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 Actor 와 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.

비즈니스 성장 준비가 되셨나요?

오늘 무료 평가판을 시작하고 며칠 내로 결과를 확인하세요.

데모 요청 로그인

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)

뉴스레터 가입

최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.

이메일 주소

구독

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