Wat doet de “Fetch” MCP Server?

De Fetch MCP Server is een flexibele Model Context Protocol (MCP) server die webinhoud kan ophalen in verschillende formaten, waaronder HTML, JSON, platte tekst en Markdown. Door te fungeren als brug tussen AI-assistenten en externe webbronnen, stelt Fetch MCP AI-gedreven applicaties in staat om webdata op aanvraag op te halen en te transformeren. Dit geeft ontwikkelaars en AI-agenten de mogelijkheid om dynamische webinhoud in hun workflows te integreren, of het nu gaat om data-extractie, inhoudssamenvatting of verdere verwerking. De server ondersteunt aangepaste request headers, maakt gebruik van moderne fetch-API’s en bevat tools voor het parsen en converteren van webdata. Hiermee is het een waardevolle aanvulling voor taken die realtime toegang tot online informatie vereisen.

Lijst van Prompts

Er worden geen prompt-templates genoemd in de repository.

Lijst van Resources

• De Fetch MCP Server biedt geen persistente resources. Hij is ontworpen om webinhoud op aanvraag op te halen en te transformeren.

Lijst van Tools

• fetch_html
  Haal een website op en geef de inhoud terug als HTML.
  Invoer: url (verplicht), headers (optioneel).
  Uitvoer: Ruwe HTML-inhoud van de webpagina.

• fetch_json
  Haal een JSON-bestand op van een URL.
  Invoer: url (verplicht), headers (optioneel).
  Uitvoer: Geparseerde JSON-inhoud.

• fetch_txt
  Haal een website op en geef de inhoud terug als platte tekst (zonder HTML).
  Invoer: url (verplicht), headers (optioneel).
  Uitvoer: Platte tekst waarbij HTML-tags, scripts en stijlen zijn verwijderd.

• fetch_markdown
  Haal een website op en geef de inhoud terug als Markdown.
  Invoer: url (verplicht), headers (optioneel).
  Uitvoer: Webpagina-inhoud omgezet naar Markdown-formaat.

Gebruikstoepassingen van deze MCP Server

• Webinhoud-extractie
  Haal HTML, JSON of platte tekst op van openbare websites voor verdere analyse of samenvatting door AI-agenten.

• Contenttransformatie
  Zet website-inhoud om naar Markdown- of platte tekstformaten voor eenvoudigere verwerking of integratie in notitie- en documentatietools.

• API Data-opvraging
  Haal gestructureerde gegevens op van openbare API’s (in JSON-formaat) voor gebruik in workflows, dashboards of als context voor LLM-gestuurde applicaties.

• Aangepaste gegevensverzameling
  Lever aangepaste headers om toegang te krijgen tot inhoud van endpoints die specifieke authenticatie of headers vereisen, wat meer geavanceerde data-opvragscenario’s mogelijk maakt.

• Contentparsing voor AI-agenten
  Voorzie AI-assistenten van het vermogen om live webinhoud te parsen en te gebruiken tijdens gesprekken, onderzoek of automatiseringstaken.

Hoe stel je het in

Windsurf

1. Zorg dat Node.js op je systeem is geïnstalleerd.
2. Clone de Fetch MCP repository en installeer de afhankelijkheden (npm install).
3. Bouw de server met npm run build.
4. Voeg het volgende toe aan je Windsurf-configuratiebestand:

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

5. Herstart Windsurf en controleer of de MCP-server draait.

API-sleutels beveiligen

Voeg indien nodig omgevingsvariabelen toe:

{
  "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. Zorg dat Node.js is geïnstalleerd.
2. Volg de repository-setupstappen (clonen, installeren, bouwen).
3. Bewerk de Claude MCP-configuratie:

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

4. Sla het bestand op en herstart Claude.
5. Controleer of de Fetch MCP Server beschikbaar is.

API-sleutels beveiligen

Zie het Windsurf-gedeelte voor het JSON-voorbeeld.

Cursor

1. Installeer Node.js.
2. Clone en bouw de Fetch MCP Server (npm install, npm run build).
3. Voeg toe aan de Cursor MCP-configuratie:

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

4. Sla op en herstart Cursor.
5. Valideer de succesvolle verbinding.

API-sleutels beveiligen

Gebruik hetzelfde JSON-formaat als hierboven voor omgevingsvariabelen.

Cline

1. Zorg dat Node.js is geïnstalleerd.
2. Clone en bouw de Fetch MCP Server.
3. Configureer Cline MCP met:

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

4. Herstart Cline en controleer of de server werkt.

API-sleutels beveiligen

Volg het vorige voorbeeld van de omgevingsvariabelen in JSON.

Hoe gebruik je deze MCP in flows

MCP gebruiken in FlowHunt

Om MCP-servers in je FlowHunt-workflow te integreren, begin je met het toevoegen van het MCP-component aan je flow en verbind je deze met je AI-agent:

Klik op het MCP-component om het configuratiepaneel te openen. Voeg in het systeem-MCP-configuratiegedeelte je MCP-servergegevens toe met het volgende JSON-formaat:

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

Na configuratie kan de AI-agent deze MCP nu als tool gebruiken met toegang tot alle functies en mogelijkheden. Vergeet niet “fetch” te vervangen door de daadwerkelijke naam van jouw MCP-server en de URL te wijzigen naar jouw eigen MCP-server URL.

Overzicht

Ik zou de Fetch MCP Server beoordelen als een solide 7/10. Het is praktisch, heeft duidelijke documentatie, een correcte licentie en meerdere nuttige tools, maar mist prompt-templates, persistente resources en informatie over roots of sampling-ondersteuning.

MCP Score