mcp-google-search MCP Server

O que faz o servidor MCP “mcp-google-search”?

O mcp-google-search MCP Server é um servidor Model Context Protocol que permite a assistentes de IA realizarem buscas na web utilizando a Google Custom Search API e extrair conteúdo de páginas web. Ao atuar como ponte entre clientes de IA e os vastos recursos da internet, ele possibilita que grandes modelos de linguagem (LLMs) acessem informações atualizadas, façam pesquisas e ampliem seu conhecimento com dados em tempo real. O servidor expõe ferramentas tanto para busca na web quanto para leitura de conteúdos de páginas, tornando-se útil para diversos fluxos de desenvolvimento e workflows agentivos que necessitam de acesso confiável a dados online externos.

Lista de Prompts

Não há modelos de prompt explícitos mencionados na documentação disponível.

Lista de Recursos

Não há recursos explícitos documentados nos arquivos disponíveis ou no README.

Lista de Ferramentas

• search
  Realiza uma busca na web usando a Google Custom Search API. Permite especificar o termo de busca e o número de resultados (até 10). Retorna resultados estruturados incluindo títulos, links e trechos de cada resultado.

• read_webpage
  Extrai e interpreta o conteúdo de uma URL fornecida. Busca a página, remove scripts e estilos, e retorna o título limpo, texto principal e URL para processamento contextual.

Casos de uso deste Servidor MCP

• Pesquisa Web em Tempo Real
  Desenvolvedores e agentes de IA podem acessar as informações mais recentes da web, fornecendo respostas e pesquisas atualizadas para tarefas intensivas em conhecimento.

• Checagem e Verificação de Fatos
  Ao buscar em sites confiáveis e obter conteúdo de páginas, este servidor pode ajudar a verificar fatos, afirmações ou fontes em tempo real.

• Resumir Conteúdo
  Assistentes de IA podem buscar e ler artigos ou páginas, e então resumir seu conteúdo para usuários ou fluxos de trabalho subsequentes.

• Coleta Automatizada de Conhecimento
  Permite a construção de agentes que coletam informações de múltiplas fontes web de forma autônoma, compilando relatórios ou conjuntos de dados estruturados.

• Aprendizado e Exploração
  Auxilia na exploração de bases de código ou aprendizado técnico ao buscar por documentação, tutoriais ou discussões relevantes na internet.

Como configurar

Windsurf

1. Pré-requisitos: Certifique-se de que Node.js e npm estão instalados.
2. Localize a Configuração: Encontre o arquivo de configuração do Windsurf (normalmente windsurf_config.json).
3. Adicione o Servidor MCP: Insira o seguinte trecho no objeto mcpServers:

   {
     "google-search": {
       "command": "npx",
       "args": [
         "-y",
         "@adenot/mcp-google-search"
       ],
       "env": {
         "GOOGLE_API_KEY": "sua-api-key-aqui",
         "GOOGLE_SEARCH_ENGINE_ID": "seu-search-engine-id-aqui"
       }
     }
   }
   

4. Salve & Reinicie: Salve a configuração e reinicie o Windsurf.
5. Verifique: Confirme que o servidor está rodando e disponível como ferramenta.

Claude

1. Pré-requisitos: Instale Node.js e npm.
2. Instale via Smithery:
   Execute:

   npx -y @smithery/cli install @adenot/mcp-google-search --client claude
   

3. Edite a Configuração:
   No Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
   No Windows: %APPDATA%/Claude/claude_desktop_config.json
4. Insira o JSON:

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "sua-api-key-aqui",
           "GOOGLE_SEARCH_ENGINE_ID": "seu-search-engine-id-aqui"
         }
       }
     }
   }
   

5. Salve & Reinicie: Salve as alterações e reinicie o Claude Desktop.
6. Verifique: Garanta que o servidor MCP aparece nas suas ferramentas.

Cursor

1. Pré-requisitos: Node.js e npm instalados.
2. Arquivo de Configuração: Abra o config do Cursor (ex: cursor_config.json).
3. Adicione o Servidor MCP:

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "sua-api-key-aqui",
           "GOOGLE_SEARCH_ENGINE_ID": "seu-search-engine-id-aqui"
         }
       }
     }
   }
   

4. Salve & Reinicie: Salve o config e reinicie o Cursor.
5. Verifique: Confira a disponibilidade do servidor.

Cline

1. Pré-requisitos: Node.js e npm.
2. Localize o Config: Encontre o arquivo de configuração do Cline.
3. Atualize os Servidores MCP:

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "sua-api-key-aqui",
           "GOOGLE_SEARCH_ENGINE_ID": "seu-search-engine-id-aqui"
         }
       }
     }
   }
   

4. Salve & Reinicie: Salve o arquivo e reinicie o Cline.
5. Verifique a Instalação: Confirme se o servidor MCP foi carregado.

Nota:
Sempre proteja suas chaves de API usando variáveis de ambiente, conforme mostrado no bloco "env" nos exemplos de JSON. Não faça commit das chaves em controle de versão.

Como usar este MCP em fluxos

Usando MCP no FlowHunt

Para integrar servidores MCP no seu fluxo do 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 dados do seu servidor MCP usando este formato JSON:

{
  "google-search": {
    "transport": "streamable_http",
    "url": "https://seumcpserver.exemplo/caminhoparamcp/url"
  }
}

Depois de configurado, o agente de IA poderá usar este MCP como ferramenta com acesso a todas suas funções e capacidades. Lembre-se de alterar “google-search” para o nome real do seu servidor MCP e substituir a URL pela do seu servidor MCP.

Visão Geral

Com base nas duas tabelas acima, o servidor MCP mcp-google-search fornece bem as funcionalidades centrais de ferramenta e é fácil de configurar, mas não possui documentação sobre prompts, recursos, roots e suporte a amostragem. Ele receberia uma nota de aproximadamente 6/10 quanto à completude geral e experiência do desenvolvedor.

Pontuação MCP