Puppeteer Vision MCP-server

Hva gjør “Puppeteer Vision” MCP-server?

Puppeteer Vision MCP-server gjør det mulig for AI-assistenter å skrape og konvertere nettsider til Markdown-format ved å bruke Puppeteer, Readability og Turndown. Den tilbyr avansert AI-drevet interaksjon for automatisk å håndtere webelementer som cookie-bannere, CAPTCHAs, betalingsmurer m.m., og sikrer robust innholdsekstraksjon selv fra interaktive eller beskyttede sider. Serveren eksponerer denne funksjonaliteten via Model Context Protocol (MCP), noe som gjør den lett å integrere i AI-utviklingsflyter. Dette lar oppgaver som automatisert webskraping, innholdssammendrag og datainnhenting utføres sømløst av LLM-er. Serveren kan enkelt distribueres via npx, krever minimalt med konfigurasjon, og støtter både stdio- og SSE-kommunikasjon for fleksibel integrasjon.

Liste over promptmaler

Ingen promptmaler er nevnt i depotet eller dokumentasjonen.

Liste over ressurser

Ingen spesifikke MCP-ressurser er listet eller beskrevet i depotet eller dokumentasjonen.

Liste over verktøy

• scrape-webpage: Skraper en nettside på en angitt URL, bruker AI for å samhandle med og omgå interaktive elementer (som cookie-bannere eller CAPTCHAs), trekker ut hovedinnholdet med Readability, og konverterer resultatet til Markdown. Parametre inkluderer:
  • url (string, påkrevd): Nettsiden som skal skrapes.
  • autoInteract (boolean, valgfri, standard: true): Om interaktive elementer skal håndteres automatisk.
  • maxInteractionAttempts (number, valgfri, standard: 3): Maksimalt antall AI-interaksjonsforsøk.
  • waitForNetworkIdle (boolean, valgfri, standard: true): Vente til nettverket er inaktivt før skraping.

Bruksområder for denne MCP-serveren

• Automatisert webskraping for kunnskapsinnhenting
  Utviklere kan trekke ut lesbar, godt formatert Markdown fra vilkårlige nettsider, noe som gjør det enkelt å lese inn oppdatert innhold i AI-arbeidsflyter, databaser eller kunnskapsbaser.
• Omgåelse av interaktive barrierer
  Den AI-drevne interaksjonen kan automatisk omgå CAPTCHAs, cookie-bannere og andre interaktive hindringer, slik at innhold kan hentes ut sømløst fra sider som ellers ville blokkert automatisering.
• Sammendrag og innholdsanalyse
  Ekstrahert Markdown kan mates inn i LLM-er for sammendrag, sentimentanalyse eller klassifisering, og forenkler forskning og databehandling.
• Sanntids nettleserautomatisering
  Utviklere kan kjøre verktøyet i synlig (ikke-headless) modus for feilsøking, demonstrasjoner eller når visuell bekreftelse av nettleseraktivitet er nødvendig.
• Integrasjon i LLM-orkestreringspipelines
  Som MCP-server kan den brukes som komponent i orkestratorer som Windsurf, Claude, Cursor og Cline, og utvider AI-agenters mulighet til å samhandle med det levende nettet.

Slik setter du det opp

Windsurf

1. Forutsetninger: Installer Node.js og npm.

2. Miljøoppsett: Opprett en .env-fil eller eksporter nødvendige miljøvariabler, inkludert OPENAI_API_KEY.

3. Rediger konfigurasjon: Finn Windsurf sin konfigurasjonsfil.

4. Legg til Puppeteer Vision MCP: Sett inn følgende JSON-snutt:

   {
     "mcpServers": {
       "web-scraper": {
         "command": "npx",
         "args": ["-y", "puppeteer-vision-mcp-server"],
         "env": {
           "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY_HERE"
         }
       }
     }
   }
   

5. Lagre/start på nytt: Lagre filen og start Windsurf på nytt.

6. Bekreft: Sjekk logger eller UI for å bekrefte at MCP-serveren kjører.

Sikre API-nøkler:
Lagre hemmeligheter i miljøvariabler (f.eks. .env):

"env": {
  "OPENAI_API_KEY": "${OPENAI_API_KEY}"
}

Claude

1. Forutsetninger: Sørg for at Node.js og npm er installert.

2. Sett miljø: Forbered .env eller eksporter OPENAI_API_KEY og andre variabler.

3. Rediger konfigurasjon: Åpne Claude sin MCP-konfigurasjon.

4. Legg til MCP-serveren:

   {
     "mcpServers": {
       "web-scraper": {
         "command": "npx",
         "args": ["-y", "puppeteer-vision-mcp-server"],
         "env": {
           "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY_HERE"
         }
       }
     }
   }
   

5. Start Claude på nytt: Utfør endringene og start plattformen på nytt.

6. Bekreft: Kontroller at oppstarten var vellykket.

Cursor

1. Forutsetninger: Installer Node.js og npm.

2. Miljø: Sett opp .env med OpenAI API-nøkkelen.

3. Rediger Cursor-konfig: Legg til MCP-serveren som under:

   {
     "mcpServers": {
       "web-scraper": {
         "command": "npx",
         "args": ["-y", "puppeteer-vision-mcp-server"],
         "env": {
           "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY_HERE"
         }
       }
     }
   }
   

4. Lagre og start på nytt: Lagre endringer og start Cursor på nytt.

5. Sjekk logger: Kontroller at serveren kjører.

Cline

1. Forutsetninger: Installer Node.js og npm.

2. Miljø: Sett eller eksporter OPENAI_API_KEY.

3. Konfigurasjon: Legg til i Cline sin MCP-konfig:

   {
     "mcpServers": {
       "web-scraper": {
         "command": "npx",
         "args": ["-y", "puppeteer-vision-mcp-server"],
         "env": {
           "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY_HERE"
         }
       }
     }
   }
   

4. Start Cline på nytt: Utfør og start på nytt.

5. Bekreft: Kontroller at serveren er tilgjengelig.

Merk: Sikre API-nøkler via miljøvariabler og aldri hardkod hemmeligheter i konfigurasjonsfiler.

Slik bruker du MCP inne i flows

Bruk av MCP i FlowHunt

For å integrere MCP-servere i din FlowHunt-arbeidsflyt, begynn med å legge til MCP-komponenten i flyten og koble den til din AI-agent:

Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon, legg inn detaljene for din MCP-server med dette JSON-formatet:

{
  "puppeteer-vision": {
    "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 dens funksjoner og muligheter. Husk å endre “puppeteer-vision” til det faktiske navnet på din MCP-server, og bytt ut URL-en med din egen MCP-server-URL.

Oversikt

| Roots-støtte | ⛔ | Ingen omtale av Roots. |

Basert på det ovenstående tilbyr Puppeteer Vision MCP-server et robust og fokusert webskrapeverktøy med god dokumentasjon og sikkerhetsveiledning, men mangler flere verktøy, promptmaler, ressurser og avanserte MCP-funksjoner som roots eller sampling. Dens én-verktøy, ett-formål-design gir høy pålitelighet for bruksområdet sitt, men begrenser utvidbarheten.

Vår vurdering

MCP-score: 5/10
Denne MCP-serveren er godt dokumentert, nyttig for sitt spesifikke formål og enkel å sette opp, men mangelen på promptmaler, eksplisitte ressurser og avanserte MCP-funksjoner (roots, sampling) begrenser dens allsidighet og økosystemintegrasjon.

MCP-score