mcp-rquest MCP Server

Co robi serwer MCP “mcp-rquest”?

mcp-rquest MCP Server to serwer Model Context Protocol (MCP) zaprojektowany do zapewniania zaawansowanych, przeglądarkopodobnych możliwości wykonywania żądań HTTP dla asystentów AI, takich jak Claude i innych dużych modeli językowych. Bazując na silniku rquest, umożliwia modelom interakcję ze stronami internetowymi, korzystając z realistycznych odcisków przeglądarki TLS, JA3/JA4 oraz HTTP/2, co pomaga omijać typowe zabezpieczenia antybotowe i symuluje ludzkie przeglądanie. Dodatkowo serwer obsługuje konwersję dokumentów PDF i HTML do Markdown, ułatwiając przetwarzanie treści webowych i dokumentowych przez LLM. Posiada także funkcje bezpiecznego przechowywania odpowiedzi, obsługę dużych odpowiedzi z uwzględnieniem tokenów i różne opcje uwierzytelniania oraz personalizacji żądań, czyniąc go potężnym narzędziem do rozwoju workflow AI opartych o sieć i dokumenty.

Lista szablonów promptów

W repozytorium nie wymieniono żadnych konkretnych szablonów promptów.

Lista zasobów

W dostępnych plikach oraz README nie udokumentowano żadnych jawnych zasobów.

Lista narzędzi

• http_get: Wykonaj żądania HTTP GET z możliwością dostosowania parametrów.
• http_post: Przesyłaj dane metodą POST do zasobów webowych.
• http_put: Aktualizuj zasoby za pomocą żądań PUT.
• http_delete: Usuwaj zasoby z serwerów przy użyciu DELETE.
• http_patch: Stosuj częściowe aktualizacje do zasobów.
• http_head: Pobieraj wyłącznie nagłówki z zasobu webowego.
• http_options: Pobieraj obsługiwane metody HTTP dla danego zasobu.
• http_trace: Wykonuj diagnostyczne śledzenie żądań HTTP.
• get_stored_response: Pobieraj duże, wcześniej zapisane odpowiedzi HTTP, z opcjonalnym wyborem zakresu linii.

Przykładowe zastosowania tego serwera MCP

• Web scraping i przeglądanie: Bezpieczne pobieranie danych ze stron, także chronionych antybotami, poprzez emulację realistycznych odcisków przeglądarki.
• Automatyczne testowanie API: Wykorzystanie pełnego zestawu metod HTTP do testowania REST API, uwzględniając uwierzytelnianie i niestandardowe payloady.
• Konwersja dokumentów dla LLM: Przekształcanie dokumentów HTML i PDF do formatu Markdown, aby ułatwić przetwarzanie przez LLM.
• Ekstrakcja danych z zabezpieczonych stron: Dostęp i pobieranie treści ze stron wymagających uwierzytelnienia, cookies czy niestandardowych nagłówków.
• Obsługa dużych odpowiedzi webowych: Przechowywanie i pobieranie dużych odpowiedzi na potrzeby inkrementalnego lub tokenowo ograniczonego przetwarzania przez LLM.

Jak to skonfigurować

Windsurf

1. Upewnij się, że masz zainstalowane Node.js i Pythona.
2. Otwórz swój plik konfiguracyjny Windsurf (np. windsurf.config.json).
3. Dodaj serwer mcp-rquest MCP do sekcji mcpServers:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

4. Zapisz zmiany i zrestartuj Windsurf.
5. Zweryfikuj, czy mcp-rquest pojawił się w dostępnych serwerach MCP.

Claude

1. Otwórz plik konfiguracyjny Claude.
2. Wstaw poniższy fragment JSON do sekcji serwerów MCP:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

3. Zapisz zmiany i zrestartuj Claude.
4. Potwierdź, że serwer działa i jest dostępny.

Cursor

1. Zainstaluj wymagane zależności (Node.js, Python).
2. Edytuj plik konfiguracyjny Cursor.
3. Dodaj:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

4. Zrestartuj Cursor.
5. Przetestuj połączenie z serwerem MCP.

Cline

1. Upewnij się, że zależności są zainstalowane.
2. Zaktualizuj plik konfiguracyjny Cline.
3. Wstaw:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

4. Zapisz i zrestartuj Cline.
5. Upewnij się, że serwer mcp-rquest MCP jest operacyjny.

Bezpieczne przekazywanie kluczy API

Aby bezpiecznie przekazać klucze API, użyj zmiennych środowiskowych i odwołaj się do nich w konfiguracji:

{
  "mcpServers": {
    "mcp-rquest": {
      "command": "mcp-rquest",
      "args": ["server"],
      "env": {
        "MY_API_KEY": "${MY_API_KEY_ENV_VAR}"
      },
      "inputs": {
        "api_key": "${MY_API_KEY_ENV_VAR}"
      }
    }
  }
}

Zamień MY_API_KEY_ENV_VAR na rzeczywistą nazwę zmiennej środowiskowej przechowującą Twój klucz API.

Jak użyć tego MCP we flows

Użycie MCP w FlowHunt

Aby zintegrować serwery MCP w swoim workflow FlowHunt, rozpocznij od dodania komponentu MCP do swojego flow i połącz go z agentem AI:

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

{
  "mcp-rquest": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po skonfigurowaniu agent AI będzie mógł korzystać z tego MCP jako narzędzia z dostępem do wszystkich jego funkcji i możliwości. Pamiętaj, aby zmienić "mcp-rquest" na faktyczną nazwę swojego serwera MCP i podmienić URL na adres swojego serwera MCP.

Przegląd

Na podstawie powyższych tabel mcp-rquest to skoncentrowany i solidny serwer MCP do żądań HTTP z pełną obsługą narzędzi (wszystkie metody HTTP, konwersja dokumentów, obsługa dużych odpowiedzi), dobrą dokumentacją i praktycznymi przykładami konfiguracji. Brakuje mu jednak udokumentowanych szablonów promptów, jawnych zasobów oraz informacji o sampling/roots. Ogólnie to praktyczne, dobrze zdefiniowane narzędzie dla deweloperów AI, choć nie jest pełnym ekosystemem MCP.

Ocena MCP

Ocena końcowa: 6/10
Technicznie solidny, dobrze udokumentowany serwer MCP do żądań HTTP i konwersji dokumentów, ale brakuje mu wyższych funkcji MCP jak szablony promptów, ekspozycja zasobów oraz wsparcie sampling/roots.