Fetch MCP Server

Cosa fa il server MCP “Fetch”?

Il Fetch MCP Server è un server Model Context Protocol (MCP) flessibile progettato per recuperare contenuti web in vari formati, inclusi HTML, JSON, testo semplice e Markdown. Agendo come ponte tra assistenti AI e risorse web esterne, Fetch MCP consente ad applicazioni guidate dall’AI di recuperare e trasformare dati web su richiesta. Questo permette a sviluppatori e agenti AI di incorporare contenuti web dinamici nei propri flussi, sia per estrazione dati, sintesi di contenuti o elaborazioni successive. Il server supporta header di richiesta personalizzati, sfrutta moderne API fetch e include strumenti per l’analisi e la conversione dei dati web, rendendolo una risorsa preziosa per attività che richiedono accesso in tempo reale alle informazioni online.

Elenco dei Prompt

Nessun template di prompt è menzionato nel repository.

Pronto a far crescere il tuo business?

Inizia oggi la tua prova gratuita e vedi i risultati in pochi giorni.

Richiedi demo Accedi

Elenco delle Risorse

• Il Fetch MCP Server non fornisce risorse persistenti. È progettato per recuperare e trasformare contenuti web su richiesta.

Elenco degli Strumenti

• fetch_html
  Recupera un sito web e restituisce il contenuto come HTML.
  Input: url (obbligatorio), headers (opzionale).
  Output: Contenuto HTML grezzo della pagina web.

• fetch_json
  Recupera un file JSON da un URL.
  Input: url (obbligatorio), headers (opzionale).
  Output: Contenuto JSON interpretato.

• fetch_txt
  Recupera un sito web e restituisce il contenuto come testo semplice (senza HTML).
  Input: url (obbligatorio), headers (opzionale).
  Output: Testo semplice con tag HTML, script e stili rimossi.

• fetch_markdown
  Recupera un sito web e restituisce il contenuto come Markdown.
  Input: url (obbligatorio), headers (opzionale).
  Output: Contenuto della pagina web convertito in formato Markdown.

Iscriviti alla nostra newsletter

Ricevi gratuitamente gli ultimi consigli, tendenze e offerte.

Indirizzo email

Iscriviti

Casi d’Uso di questo MCP Server

• Estrazione Contenuti Web
  Recupera HTML, JSON o testo semplice da siti pubblici per analisi o sintesi da parte di agenti AI.

• Trasformazione Contenuti
  Converte i contenuti di siti web in formato Markdown o testo semplice per un consumo più semplice o integrazione in strumenti di documentazione e note.

• Recupero Dati API
  Recupera dati strutturati da API pubbliche (in formato JSON) per flussi di lavoro, dashboard o come contesto per applicazioni LLM-driven.

• Raccolta Dati Personalizzata
  Fornisci header personalizzati per accedere a contenuti da endpoint che richiedono autenticazione o header specifici, abilitando scenari di recupero dati più avanzati.

• Parsing dei Contenuti per Agenti AI
  Permetti agli assistenti AI di analizzare e utilizzare contenuti web in tempo reale durante conversazioni, ricerche o attività di automazione.

Come configurarlo

Windsurf

1. Assicurati che Node.js sia installato sul tuo sistema.
2. Clona il repository Fetch MCP e installa le dipendenze (npm install).
3. Builda il server con npm run build.
4. Aggiungi quanto segue al tuo file di configurazione Windsurf:

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

5. Riavvia Windsurf e verifica che il server MCP sia attivo.

Protezione delle chiavi API

Inserisci le variabili d’ambiente come necessario:

{
  "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. Assicurati che Node.js sia installato.
2. Segui i passaggi di setup del repository (clona, installa, builda).
3. Modifica la configurazione MCP di Claude:

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

4. Salva il file e riavvia Claude.
5. Conferma che Fetch MCP Server sia disponibile.

Protezione delle chiavi API

Vedi la sezione Windsurf per l’esempio JSON.

Cursor

1. Installa Node.js.
2. Clona e builda il Fetch MCP Server (npm install, npm run build).
3. Aggiungi alla configurazione MCP di Cursor:

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

4. Salva e riavvia Cursor.
5. Valida la connessione riuscita.

Protezione delle chiavi API

Utilizza lo stesso formato JSON di sopra per le variabili d’ambiente.

Cline

1. Assicurati che Node.js sia installato.
2. Clona e builda il Fetch MCP Server.
3. Configura MCP su Cline con:

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

4. Riavvia Cline e verifica che il server sia funzionante.

Protezione delle chiavi API

Segui il precedente esempio JSON sulle variabili d’ambiente.

Come usare questo MCP nei flussi

Uso di MCP in FlowHunt

Per integrare server MCP nel tuo flusso FlowHunt, inizia aggiungendo il componente MCP al tuo flusso e collegandolo al tuo agente AI:

Fai clic sul componente MCP per aprire il pannello di configurazione. Nella sezione di configurazione MCP di sistema, inserisci i dettagli del tuo server MCP usando questo formato JSON:

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

Una volta configurato, l’agente AI sarà ora in grado di utilizzare questo MCP come strumento con accesso a tutte le sue funzioni e capacità. Ricorda di cambiare “fetch” con il nome effettivo del tuo server MCP e sostituire l’URL con quello del tuo server MCP.

Panoramica

Darei al Fetch MCP Server un solido 7/10. È pratico, ha documentazione chiara, una licenza adeguata e diversi strumenti utili, ma manca di template di prompt, risorse persistenti e informazioni su roots o supporto sampling.

Punteggio MCP