mcp-rquest MCP Server

Cosa fa il server MCP “mcp-rquest”?

Il mcp-rquest MCP Server è un server Model Context Protocol (MCP) progettato per fornire capacità avanzate di richieste HTTP simili a quelle di un browser per assistenti AI, tra cui Claude e altri grandi modelli linguistici. Basato sul motore rquest, permette ai modelli di interagire con siti web utilizzando fingerprint TLS, JA3/JA4 e HTTP/2 accurati come quelli dei browser, aiutando a superare le misure anti-bot più comuni e simulando una navigazione umana. Inoltre, il server supporta la conversione di documenti PDF e HTML in Markdown, facilitando l’ingestione e l’elaborazione di contenuti web e documentali da parte degli LLM. Offre anche archiviazione sicura delle risposte, gestione token-aware di risposte di grandi dimensioni e supporta vari metodi di autenticazione e personalizzazione delle richieste, rendendolo uno strumento potente per potenziare i flussi di lavoro di sviluppo AI che coinvolgono dati web e documentali.

Elenco dei Prompt

Nessun template di prompt specifico è menzionato nel repository.

Elenco delle Risorse

Nessuna risorsa esplicita è documentata nei file disponibili o nel README.

Elenco degli Strumenti

• http_get: Effettua richieste HTTP GET con parametri personalizzabili.
• http_post: Invia dati con richieste POST verso risorse web.
• http_put: Aggiorna risorse tramite richieste PUT.
• http_delete: Rimuove risorse dai server con richieste DELETE.
• http_patch: Applica aggiornamenti parziali alle risorse.
• http_head: Recupera solo le intestazioni di una risorsa web.
• http_options: Ottiene i metodi HTTP supportati da una risorsa.
• http_trace: Esegue il tracing diagnostico delle richieste HTTP.
• get_stored_response: Recupera risposte HTTP di grandi dimensioni precedentemente archiviate, con selezione facoltativa dell’intervallo di righe.

Casi d’Uso di questo MCP Server

• Web Scraping & Navigazione: Estrae dati in modo sicuro da siti web, anche protetti da sistemi anti-bot, simulando fingerprint realistici da browser.
• Test Automatici di API: Utilizza l’intero set di metodi HTTP per testare API REST, inclusa autenticazione e payload personalizzati.
• Conversione Documenti per LLM: Converte documenti HTML e PDF in Markdown, semplificando l’ingestione e l’elaborazione da parte degli LLM.
• Estrazione Dati da Siti Protetti: Accede ed estrae contenuti da siti che richiedono autenticazione, cookie o intestazioni personalizzate.
• Gestione di Grandi Risposte Web: Archivia e recupera risposte di grandi dimensioni per un’elaborazione incrementale o limitata da token da parte degli LLM.

Come configurarlo

Windsurf

1. Assicurati che Node.js e Python siano installati.
2. Apri il file di configurazione di Windsurf (ad es., windsurf.config.json).
3. Aggiungi il server MCP mcp-rquest alla sezione mcpServers:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

4. Salva le modifiche e riavvia Windsurf.
5. Verifica che mcp-rquest compaia tra i server MCP disponibili.

Claude

1. Apri il file di configurazione di Claude.
2. Inserisci il seguente frammento JSON nella sezione dei server MCP:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

3. Salva le modifiche e riavvia Claude.
4. Conferma che il server sia attivo e accessibile.

Cursor

1. Installa le dipendenze necessarie (Node.js, Python).
2. Modifica il file di configurazione di Cursor.
3. Aggiungi:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

4. Riavvia Cursor.
5. Verifica la connettività del server MCP.

Cline

1. Assicurati che le dipendenze siano installate.
2. Aggiorna il file di configurazione di Cline.
3. Inserisci:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

4. Salva e riavvia Cline.
5. Assicurati che il server MCP mcp-rquest sia operativo.

Metodi Sicuri per API Key

Per fornire in modo sicuro le chiavi API, utilizza variabili d’ambiente e richiamale nella tua configurazione:

{
  "mcpServers": {
    "mcp-rquest": {
      "command": "mcp-rquest",
      "args": ["server"],
      "env": {
        "MY_API_KEY": "${MY_API_KEY_ENV_VAR}"
      },
      "inputs": {
        "api_key": "${MY_API_KEY_ENV_VAR}"
      }
    }
  }
}

Sostituisci MY_API_KEY_ENV_VAR con il nome reale della variabile d’ambiente che contiene la chiave API.

Come utilizzare questo MCP nei flow

Utilizzo dell’MCP in FlowHunt

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

Clicca 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:

{
  "mcp-rquest": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Una volta configurato, l’agente AI potrà utilizzare questo MCP come strumento con accesso a tutte le sue funzioni e capacità. Ricorda di cambiare "mcp-rquest" con il vero nome del tuo server MCP e sostituire l’URL con quello del tuo MCP server.

Panoramica

Sulla base delle tabelle sopra, mcp-rquest è un server MCP specializzato e robusto per richieste HTTP, con copertura completa degli strumenti (tutti i verbi HTTP, conversione documenti, gestione grandi risposte), buona documentazione ed esempi pratici di configurazione. Tuttavia, mancano template di prompt documentati, risorse esplicite e informazioni su sampling o roots support. Complessivamente è un’utilità pratica e ben delimitata per sviluppatori AI, ma non un server ecosistema completo.

MCP Score

Valutazione complessiva: 6/10
Un MCP server tecnicamente solido e ben documentato per richieste HTTP e conversione documenti, ma privo di funzionalità MCP di livello superiore come template di prompt, esposizione di risorse e supporto per sampling/roots.