Fetch MCP Server

O que faz o servidor MCP “Fetch”?

O Fetch MCP Server é um servidor flexível Model Context Protocol (MCP) projetado para buscar conteúdo web em vários formatos, incluindo HTML, JSON, texto simples e Markdown. Atuando como uma ponte entre assistentes de IA e recursos web externos, o Fetch MCP permite que aplicações orientadas por IA recuperem e transformem dados web sob demanda. Isso capacita desenvolvedores e agentes de IA a incorporar conteúdo dinâmico da web em seus fluxos de trabalho, seja para extração de dados, sumarização de conteúdo ou processamento adicional. O servidor suporta cabeçalhos de requisição personalizados, utiliza APIs modernas de fetch e inclui ferramentas para análise e conversão de dados web, tornando-se um recurso valioso para tarefas que exigem acesso em tempo real a informações online.

Lista de Prompts

Não há modelos de prompt mencionados no repositório.

Lista de Recursos

• O Fetch MCP Server não fornece recursos persistentes. Ele foi projetado para buscar e transformar conteúdo web sob demanda.

Lista de Ferramentas

• fetch_html
  Busca um site e retorna o conteúdo como HTML.
  Entrada: url (obrigatório), headers (opcional).
  Saída: Conteúdo HTML bruto da página.

• fetch_json
  Busca um arquivo JSON de uma URL.
  Entrada: url (obrigatório), headers (opcional).
  Saída: Conteúdo JSON analisado.

• fetch_txt
  Busca um site e retorna o conteúdo como texto simples (sem HTML).
  Entrada: url (obrigatório), headers (opcional).
  Saída: Texto simples com tags HTML, scripts e estilos removidos.

• fetch_markdown
  Busca um site e retorna o conteúdo como Markdown.
  Entrada: url (obrigatório), headers (opcional).
  Saída: Conteúdo da página convertido para o formato Markdown.

Casos de Uso deste MCP Server

• Extração de Conteúdo Web
  Recupere o HTML, JSON ou texto simples de sites públicos para análise ou sumarização por agentes de IA.

• Transformação de Conteúdo
  Converta conteúdo de sites em formatos Markdown ou texto simples para facilitar o consumo ou integração em ferramentas de anotações e documentação.

• Recuperação de Dados de API
  Busque dados estruturados de APIs públicas (em formato JSON) para uso em fluxos de trabalho, dashboards ou como contexto para aplicações baseadas em LLM.

• Coleta de Dados Personalizada
  Forneça cabeçalhos personalizados para acessar conteúdo de endpoints que exigem autenticação específica ou headers, habilitando cenários avançados de busca de dados.

• Análise de Conteúdo para Agentes de IA
  Capacite assistentes de IA a analisar e utilizar conteúdo web em tempo real durante conversas, pesquisas ou tarefas de automação.

Como configurar

Windsurf

1. Certifique-se de que o Node.js está instalado em seu sistema.
2. Clone o repositório Fetch MCP e instale as dependências (npm install).
3. Construa o servidor com npm run build.
4. Adicione o seguinte ao seu arquivo de configuração do Windsurf:

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

5. Reinicie o Windsurf e verifique se o servidor MCP está em execução.

Protegendo Chaves de API

Insira variáveis de ambiente conforme necessário:

{
  "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. Certifique-se de que o Node.js está instalado.
2. Siga os passos do repositório (clone, instale, construa).
3. Edite a configuração MCP do Claude:

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

4. Salve o arquivo e reinicie o Claude.
5. Confirme que o Fetch MCP Server está disponível.

Protegendo Chaves de API

Veja a seção Windsurf para o exemplo em JSON.

Cursor

1. Instale o Node.js.
2. Clone e construa o Fetch MCP Server (npm install, npm run build).
3. Adicione à configuração MCP do Cursor:

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

4. Salve e reinicie o Cursor.
5. Valide a conexão com sucesso.

Protegendo Chaves de API

Use o mesmo formato JSON acima para variáveis de ambiente.

Cline

1. Certifique-se de que o Node.js está instalado.
2. Clone e construa o Fetch MCP Server.
3. Configure o Cline MCP com:

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

4. Reinicie o Cline e verifique se o servidor está funcionando.

Protegendo Chaves de API

Siga o exemplo anterior de variáveis de ambiente em JSON.

Como usar este MCP em flows

Usando MCP no FlowHunt

Para integrar servidores MCP ao seu fluxo FlowHunt, comece adicionando o componente MCP ao seu fluxo e conectando-o ao seu agente de IA:

Clique no componente MCP para abrir o painel de configuração. Na seção de configuração do sistema MCP, insira os detalhes do seu servidor MCP usando este formato JSON:

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

Uma vez configurado, o agente de IA poderá usar este MCP como uma ferramenta, com acesso a todas as suas funções e capacidades. Lembre-se de trocar “fetch” pelo nome real do seu servidor MCP e substituir a URL pela URL do seu servidor MCP.

Visão Geral

Eu avaliaria o Fetch MCP Server como um sólido 7/10. Ele é prático, tem documentação clara, licença adequada e várias ferramentas úteis, mas carece de modelos de prompt, recursos persistentes e informações sobre roots ou suporte a amostragem.

Pontuação MCP