Hva gjør “mcp-google-search” MCP Server?

mcp-google-search MCP Server er en Model Context Protocol-server som gjør det mulig for AI-assistenter å utføre nettsøk ved hjelp av Google Custom Search API og hente ut innhold fra nettsider. Ved å fungere som en bro mellom AI-klienter og nettets store ressursbase, lar den store språkmodeller (LLM-er) få tilgang til oppdatert informasjon, utføre forskning og utvide sin kunnskap med sanntidsdata. Serveren tilbyr verktøy både for nettsøk og lesing av nettsideinnhold, og er nyttig i en rekke utviklings- og agentbaserte arbeidsflyter hvor pålitelig tilgang til ekstern nettdata er nødvendig.

Liste over Prompter

Ingen eksplisitte prompt-maler er nevnt i tilgjengelig dokumentasjon.

Liste over Ressurser

Ingen eksplisitte ressurser er dokumentert i tilgjengelige filer eller README.

Liste over Verktøy

• search
  Utfører et nettsøk ved hjelp av Google Custom Search API. Lar deg spesifisere søkespørring og antall resultater (opptil 10). Returnerer strukturerte resultater med titler, lenker og utdrag for hvert resultat.

• read_webpage
  Henter og parser innholdet fra en angitt nettside-URL. Henter siden, fjerner skript og stilark, og returnerer den rensede tittelen, hovedteksten og URL-en for kontekstsensitiv behandling.

Bruksområder for denne MCP Serveren

• Nettsøk i sanntid
  Utviklere og AI-agenter kan få tilgang til den nyeste informasjonen fra nettet, og muliggjøre oppdaterte svar og forskning for kunnskapsintensive oppgaver.

• Faktasjekk og verifisering
  Ved å søke på pålitelige nettsteder og hente sideinnhold kan denne serveren hjelpe til med å verifisere fakta, påstander eller kilder i sanntid.

• Innholdsoppsummering
  AI-assistenter kan hente og lese artikler eller sider, og deretter oppsummere innholdet for brukere eller videre arbeidsflyter.

• Automatisert kunnskapsinnhenting
  Gjør det mulig å bygge agenter som autonomt henter inn informasjon fra flere nettbaserte kilder og setter sammen strukturerte rapporter eller datasett.

• Læring og utforsking
  Hjelper med utforsking av kodebaser eller teknisk læring ved å søke etter dokumentasjon, veiledninger eller relevante diskusjoner på nettet.

Hvordan sette det opp

Windsurf

1. Forutsetninger: Sørg for at Node.js og npm er installert.
2. Finn konfigurasjonen: Finn Windsurf-konfigurasjonsfilen din (som regel windsurf_config.json).
3. Legg til MCP-server: Sett inn følgende kodebit i mcpServers-objektet:

   {
     "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. Lagre & Start på nytt: Lagre konfigurasjonen og start Windsurf på nytt.
5. Verifiser: Sjekk at serveren kjører og er tilgjengelig som verktøy.

Claude

1. Forutsetninger: Installer Node.js og npm.
2. Installer via Smithery:
   Kjør:

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

3. Rediger konfigurasjon:
   På Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
   På Windows: %APPDATA%/Claude/claude_desktop_config.json
4. Sett inn JSON:

   {
     "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. Lagre & Start på nytt: Lagre endringene og start Claude Desktop på nytt.
6. Verifiser: Kontroller at MCP-serveren vises blant verktøyene dine.

Cursor

1. Forutsetninger: Node.js og npm installert.
2. Konfigurasjonsfil: Åpne Cursor-konfigurasjonen din (f.eks. cursor_config.json).
3. Legg til MCP-server:

   {
     "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. Lagre & Start på nytt: Lagre konfigurasjonen og start Cursor på nytt.
5. Verifiser: Sjekk serverens tilgjengelighet.

Cline

1. Forutsetninger: Node.js og npm.
2. Finn konfigurasjonen: Finn Cline-konfigurasjonsfilen din.
3. Oppdater MCP-servere:

   {
     "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. Lagre & Start på nytt: Lagre filen og start Cline på nytt.
5. Verifiser oppsett: Bekreft at MCP-serveren er lastet inn.

Merk:
Sikre alltid API-nøklene dine ved å bruke miljøvariabler slik det vises i "env"-blokken i JSON-eksemplene. Ikke legg API-nøkler i versjonskontroll.

Hvordan bruke denne MCP-en i flyter

Bruk av 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 systemets MCP-konfigurasjonsseksjon setter du inn MCP-serverdetaljene dine med dette JSON-formatet:

{
  "google-search": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

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

Oversikt

Basert på de to tabellene over, tilbyr mcp-google-search MCP Server kjernefunksjonaliteten for verktøy godt og er enkel å sette opp, men mangler dokumentasjon på promter, ressurser, røtter og sampling-støtte. Den vil få rundt 6/10 for total fullstendighet og utvikleropplevelse.

MCP Score