Wat doet de “mcp-google-search” MCP Server?

De mcp-google-search MCP Server is een Model Context Protocol-server die AI-assistenten in staat stelt webzoekopdrachten uit te voeren via de Google Custom Search API en content van webpagina’s te extraheren. Door als brug te fungeren tussen AI-clients en de enorme bronnen van het web, maakt het grote taalmodellen (LLM’s) mogelijk om actuele informatie te raadplegen, onderzoek te doen en hun kennis te verrijken met realtime data. De server biedt tools voor zowel webzoeken als het lezen van webpagina-inhoud, wat hem bruikbaar maakt voor uiteenlopende ontwikkel- en agentic workflows die betrouwbare toegang tot externe online data vereisen.

Lijst van Prompts

Er worden geen expliciete prompttemplates genoemd in de beschikbare documentatie.

Lijst van Bronnen

Er zijn geen expliciete bronnen gedocumenteerd in de beschikbare bestanden of README.

Lijst van Tools

• search
  Voert een webzoekopdracht uit via de Google Custom Search API. Hiermee kun je de zoekopdracht en het gewenste aantal resultaten (maximaal 10) opgeven. Geeft gestructureerde resultaten terug, waaronder titels, links en fragmenten per resultaat.

• read_webpage
  Extraheert en parseert de inhoud van een opgegeven webpagina-URL. Haalt de pagina op, verwijdert scripts en stijlen, en geeft de opgeschoonde titel, hoofdtekst en URL terug voor contextbewuste verwerking.

Use Cases van deze MCP Server

• Realtime webonderzoek
  Ontwikkelaars en AI-agenten kunnen de meest recente informatie van het web raadplegen, waardoor actuele antwoorden en onderzoek voor kennisintensieve taken mogelijk worden.

• Factchecking en verificatie
  Door te zoeken op betrouwbare websites en pagina-inhoud op te halen, kan deze server helpen feiten, claims of bronnen direct te verifiëren.

• Inhoudssamenvatting
  AI-assistenten kunnen artikelen of pagina’s ophalen en lezen, en vervolgens de inhoud samenvatten voor gebruikers of vervolgworkflows.

• Geautomatiseerde kennisvergaring
  Maakt het bouwen van agenten mogelijk die zelfstandig informatie verzamelen van meerdere webbronnen en gestructureerde rapporten of datasets samenstellen.

• Leren en verkennen
  Helpt bij het verkennen van codebases of technische kennis door te zoeken naar documentatie, handleidingen of relevante discussies op het web.

Hoe stel je het in

Windsurf

1. Vereisten: Zorg dat Node.js en npm geïnstalleerd zijn.
2. Configuratie zoeken: Zoek je Windsurf-configuratiebestand (meestal windsurf_config.json).
3. MCP Server toevoegen: Voeg het volgende fragment toe aan het mcpServers-object:

   {
     "google-search": {
       "command": "npx",
       "args": [
         "-y",
         "@adenot/mcp-google-search"
       ],
       "env": {
         "GOOGLE_API_KEY": "your-api-key-here",
         "GOOGLE_SEARCH_ENGINE_ID": "your-search-engine-id-here"
       }
     }
   }
   

4. Opslaan & herstarten: Sla de configuratie op en herstart Windsurf.
5. Controleren: Controleer of de server draait en beschikbaar is als tool.

Claude

1. Vereisten: Installeer Node.js en npm.
2. Installeren via Smithery:
   Voer uit:

   npx -y @smithery/cli install @adenot/mcp-google-search --client claude
   

3. Configuratie bewerken:
   Op Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
   Op Windows: %APPDATA%/Claude/claude_desktop_config.json
4. JSON toevoegen:

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "your-api-key-here",
           "GOOGLE_SEARCH_ENGINE_ID": "your-search-engine-id-here"
         }
       }
     }
   }
   

5. Opslaan & herstarten: Sla wijzigingen op en herstart Claude Desktop.
6. Controleren: Controleer of de MCP-server in je tools verschijnt.

Cursor

1. Vereisten: Node.js en npm geïnstalleerd.
2. Configuratiebestand: Open je Cursor-configuratie (bijv. cursor_config.json).
3. MCP Server toevoegen:

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "your-api-key-here",
           "GOOGLE_SEARCH_ENGINE_ID": "your-search-engine-id-here"
         }
       }
     }
   }
   

4. Opslaan & herstarten: Sla de configuratie op en herstart Cursor.
5. Controleren: Controleer de beschikbaarheid van de server.

Cline

1. Vereisten: Node.js en npm.
2. Configuratie zoeken: Zoek je Cline-configuratiebestand.
3. MCP Servers bijwerken:

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "your-api-key-here",
           "GOOGLE_SEARCH_ENGINE_ID": "your-search-engine-id-here"
         }
       }
     }
   }
   

4. Opslaan & herstarten: Sla het bestand op en herstart Cline.
5. Setup verifiëren: Bevestig dat de MCP-server geladen is.

Let op:
Beveilig je API-sleutels altijd met omgevingsvariabelen zoals getoond in het "env"-blok van de JSON-voorbeelden. Commit API-sleutels nooit naar versiebeheer.

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 koppel je deze aan je AI-agent:

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

{
  "google-search": {
    "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 “google-search” te wijzigen in de daadwerkelijke naam van je MCP-server en vervang de URL door je eigen MCP-server-URL.

Overzicht

Op basis van bovenstaande tabellen biedt de mcp-google-search MCP Server de kernfunctionaliteit van tools goed en is hij eenvoudig op te zetten, maar ontbreekt documentatie over prompts, bronnen, roots en sampling-ondersteuning. Voor volledigheid en ontwikkelaarservaring zou het een 6/10 scoren.

MCP Score