Fetch MCP Server

Hva gjør “Fetch” MCP Server?

Fetch MCP Server er en fleksibel Model Context Protocol (MCP)-server utviklet for å hente nettinnhold i ulike formater, inkludert HTML, JSON, ren tekst og Markdown. Ved å fungere som en bro mellom AI-assistenter og eksterne nettressurser, gjør Fetch MCP det mulig for AI-drevne applikasjoner å hente og transformere nettdata ved behov. Dette gir utviklere og AI-agenter mulighet til å innlemme dynamisk nettinnhold i arbeidsflytene sine, enten det gjelder datauttrekk, innholdssammendrag eller videre bearbeiding. Serveren støtter egendefinerte forespørselshodere, benytter moderne fetch-API-er og inkluderer verktøy for parsing og konvertering av nettdata, noe som gjør den til en verdifull ressurs for oppgaver som krever sanntidstilgang til nettinformasjon.

Liste over Prompter

Ingen promptmaler er nevnt i depotet.

Klar til å vokse bedriften din?

Start din gratis prøveperiode i dag og se resultater i løpet av få dager.

Be om demo Logg inn

Liste over Ressurser

• Fetch MCP Server tilbyr ikke vedvarende ressurser. Den er laget for å hente og transformere nettinnhold ved behov.

Liste over Verktøy

• fetch_html
  Hent et nettsted og returner innholdet som HTML.
  Input: url (påkrevd), headers (valgfritt).
  Output: Rå HTML-innhold fra nettsiden.

• fetch_json
  Hent en JSON-fil fra en URL.
  Input: url (påkrevd), headers (valgfritt).
  Output: Parsede JSON-data.

• fetch_txt
  Hent et nettsted og returner innholdet som ren tekst (uten HTML).
  Input: url (påkrevd), headers (valgfritt).
  Output: Ren tekst der HTML-tags, skript og stiler er fjernet.

• fetch_markdown
  Hent et nettsted og returner innholdet som Markdown.
  Input: url (påkrevd), headers (valgfritt).
  Output: Nettsideinnhold konvertert til Markdown-format.

Bli med i vårt nyhetsbrev

Få de siste tipsene, trendene og tilbudene gratis.

E-postadresse

Abonner

Bruksområder for denne MCP-serveren

• Ekstrahering av nettinnhold
  Hent HTML, JSON eller ren tekst fra offentlige nettsteder for videre analyse eller sammendrag av AI-agenter.

• Innholdstransformasjon
  Konverter nettinnhold til Markdown- eller ren tekst-format for enklere bruk eller integrasjon i notat- og dokumentasjonsverktøy.

• API-datahenting
  Hent strukturert data fra offentlige API-er (i JSON-format) for bruk i arbeidsflyter, dashbord eller som kontekst for LLM-drevne applikasjoner.

• Egendefinert datainnhenting
  Send egendefinerte headere for å få tilgang til innhold fra endepunkter som krever spesifikk autentisering eller headere, og muliggjør mer avanserte innhentingsscenarier.

• Parsing av innhold for AI-agenter
  Gi AI-assistenter evnen til å parse og bruke levende nettinnhold under samtaler, forskning eller automatiseringsoppgaver.

Slik setter du det opp

Windsurf

1. Sørg for at Node.js er installert på systemet ditt.
2. Klon Fetch MCP-repositoriet og installer avhengigheter (npm install).
3. Bygg serveren med npm run build.
4. Legg følgende til Windsurf-konfigurasjonsfilen din:

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

5. Start Windsurf på nytt og verifiser at MCP-serveren kjører.

Sikre API-nøkler

Sett inn miljøvariabler etter behov:

{
  "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. Sørg for at Node.js er installert.
2. Følg repo-oppsettstegene (klon, installer, bygg).
3. Rediger Claude sin MCP-konfigurasjon:

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

4. Lagre filen og start Claude på nytt.
5. Bekreft at Fetch MCP Server er tilgjengelig.

Sikre API-nøkler

Se Windsurf-seksjonen for JSON-eksempel.

Cursor

1. Installer Node.js.
2. Klon og bygg Fetch MCP Server (npm install, npm run build).
3. Legg til i Cursors MCP-konfigurasjon:

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

4. Lagre og start Cursor på nytt.
5. Bekreft vellykket tilkobling.

Sikre API-nøkler

Bruk samme JSON-format som over for miljøvariabler.

Cline

1. Sørg for at Node.js er installert.
2. Klon og bygg Fetch MCP Server.
3. Konfigurer Cline MCP med:

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

4. Start Cline på nytt og verifiser at serveren fungerer.

Sikre API-nøkler

Følg forrige miljøvariabel-JSON-eksempel.

Slik bruker du denne MCP-en i flyter

Bruke MCP i FlowHunt

For å integrere MCP-servere i FlowHunt-arbeidsflyten din, start med å legge til MCP-komponenten i flyten og koble den til AI-agenten din:

Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I seksjonen for system-MCP-konfigurasjon, sett inn detaljer om din MCP-server med dette JSON-formatet:

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

Når dette er konfigurert, kan AI-agenten nå bruke denne MCP-en som et verktøy med tilgang til alle funksjoner og egenskaper. Husk å endre “fetch” til det faktiske navnet på din MCP-server og bytt ut URL-en med din egen MCP-server-URL.

Oversikt

Jeg vil vurdere Fetch MCP Server til en solid 7/10. Den er praktisk, har tydelig dokumentasjon, riktig lisens og flere nyttige verktøy, men mangler promptmaler, vedvarende ressurser og informasjon om røtter eller sampling-støtte.

MCP-score