nombreux développements et workflows agentiques nécessitant un accès fiable à des données externes.

Liste des Prompts

Aucun modèle de prompt explicite n’est mentionné dans la documentation disponible.

Liste des Ressources

Aucune ressource explicite n’est documentée dans les fichiers ou le README disponibles.

Liste des Outils

• search
  Effectue une recherche web via l’API Google Custom Search. Permet de spécifier la requête et le nombre de résultats (jusqu’à 10). Retourne des résultats structurés avec titres, liens et extraits pour chaque résultat.

• read_webpage
  Extrait et analyse le contenu d’une URL web fournie. Récupère la page, supprime scripts et styles, et retourne le titre nettoyé, le texte principal et l’URL pour un traitement contextuel.

Cas d’usage de ce serveur MCP

• Recherche web en temps réel
  Les développeurs et agents IA peuvent accéder aux dernières informations du web, fournissant des réponses à jour et de la recherche pour des tâches à forte intensité de connaissances.

• Vérification de faits et validation
  En recherchant sur des sites fiables et en récupérant le contenu, ce serveur aide à vérifier en temps réel des faits, affirmations ou sources.

• Résumé de contenu
  Les assistants IA peuvent lire des articles ou pages puis en résumer le contenu à destination d’utilisateurs ou de workflows.

• Collecte automatisée de connaissances
  Permet de créer des agents qui collectent de façon autonome des informations depuis plusieurs sources web et compilent des rapports ou jeux de données structurés.

• Apprentissage et exploration
  Aide à explorer des bases de code ou à apprendre techniquement en recherchant documentation, tutoriels ou discussions pertinentes sur le web.

Comment l’installer

Windsurf

1. Prérequis : Assurez-vous que Node.js et npm sont installés.
2. Localisez la configuration : Trouvez votre fichier de configuration Windsurf (généralement windsurf_config.json).
3. Ajoutez le serveur MCP : Insérez l’extrait suivant dans l’objet mcpServers :

   {
     "google-search": {
       "command": "npx",
       "args": [
         "-y",
         "@adenot/mcp-google-search"
       ],
       "env": {
         "GOOGLE_API_KEY": "votre-api-key-ici",
         "GOOGLE_SEARCH_ENGINE_ID": "votre-search-engine-id-ici"
       }
     }
   }
   

4. Enregistrez et redémarrez : Sauvegardez la configuration et redémarrez Windsurf.
5. Vérifiez : Contrôlez que le serveur fonctionne et est bien disponible comme outil.

Claude

1. Prérequis : Installez Node.js et npm.
2. Installation via Smithery :
   Exécutez :

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

3. Modifiez la configuration :
   Sur Mac : ~/Library/Application Support/Claude/claude_desktop_config.json
   Sur Windows : %APPDATA%/Claude/claude_desktop_config.json
4. Insérez ce JSON :

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "votre-api-key-ici",
           "GOOGLE_SEARCH_ENGINE_ID": "votre-search-engine-id-ici"
         }
       }
     }
   }
   

5. Enregistrez et redémarrez : Sauvegardez puis redémarrez Claude Desktop.
6. Vérifiez : Contrôlez que le serveur MCP apparaît dans vos outils.

Cursor

1. Prérequis : Node.js et npm installés.
2. Fichier de configuration : Ouvrez votre config Cursor (ex : cursor_config.json).
3. Ajoutez le serveur MCP :

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "votre-api-key-ici",
           "GOOGLE_SEARCH_ENGINE_ID": "votre-search-engine-id-ici"
         }
       }
     }
   }
   

4. Enregistrez et redémarrez : Sauvegardez et redémarrez Cursor.
5. Vérifiez : Contrôlez que le serveur est bien disponible.

Cline

1. Prérequis : Node.js et npm.
2. Localisez la config : Trouvez votre fichier de configuration Cline.
3. Mettez à jour les serveurs MCP :

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "votre-api-key-ici",
           "GOOGLE_SEARCH_ENGINE_ID": "votre-search-engine-id-ici"
         }
       }
     }
   }
   

4. Enregistrez et redémarrez : Sauvegardez le fichier et redémarrez Cline.
5. Vérifiez l’installation : Confirmez que le serveur MCP est chargé.

Remarque :
Sécurisez toujours vos clés API via des variables d’environnement comme montré dans le bloc "env" des exemples JSON. Ne commitez jamais vos clés API dans un gestionnaire de sources.

Comment utiliser ce MCP dans les flows

Utilisation de MCP dans FlowHunt

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

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

{
  "google-search": {
    "transport": "streamable_http",
    "url": "https://votreserveurmcp.exemple/cheminmcp/url"
  }
}

Une fois configuré, l’agent IA pourra alors utiliser ce MCP comme outil et accéder à toutes ses fonctions. N’oubliez pas de remplacer “google-search” par le vrai nom de votre serveur MCP et l’URL par celle de votre serveur MCP.

Vue d’ensemble

D’après les deux tableaux ci-dessus, le serveur MCP mcp-google-search fournit très bien la fonctionnalité principale d’outils et est simple à installer, mais manque de documentation sur les prompts, ressources, roots et sampling. Il mériterait une note d’environ 6/10 pour sa complétude et l’expérience développeur.

Score MCP