RAG Nettleser MCP Server

Hva gjør “RAG Nettleser” MCP Server?

RAG Nettleser MCP Server er et spesialisert verktøy laget for å gi AI-assistenter og store språkmodeller (LLM-er) mulighet til å samhandle med nettet og hente oppdatert informasjon fra nettsider. Serveren kjører lokalt og kobler seg til RAG Web Browser Actor i Standby-modus, noe som gir sømløs kommunikasjon mellom AI-agenter og nettinnhold. Hovedfunksjonene inkluderer å utføre nettsøk, skrape de øverste N-URL-ene fra søkeresultatene og returnere deres rensede innhold som Markdown. I tillegg kan den hente innholdet fra en enkelt URL og presentere det i et brukervennlig markdown-format. Dette gjør det mulig for LLM-er å få tilgang til, oppsummere og bruke levende nettdata, noe som forbedrer deres evner innen forskning, innholdsgenerering og automatisering av arbeidsflyter.

Liste over Prompter

Ingen promptmaler er eksplisitt nevnt i depotet eller dokumentasjonen.

Liste over ressurser

Ingen eksplisitte ressurser er definert i tilgjengelig dokumentasjon eller depotfiler.

Liste over verktøy

• search:
  Søk i Google Search, skrap de øverste N-URL-ene fra resultatene, og returner deres rensede innhold som Markdown.
  • Argumenter:
    • query (string, påkrevd): Søkebegrep eller URL
    • maxResults (number, valgfritt): Maksimalt antall søkeresultater som skal skrapes (standard: 1)
    • scrapingTool (string, valgfritt): Velg et skrape-verktøy (‘browser-playwright’ eller ‘raw-http’; standard: ‘raw-http’)
    • outputFormats (array, valgfritt): Utdataformater (’text’, ‘markdown’, ‘html’; standard: [‘markdown’])
    • requestTimeoutSecs (number, valgfritt): Maks tid i sekunder for forespørselen (standard: 40)

Bruksområder for denne MCP-serveren

• Automatisert nettsøk
  Gjør det mulig for AI-agenter å gjennomføre sanntidssøk og hente oppsummert informasjon fra de øverste resultatene, nyttig for forskning og besvare oppdaterte spørsmål.

• Innholdsekstraksjon for RAG-pipeliner
  Integrer med Retrieval-Augmented Generation (RAG)-arbeidsflyter for å hente og bearbeide nettinnhold som pålitelig kontekst for LLM-svar.

• Oppsummering av nettsider
  Hent og rens innholdet fra spesifikke URL-er, slik at utviklere eller LLM-er raskt kan hente ut og oppsummere relevant informasjon.

• Datainnsamling for markeds-/konkurrentanalyse
  Bruk serveren til å skrape konkurrenters sider eller markedsnyheter, og få sanntidsinnsikt for forretningsapplikasjoner.

Slik setter du det opp

Windsurf

1. Sørg for at Node.js og npm er installert.
2. Finn konfigurasjonsfilen for Windsurf.
3. Legg til RAG Nettleser MCP Server i mcpServers-objektet:

   {
     "mcpServers": {
       "rag-web-browser": {
         "command": "npx",
         "args": ["@apify/mcp-server-rag-web-browser@latest"]
       }
     }
   }
   

4. Lagre konfigurasjonen og start Windsurf på nytt.
5. Bekreft at serveren kjører og er tilgjengelig.

Sikre API-nøkler (eksempel)

{
  "mcpServers": {
    "rag-web-browser": {
      "command": "npx",
      "args": ["@apify/mcp-server-rag-web-browser@latest"],
      "env": {
        "APIFY_TOKEN": "process.env.APIFY_TOKEN"
      },
      "inputs": {
        "apiKey": "${APIFY_TOKEN}"
      }
    }
  }
}

Claude

1. Bekreft at Node.js og npm er tilgjengelig.
2. Åpne Claudes konfigurasjonsfil.
3. Legg til MCP-serveren slik:

   {
     "mcpServers": {
       "rag-web-browser": {
         "command": "npx",
         "args": ["@apify/mcp-server-rag-web-browser@latest"]
       }
     }
   }
   

4. Lagre og start Claude på nytt.
5. Sjekk at integrasjonen fungerer korrekt.

Cursor

1. Installer Node.js og npm hvis nødvendig.
2. Finn Cursors konfigurasjonsfil.
3. Sett inn MCP-serveren:

   {
     "mcpServers": {
       "rag-web-browser": {
         "command": "npx",
         "args": ["@apify/mcp-server-rag-web-browser@latest"]
       }
     }
   }
   

4. Lagre konfigurasjonen og start Cursor på nytt.
5. Bekreft at serveren vises blant MCP-verktøyene.

Cline

1. Sørg for at Node.js og npm er installert.
2. Rediger Clines konfigurasjon.
3. Legg til følgende JSON:

   {
     "mcpServers": {
       "rag-web-browser": {
         "command": "npx",
         "args": ["@apify/mcp-server-rag-web-browser@latest"]
       }
     }
   }
   

4. Lagre og start Cline på nytt.
5. Valider MCP-servertilkoblingen.

Merk: Sikre API-nøklene dine ved å bruke miljøvariabler som vist i Windsurf-eksempelet.

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 systemets MCP-konfigurasjonsseksjon legger du inn MCP-serverdetaljene dine med dette JSON-formatet:

{
  "rag-web-browser": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

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

Oversikt

Basert på tabellene under er RAG Nettleser MCP Server strømlinjeformet og svært målrettet for nettinteraksjon, men mangler bredere MCP-primitiver som prompter og ressurser. Den gir alle nødvendige elementer for oppsett og sikker drift, med et solid, godt dokumentert hovedverktøy. Sampling- og Roots-støtte er ikke nevnt.

Vår mening

MCP-serveren er fokusert og funksjonell, ideell for scenarioer som trenger tilgang til nettdata i LLM-arbeidsflyter. Den er enkel å sette opp, har en klar lisens og er moderat populær. Fraværet av promptmaler og eksplisitte ressurser begrenser fleksibiliteten for mer tilpassede eller komplekse brukstilfeller, men for RAG og sanntidssøk på nettet utmerker den seg. Poengsum: 7/10

MCP-poeng