RAG Web Browser MCP Server

Co robi serwer MCP “RAG Web Browser”?

RAG Web Browser MCP Server to wyspecjalizowane narzędzie zaprojektowane do zapewnienia asystentom AI i dużym modelom językowym (LLM) możliwości interakcji z siecią i pozyskiwania najnowszych informacji ze stron internetowych. Działa lokalnie, łącząc się z RAG Web Browser Actor w trybie Standby, ułatwiając płynną komunikację pomiędzy agentami AI a treściami z internetu. Główne funkcje to przeprowadzanie wyszukiwań w sieci, scrapowanie N najlepszych adresów URL z wyników wyszukiwania oraz zwracanie ich wyczyszczonej zawartości jako Markdown. Dodatkowo umożliwia pobranie zawartości pojedynczego adresu URL i przedstawienie jej w przyjaznym formacie markdown. Dzięki temu LLM mogą uzyskiwać dostęp do danych na żywo, podsumowywać je i wykorzystywać w badaniach, generowaniu treści i automatyzacji przepływów pracy.

Lista promptów

W repozytorium ani dokumentacji nie wskazano żadnych szablonów promptów.

Lista zasobów

W dostępnej dokumentacji ani plikach repozytorium nie zdefiniowano żadnych zasobów.

Lista narzędzi

• search:
  Wykonuje zapytanie do Google Search, scrapuje N najlepszych adresów URL z wyników i zwraca ich wyczyszczoną treść jako Markdown.
  • Argumenty:
    • query (string, wymagane): Fraza wyszukiwania lub URL
    • maxResults (number, opcjonalne): Maksymalna liczba wyników do scrapowania (domyślnie: 1)
    • scrapingTool (string, opcjonalne): Wybierz narzędzie do scrapowania (‘browser-playwright’ lub ‘raw-http’; domyślnie: ‘raw-http’)
    • outputFormats (array, opcjonalne): Format wyjściowy (’text’, ‘markdown’, ‘html’; domyślnie: [‘markdown’])
    • requestTimeoutSecs (number, opcjonalne): Maksymalny czas na żądanie w sekundach (domyślnie: 40)

Zastosowania tego serwera MCP

• Automatyczne wyszukiwanie w sieci
  Umożliwiaj agentom AI przeprowadzanie wyszukiwań na żywo i pobieranie podsumowanych informacji z czołowych wyników — przydatne do badań i odpowiadania na aktualne pytania.

• Ekstrakcja treści do przepływów RAG
  Integruj się z workflow Retrieval-Augmented Generation (RAG), by pobierać i przetwarzać treści z internetu jako wiarygodny kontekst dla odpowiedzi LLM.

• Podsumowywanie stron internetowych
  Pobieraj i oczyszczaj zawartość wybranych adresów URL, by deweloperzy lub LLM mogli szybko przyswoić i podsumować kluczowe informacje.

• Zbieranie danych do analiz rynkowych/konkurencyjnych
  Używaj serwera do scrapowania stron konkurencji lub wiadomości rynkowych, dostarczając aktualne informacje dla zastosowań biznesowych.

Jak skonfigurować

Windsurf

1. Upewnij się, że Node.js i npm są zainstalowane.
2. Zlokalizuj plik konfiguracyjny Windsurf.
3. Dodaj RAG Web Browser MCP Server do obiektu mcpServers:

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

4. Zapisz konfigurację i zrestartuj Windsurf.
5. Zweryfikuj, czy serwer działa i jest dostępny.

Zabezpieczanie kluczy API (przykład)

{
  "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. Upewnij się, że Node.js i npm są dostępne.
2. Otwórz plik konfiguracyjny Claude.
3. Dodaj serwer MCP w następujący sposób:

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

4. Zapisz i zrestartuj Claude.
5. Sprawdź poprawność integracji.

Cursor

1. Zainstaluj Node.js i npm, jeśli to konieczne.
2. Znajdź plik konfiguracyjny Cursor.
3. Dodaj serwer MCP:

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

4. Zapisz konfigurację, zrestartuj Cursor.
5. Sprawdź, czy serwer pojawił się w narzędziach MCP.

Cline

1. Upewnij się, że Node.js i npm są zainstalowane.
2. Edytuj konfigurację Cline.
3. Dodaj poniższy JSON:

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

4. Zapisz i zrestartuj Cline.
5. Zweryfikuj połączenie z serwerem MCP.

Uwaga: Zabezpieczaj klucze API za pomocą zmiennych środowiskowych, jak w przykładzie Windsurf.

Jak używać tego MCP w przepływach

Używanie MCP w FlowHunt

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

Kliknij komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracji systemowej MCP wstaw dane serwera MCP używając tego formatu JSON:

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

Po skonfigurowaniu agent AI może korzystać z tego MCP jako narzędzia, mając dostęp do wszystkich jego funkcji i możliwości. Pamiętaj, aby zmienić “rag-web-browser” na faktyczną nazwę Twojego serwera MCP i zastąpić adres URL własnym.

Przegląd

Na podstawie poniższych tabel serwer RAG Web Browser MCP jest wyspecjalizowany i ukierunkowany na zadania związane z interakcją z siecią, ale nie posiada szerszych prymitywów MCP jak prompty i zasoby. Zapewnia wszystkie niezbędne elementy do konfiguracji i bezpiecznej pracy, z dobrze udokumentowanym głównym narzędziem. Sampling i Roots nie zostały wspomniane.

Nasza opinia

Serwer MCP jest skupiony i funkcjonalny, idealny do scenariuszy wymagających dostępu do danych z sieci w przepływach opartych o LLM. Łatwy w konfiguracji, z jasną licencją oraz umiarkowaną popularnością. Brak szablonów promptów i zasobów ogranicza elastyczność w bardziej niestandardowych lub złożonych przypadkach użycia, ale do zastosowań RAG i wyszukiwania na żywo sprawdza się znakomicie. Ocena: 7/10

Ocena MCP