RAG Web Browser MCP Server

Ce face „RAG Web Browser” MCP Server?

RAG Web Browser MCP Server este un instrument specializat conceput pentru a oferi asistenților AI și modelelor de limbaj mari (LLM) abilitatea de a interacționa cu web-ul și de a extrage informații la zi din pagini web. Funcționând local, se conectează la RAG Web Browser Actor în modul Standby, facilitând comunicarea fără întreruperi între agenții AI și conținutul web. Funcțiile principale includ efectuarea de căutări web, scraping-ul primelor N URL-uri din rezultate și returnarea conținutului curățat ca Markdown. De asemenea, poate prelua conținutul unui singur URL și îl poate prezenta într-un format prietenos, în Markdown. Acest lucru permite LLM-urilor să acceseze, să rezume și să utilizeze date web live, extinzându-le capacitatea pentru cercetare, generare de conținut și automatizare de fluxuri.

Listă de Prompts

Nu există șabloane de prompt menționate explicit în repository sau documentație.

Listă de Resurse

Nu sunt definite resurse explicite în documentația sau fișierele repository disponibile.

Listă de Instrumente

• search:
  Interoghează Google Search, extrage primele N URL-uri din rezultate și returnează conținutul curățat ca Markdown.
  • Argumente:
    • query (string, obligatoriu): Termen de căutare sau URL
    • maxResults (număr, opțional): Numărul maxim de rezultate de extras (implicit: 1)
    • scrapingTool (string, opțional): Selectează instrumentul de scraping (‘browser-playwright’ sau ‘raw-http’; implicit: ‘raw-http’)
    • outputFormats (array, opțional): Formate de ieșire (’text’, ‘markdown’, ‘html’; implicit: [‘markdown’])
    • requestTimeoutSecs (număr, opțional): Timp maxim în secunde pentru cerere (implicit: 40)

Cazuri de utilizare pentru acest MCP Server

• Căutare Web Automatizată
  Permite agenților AI să efectueze căutări web live și să preia informații sumarizate din rezultatele de top, util pentru cercetare și răspunsuri la întrebări actualizate.

• Extragere de Conținut pentru Fluxuri RAG
  Integrare cu fluxuri de Generare Augmentată prin Regăsire (RAG) pentru a prelua și procesa conținut web ca context fiabil pentru răspunsurile LLM.

• Sumarizare de Pagini Web
  Preia și curăță conținutul unor URL-uri specifice, permițând dezvoltatorilor sau LLM-urilor să preia rapid și să rezume informații relevante.

• Colectare de Date pentru Analiză de Piață/Concurență
  Folosiți serverul pentru a extrage site-uri concurente sau știri de piață, oferind informații în timp real pentru aplicații de business.

Cum se configurează

Windsurf

1. Asigurați-vă că Node.js și npm sunt instalate.
2. Localizați fișierul de configurare Windsurf.
3. Adăugați RAG Web Browser MCP Server la obiectul mcpServers:

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

4. Salvați configurația și reporniți Windsurf.
5. Verificați că serverul rulează și este accesibil.

Securizarea Cheilor API (Exemplu)

{
  "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. Confirmați disponibilitatea Node.js și npm.
2. Deschideți fișierul de configurare Claude.
3. Adăugați serverul MCP astfel:

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

4. Salvați și reporniți Claude.
5. Verificați integrarea corectă.

Cursor

1. Instalați Node.js și npm dacă este necesar.
2. Găsiți fișierul de configurare Cursor.
3. Introduceți MCP Server:

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

4. Salvați configurația, reporniți Cursor.
5. Confirmați că serverul apare la instrumente MCP.

Cline

1. Asigurați-vă că Node.js și npm sunt instalate.
2. Editați configurația lui Cline.
3. Adăugați următorul JSON:

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

4. Salvați și reporniți Cline.
5. Validați conexiunea cu serverul MCP.

Notă: Securizați cheile API folosind variabile de mediu, așa cum este prezentat în exemplul de la Windsurf.

Cum folosiți acest MCP în fluxuri

Utilizarea MCP în FlowHunt

Pentru a integra servere MCP în fluxul dumneavoastră FlowHunt, începeți prin a adăuga componenta MCP în flux și a o conecta la agentul AI:

Faceți clic pe componenta MCP pentru a deschide panoul de configurare. În secțiunea de configurare MCP din sistem, introduceți detaliile serverului MCP folosind acest format JSON:

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

Odată configurat, agentul AI poate folosi acest MCP ca instrument, având acces la toate funcțiile și capabilitățile sale. Amintiți-vă să schimbați “rag-web-browser” cu numele real al serverului MCP și să înlocuiți URL-ul cu cel al propriului server MCP.

Prezentare generală

Pe baza tabelului de mai sus, RAG Web Browser MCP Server este concentrat și foarte orientat pe sarcini de interacțiune web, dar nu oferă primitive MCP mai largi precum prompturi și resurse. Oferă tot ce este esențial pentru configurare și operare sigură, cu un instrument principal documentat. Sampling și Roots nu sunt menționate.

Opinia noastră

Serverul MCP este focusat și funcțional, ideal pentru scenarii ce necesită acces la date web în fluxuri cu LLM. Este ușor de configurat, are licență clară și popularitate moderată. Lipsa șabloanelor de prompt și a resurselor explicite limitează flexibilitatea pentru cazuri personalizate sau complexe, dar pentru RAG și căutare web live excelează. Scor: 7/10

Scor MCP