Fetch MCP Server

Co robi serwer MCP „Fetch”?

Fetch MCP Server to elastyczny serwer Model Context Protocol (MCP) zaprojektowany do pobierania treści z internetu w różnych formatach, takich jak HTML, JSON, czysty tekst i Markdown. Działając jako most między asystentami AI a zewnętrznymi zasobami internetowymi, Fetch MCP umożliwia aplikacjom opartym na AI pobieranie i transformację danych z sieci na żądanie. Dzięki temu deweloperzy i agenci AI mogą włączać dynamiczne treści internetowe do swoich przepływów pracy — czy to do ekstrakcji danych, podsumowywania treści czy dalszego przetwarzania. Serwer obsługuje niestandardowe nagłówki żądań, wykorzystuje nowoczesne API fetch i oferuje narzędzia do analizy oraz konwersji danych z internetu, co czyni go wartościowym narzędziem przy realizacji zadań wymagających dostępu do informacji online w czasie rzeczywistym.

Lista Promptów

W repozytorium nie ma wzorców promptów.

Lista Zasobów

• Fetch MCP Server nie zapewnia żadnych trwałych zasobów. Jest zaprojektowany do pobierania i przetwarzania treści internetowych na żądanie.

Lista Narzędzi

• fetch_html
  Pobierz stronę internetową i zwróć treść jako HTML.
  Wejście: url (wymagane), headers (opcjonalne).
  Wyjście: Surowa treść HTML strony.

• fetch_json
  Pobierz plik JSON z adresu URL.
  Wejście: url (wymagane), headers (opcjonalne).
  Wyjście: Przeanalizowana zawartość JSON.

• fetch_txt
  Pobierz stronę internetową i zwróć treść jako czysty tekst (bez HTML).
  Wejście: url (wymagane), headers (opcjonalne).
  Wyjście: Czysty tekst z usuniętymi znacznikami HTML, skryptami i stylami.

• fetch_markdown
  Pobierz stronę i zwróć treść jako Markdown.
  Wejście: url (wymagane), headers (opcjonalne).
  Wyjście: Treść strony przekonwertowana do formatu Markdown.

Przykłady użycia tego serwera MCP

• Ekstrakcja treści z internetu
  Pobieranie HTML, JSON lub czystego tekstu ze stron publicznych do dalszej analizy lub podsumowania przez agenty AI.

• Transformacja treści
  Konwersja treści stron internetowych na format Markdown lub czysty tekst dla łatwiejszego wykorzystania lub integracji z narzędziami do notatek czy dokumentacji.

• Pobieranie danych z API
  Pobieranie uporządkowanych danych z publicznych API (w formacie JSON) na potrzeby przepływów pracy, pulpitów lub jako kontekst dla aplikacji opartych o LLM.

• Niestandardowe pozyskiwanie danych
  Wykorzystanie własnych nagłówków do pobierania treści z końcówek wymagających określonego uwierzytelnienia lub nagłówków, co umożliwia bardziej zaawansowane scenariusze pobierania danych.

• Analiza treści dla agentów AI
  Wyposażenie asystentów AI w możliwość analizy i wykorzystania na bieżąco treści z internetu podczas rozmów, badań lub automatyzacji.

Jak to skonfigurować

Windsurf

1. Upewnij się, że Node.js jest zainstalowany na Twoim systemie.
2. Sklonuj repozytorium Fetch MCP i zainstaluj zależności (npm install).
3. Zbuduj serwer poleceniem npm run build.
4. Dodaj poniższy fragment do pliku konfiguracyjnego Windsurf:

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

5. Zrestartuj Windsurf i upewnij się, że serwer MCP działa.

Zabezpieczanie kluczy API

Dodaj zmienne środowiskowe według potrzeb:

{
  "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. Upewnij się, że Node.js jest zainstalowany.
2. Wykonaj kroki konfiguracji repozytorium (klonowanie, instalacja, budowa).
3. Edytuj konfigurację MCP Claude:

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

4. Zapisz plik i zrestartuj Claude.
5. Upewnij się, że Fetch MCP Server jest dostępny.

Zabezpieczanie kluczy API

Zobacz sekcję Windsurf dla przykładu JSON.

Cursor

1. Zainstaluj Node.js.
2. Sklonuj i zbuduj Fetch MCP Server (npm install, npm run build).
3. Dodaj do konfiguracji MCP Cursor:

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

4. Zapisz i zrestartuj Cursor.
5. Zweryfikuj poprawność połączenia.

Zabezpieczanie kluczy API

Użyj tego samego formatu JSON dla zmiennych środowiskowych.

Cline

1. Upewnij się, że Node.js jest zainstalowany.
2. Sklonuj i zbuduj Fetch MCP Server.
3. Skonfiguruj Cline MCP:

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

4. Zrestartuj Cline i upewnij się, że serwer działa.

Zabezpieczanie kluczy API

Wzór konfiguracji jak wyżej.

Jak używać tego MCP w przepływach

Korzystanie z MCP w FlowHunt

Aby zintegrować serwery MCP z przepływem FlowHunt, zacznij od dodania komponentu MCP do swojego przepływu i połącz go ze swoim agentem AI:

Kliknij komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracji systemowej MCP wstaw dane swojego serwera MCP w tym formacie JSON:

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

Po skonfigurowaniu agent AI może korzystać z tego MCP jako narzędzia ze wszystkimi jego funkcjami i możliwościami. Pamiętaj, aby zamienić „fetch” na właściwą nazwę swojego serwera MCP oraz podać swój adres URL serwera MCP.

Podsumowanie

Oceniam Fetch MCP Server na mocne 7/10. Jest praktyczny, posiada czytelną dokumentację, właściwą licencję oraz wiele użytecznych narzędzi, ale brakuje mu wzorców promptów, trwałych zasobów oraz informacji o rootach i wsparciu sampling.

Ocena MCP