Serveur MCP RAG Web Browser

Que fait le serveur MCP « RAG Web Browser » ?

Le serveur MCP RAG Web Browser est un outil spécialisé conçu pour offrir aux assistants IA et aux grands modèles de langage (LLM) la capacité d’interagir avec le web et d’extraire des informations actualisées depuis des pages web. Fonctionnant localement, il se connecte à l’Actor RAG Web Browser en mode Standby, facilitant ainsi la communication transparente entre les agents IA et le contenu web. Ses fonctions principales incluent la réalisation de recherches en ligne, le scraping des N premières URLs issues des résultats et la restitution de leur contenu nettoyé au format Markdown. Il peut également récupérer le contenu d’une seule URL et le présenter dans un format markdown convivial. Cela permet aux LLM d’accéder à des données web en direct, de les synthétiser et de les exploiter, renforçant leurs capacités pour la recherche, la génération de contenu et l’automatisation de workflows.

Liste des prompts

Aucun modèle de prompt n’est explicitement mentionné dans le dépôt ou la documentation.

Liste des ressources

Aucune ressource explicite n’est définie dans la documentation ou les fichiers du dépôt disponibles.

Liste des outils

• search :
  Interroge Google Search, scrappe les N premières URLs des résultats et retourne leur contenu nettoyé au format Markdown.
  • Arguments :
    • query (chaîne, requis) : Terme de recherche ou URL
    • maxResults (nombre, optionnel) : Nombre maximum de résultats à scrapper (défaut : 1)
    • scrapingTool (chaîne, optionnel) : Outil de scraping à utiliser (« browser-playwright » ou « raw-http » ; défaut : « raw-http »)
    • outputFormats (tableau, optionnel) : Formats de sortie (« text », « markdown », « html » ; défaut : [« markdown »])
    • requestTimeoutSecs (nombre, optionnel) : Durée maximale de la requête en secondes (défaut : 40)

Cas d’usage de ce serveur MCP

• Recherche web automatisée
  Permettre aux agents IA d’effectuer des recherches web en direct et de récupérer des informations synthétisées des premiers résultats, idéal pour la recherche et la réponse à des questions d’actualité.

• Extraction de contenu pour les workflows RAG
  S’intègre aux workflows de Génération augmentée par récupération (RAG) pour récupérer et traiter du contenu web comme contexte fiable pour les réponses des LLM.

• Synthèse de pages web
  Récupérer et nettoyer le contenu d’URLs spécifiques, permettant aux développeurs ou LLM de rapidement ingérer et synthétiser des informations pertinentes.

• Collecte de données pour veille/étude de marché
  Utiliser le serveur pour scrapper les sites concurrents ou l’actualité sectorielle, fournissant une veille en temps réel pour les applications business.

Comment l’installer

Windsurf

1. Assurez-vous que Node.js et npm sont installés.
2. Localisez le fichier de configuration de Windsurf.
3. Ajoutez le serveur MCP RAG Web Browser à l’objet mcpServers :

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

4. Enregistrez la configuration et redémarrez Windsurf.
5. Vérifiez que le serveur fonctionne et est accessible.

Sécuriser les clés API (exemple)

{
  "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. Vérifiez la disponibilité de Node.js et npm.
2. Ouvrez le fichier de configuration de Claude.
3. Ajoutez le serveur MCP comme suit :

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

4. Enregistrez et redémarrez Claude.
5. Vérifiez la bonne intégration.

Cursor

1. Installez Node.js et npm si nécessaire.
2. Trouvez le fichier de configuration de Cursor.
3. Insérez le serveur MCP :

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

4. Enregistrez la config et redémarrez Cursor.
5. Vérifiez l’apparition du serveur dans les outils MCP.

Cline

1. Assurez-vous que Node.js et npm sont installés.
2. Modifiez la configuration de Cline.
3. Ajoutez le JSON suivant :

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

4. Enregistrez et redémarrez Cline.
5. Validez la connexion au serveur MCP.

Remarque : Sécurisez vos clés API avec des variables d’environnement comme dans l’exemple Windsurf.

Comment utiliser ce MCP dans les flows

Utilisation du 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 en utilisant ce format JSON :

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

Une fois configuré, l’agent IA pourra utiliser ce MCP comme un outil avec accès à toutes ses fonctions et capacités. Pensez à remplacer « rag-web-browser » par le nom réel de votre serveur MCP et à mettre à jour l’URL par celle de votre serveur.

Vue d’ensemble

D’après les tableaux ci-dessous, le serveur MCP RAG Web Browser est épuré et très ciblé pour les tâches d’interaction web, mais ne possède pas de primitives MCP plus larges comme les prompts et les ressources. Il fournit l’essentiel pour l’installation et une utilisation sécurisée, avec un outil principal robuste et bien documenté. Les supports Sampling et Roots ne sont pas mentionnés.

Notre avis

Le serveur MCP est ciblé et fonctionnel, idéal pour les scénarios nécessitant un accès aux données web dans des workflows LLM. Il est facile à installer, dispose d’une licence claire et jouit d’une popularité modérée. L’absence de modèles de prompt et de ressources explicites limite sa flexibilité pour les cas d’usage plus personnalisés ou complexes, mais pour la RAG et la recherche web en direct, il excelle. Score : 7/10

Score MCP