RAG 웹 브라우저 MCP 서버

“RAG 웹 브라우저” MCP 서버란 무엇인가요?

RAG 웹 브라우저 MCP 서버는 AI 어시스턴트와 대형 언어 모델(LLM)이 웹과 상호작용하고 웹 페이지에서 최신 정보를 추출할 수 있도록 설계된 특화 도구입니다. 이 서버는 로컬에서 동작하며 RAG Web Browser Actor와 Standby 모드로 연결되어 AI 에이전트와 웹 콘텐츠 간 원활한 통신을 지원합니다. 주요 기능으로는 웹 검색 수행, 검색 결과 상위 N개의 URL 스크래핑, 정제된 콘텐츠를 Markdown으로 반환하는 작업이 있습니다. 또한 특정 URL의 콘텐츠를 가져와 사용자 친화적인 마크다운 형식으로 제공할 수 있습니다. 이를 통해 LLM이 실시간 웹 데이터를 접근, 요약, 활용하여 연구, 콘텐츠 생성, 워크플로우 자동화 역량을 강화할 수 있습니다.

프롬프트 목록

저장소나 문서에 명시적으로 언급된 프롬프트 템플릿은 없습니다.

리소스 목록

공식 문서나 저장소 파일에 명시된 리소스는 없습니다.

도구 목록

• search:
  구글 검색 쿼리 후 결과 상위 N개 URL을 스크래핑하여 정제된 콘텐츠를 Markdown으로 반환합니다.
  • 인자:
    • query (string, 필수): 검색어 또는 URL
    • maxResults (number, 선택): 스크래핑할 최대 검색 결과 수 (기본값: 1)
    • scrapingTool (string, 선택): 스크래핑 도구 선택 (‘browser-playwright’ 또는 ‘raw-http’; 기본값: ‘raw-http’)
    • outputFormats (array, 선택): 출력 포맷 (’text’, ‘markdown’, ‘html’; 기본값: [‘markdown’])
    • requestTimeoutSecs (number, 선택): 요청 최대 시간(초) (기본값: 40)

주요 활용 사례

• 자동화된 웹 검색
  AI 에이전트가 실시간 웹 검색을 수행하고, 상위 결과에서 요약 정보를 받아 연구나 최신 질의 응답에 활용할 수 있습니다.

• RAG 파이프라인용 콘텐츠 추출
  Retrieval-Augmented Generation(RAG) 워크플로우와 통합하여 웹 콘텐츠를 신뢰할 수 있는 컨텍스트로 LLM 응답에 활용할 수 있습니다.

• 웹 페이지 요약
  특정 URL의 콘텐츠를 가져와 정제하여 개발자나 LLM이 신속히 정보 요약에 활용할 수 있습니다.

• 시장/경쟁사 분석용 데이터 수집
  경쟁사 사이트나 시장 뉴스를 스크래핑하여 실시간 비즈니스 인텔리전스를 제공할 수 있습니다.

설치 방법

Windsurf

1. Node.js와 npm이 설치되어 있는지 확인하세요.
2. Windsurf 설정 파일을 찾으세요.
3. mcpServers 객체에 RAG 웹 브라우저 MCP 서버를 추가하세요:

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

4. 설정을 저장한 뒤 Windsurf를 재시작하세요.
5. 서버가 정상적으로 동작하는지 확인하세요.

API 키 보안 (예시)

{
  "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.js와 npm이 사용 가능한지 확인하세요.
2. Claude의 설정 파일을 여세요.
3. MCP 서버를 다음과 같이 추가하세요:

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

4. 저장 후 Claude를 재시작하세요.
5. 통합이 정상적으로 이루어졌는지 확인하세요.

Cursor

1. Node.js와 npm이 설치되어 있는지 확인하세요.
2. Cursor의 설정 파일을 찾으세요.
3. MCP 서버를 추가하세요:

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

4. 설정 저장 후 Cursor를 재시작하세요.
5. MCP 도구 목록에서 서버가 보이는지 확인하세요.

Cline

1. Node.js와 npm이 설치되어 있는지 확인하세요.
2. Cline의 설정을 수정하세요.
3. 다음 JSON을 추가하세요:

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

4. 저장 후 Cline을 재시작하세요.
5. MCP 서버 연결이 정상인지 검증하세요.

참고: Windsurf 예시처럼 환경 변수를 사용해 API 키를 안전하게 관리하세요.

FlowHunt 플로우에서 MCP 활용 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, 플로우에 MCP 컴포넌트를 추가하고 AI 에이전트와 연결하세요:

MCP 컴포넌트를 클릭하여 설정 패널을 여세요. 시스템 MCP 설정 섹션에서 다음 JSON 형식으로 MCP 서버 정보를 입력합니다:

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

설정이 완료되면, AI 에이전트는 MCP의 모든 기능에 접근할 수 있습니다. “rag-web-browser” 부분을 실제 MCP 서버 이름으로, URL도 본인의 MCP 서버 주소로 변경하세요.

개요

아래 표를 기준으로 RAG 웹 브라우저 MCP 서버는 웹 상호작용에 최적화되어 있으나 프롬프트, 리소스 등 일반적인 MCP의 다양한 기능은 부족합니다. 대신, 설치 및 보안 운영에 필요한 필수 사항과 강력한 주요 도구를 잘 제공합니다. 샘플링/루트 지원은 언급되지 않았습니다.

의견

이 MCP 서버는 웹 데이터 접근이 필요한 LLM 워크플로우에 집중되어 있으며, 설치가 쉽고 라이선스가 명확하며 적당한 인기를 보이고 있습니다. 프롬프트 템플릿 및 리소스의 부재는 맞춤형·복잡한 사용에 제약이 될 수 있지만, RAG 및 실시간 웹 검색 용도에는 탁월합니다. 점수: 7/10

MCP 점수