RAG Webブラウザ MCPサーバー

「RAG Webブラウザ」MCPサーバーとは？

RAG Webブラウザ MCPサーバーは、AIアシスタントや大規模言語モデル（LLM）がウェブとインタラクションし、ウェブページから最新情報を抽出できるように設計された専門ツールです。ローカルで動作し、RAG Webブラウザアクターとスタンバイモードで接続することで、AIエージェントとウェブコンテンツ間のシームレスな通信を実現します。主な機能はウェブ検索の実行、検索結果の上位N件のURLスクレイピング、そのクリーンなコンテンツをMarkdownとして返すことです。さらに、単一のURLからコンテンツを取得し、わかりやすいMarkdown形式で表示することもできます。これにより、LLMはライブウェブデータへのアクセス、要約、活用が可能となり、リサーチ、コンテンツ生成、ワークフロー自動化の能力が向上します。

プロンプト一覧

リポジトリやドキュメントには明示的なプロンプトテンプレートは記載されていません。

リソース一覧

利用可能なドキュメントやリポジトリファイルに明示的なリソースは定義されていません。

ツール一覧

• search:
  Google検索にクエリし、結果の上位N件URLをスクレイピングして、クリーンなコンテンツをMarkdownで返します。
  • 引数:
    • query (string, 必須): 検索ワードまたはURL
    • maxResults (number, 任意): スクレイピングする検索結果の最大数（デフォルト: 1）
    • scrapingTool (string, 任意): スクレイピングツールを選択（‘browser-playwright’または’raw-http’; デフォルト: ‘raw-http’）
    • outputFormats (array, 任意): 出力フォーマット（’text’, ‘markdown’, ‘html’; デフォルト: [‘markdown’]）
    • requestTimeoutSecs (number, 任意): リクエストの最大秒数（デフォルト: 40）

このMCPサーバーのユースケース

• 自動ウェブ検索
  AIエージェントがライブウェブ検索を実施し、上位結果から要約情報を取得できます。リサーチや最新情報の問い合わせに便利です。

• RAGパイプラインのためのコンテンツ抽出
  検索拡張生成（RAG）ワークフローに統合し、LLMのための信頼できる文脈としてウェブコンテンツを取り込めます。

• ウェブページの要約
  特定URLのコンテンツを取得・クリーン化し、開発者やLLMが素早く関連情報を取り込んで要約できます。

• マーケット／競合分析データ収集
  競合サイトや業界ニュースをスクレイピングし、ビジネスアプリ向けのリアルタイムインテリジェンスを提供します。

セットアップ方法

Windsurf

1. Node.jsとnpmがインストールされていることを確認してください。
2. Windsurfの設定ファイルを探します。
3. mcpServersオブジェクトにRAG Webブラウザ MCPサーバーを追加します:

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

4. 設定を保存してWindsurfを再起動します。
5. サーバーが稼働しアクセス可能か確認します。

APIキーのセキュリティ確保（例）

{
  "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. Node.jsとnpmが利用可能か確認します。
2. Claudeの設定ファイルを開きます。
3. 次のようにMCPサーバーを追加します:

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

4. 保存してClaudeを再起動します。
5. 正しく統合されているか確認します。

Cursor

1. 必要に応じてNode.jsとnpmをインストールします。
2. Cursorの設定ファイルを見つけます。
3. MCPサーバーを挿入します:

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

4. 設定を保存し、Cursorを再起動。
5. MCPツールにサーバーが表示されていることを確認します。

Cline

1. Node.jsとnpmがインストールされていることを確認します。
2. Clineの設定を編集します。
3. 次のJSONを追加します:

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

4. 保存してClineを再起動します。
5. MCPサーバー接続を検証します。

注意: APIキーのセキュリティにはWindsurf例のように環境変数を利用してください。

フロー内でこのMCPを利用する方法

FlowHuntでのMCP利用

FlowHuntワークフローにMCPサーバーを統合するには、まずMCPコンポーネントをフローに追加し、AIエージェントに接続します。

MCPコンポーネントをクリックすると設定パネルが開きます。システムMCP設定欄に以下のJSON形式でMCPサーバー情報を入力します。

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

設定が完了すると、AIエージェントはこのMCPの全機能をツールとして利用できるようになります。rag-web-browserはご自身のMCPサーバー名に、URLはご自身のMCPサーバーURLに置き換えてください。

概要

以下の表から、RAG Webブラウザ MCPサーバーはウェブ連携タスクに特化・最適化されていますが、プロンプトやリソースといったMCPの汎用的な機能はありません。セットアップや安全運用に必要な情報は十分にカバーされており、主力ツールのドキュメントも充実しています。サンプリングやRoots対応については記載がありません。

当社の見解

このMCPサーバーは、LLMワークフローでウェブデータを必要とするユースケースに最適な、シンプルかつ実用的な設計です。セットアップも簡単で、ライセンスも明確、人気も中程度。プロンプトテンプレートや明示的なリソースがないため、よりカスタマイズ性の高い用途には柔軟性がやや劣りますが、RAGやライブウェブ検索用途では非常に優れています。スコア：7/10

MCPスコア