Fetch MCP Server

Čo robí “Fetch” MCP Server?

Fetch MCP Server je flexibilný server Model Context Protocol (MCP) navrhnutý na získavanie webového obsahu v rôznych formátoch vrátane HTML, JSON, čistého textu a Markdownu. Ako most medzi AI asistentmi a externými webovými zdrojmi umožňuje Fetch MCP AI aplikáciám získavať a transformovať webové dáta na požiadanie. Týmto poskytuje vývojárom a AI agentom možnosť začleniť dynamický webový obsah do svojich workflowov, či už ide o extrakciu dát, sumarizáciu obsahu alebo ďalšie spracovanie. Server podporuje vlastné požiadavkové hlavičky, využíva moderné fetch API a obsahuje nástroje na parsovanie a konverziu webových dát, vďaka čomu je cenným prínosom pre úlohy vyžadujúce prístup k online informáciám v reálnom čase.

Zoznam promptov

V repozitári nie sú uvedené žiadne šablóny promptov.

Zoznam zdrojov

• Fetch MCP Server neposkytuje žiadne trvalé zdroje. Je navrhnutý na získavanie a transformáciu webového obsahu na požiadanie.

Zoznam nástrojov

• fetch_html
  Získajte webovú stránku a vráťte obsah ako HTML.
  Vstup: url (povinné), headers (voliteľné).
  Výstup: Surový HTML obsah webstránky.

• fetch_json
  Získajte JSON súbor z URL.
  Vstup: url (povinné), headers (voliteľné).
  Výstup: Parsovaný JSON obsah.

• fetch_txt
  Získajte webovú stránku a vráťte obsah ako čistý text (bez HTML).
  Vstup: url (povinné), headers (voliteľné).
  Výstup: Čistý text so všetkými HTML značkami, skriptami a štýlmi odstránenými.

• fetch_markdown
  Získajte webovú stránku a vráťte obsah ako Markdown.
  Vstup: url (povinné), headers (voliteľné).
  Výstup: Obsah webstránky konvertovaný do formátu Markdown.

Použitia tohto MCP servera

• Extrakcia webového obsahu
  Získavajte HTML, JSON alebo čistý text z verejných webstránok na ďalšiu analýzu alebo sumarizáciu AI agentmi.

• Transformácia obsahu
  Konvertujte obsah webstránok do formátu Markdown alebo čistého textu pre jednoduchšiu konzumáciu alebo integráciu do poznámkových a dokumentačných nástrojov.

• Získavanie API dát
  Získavajte štruktúrované dáta z verejných API (vo formáte JSON) na použitie v workflowoch, dashboardoch alebo ako kontext pre aplikácie poháňané LLM.

• Vlastné získavanie dát
  Dodajte vlastné hlavičky na prístup k obsahu z endpointov vyžadujúcich špecifickú autentizáciu alebo hlavičky, čím umožníte pokročilejšie scenáre získavania dát.

• Parsovanie obsahu pre AI agentov
  Umožnite AI asistentom parsovať a využívať živý webový obsah počas konverzácií, výskumu alebo automatizovaných úloh.

Ako ho nastaviť

Windsurf

1. Uistite sa, že máte na systéme nainštalovaný Node.js.
2. Naklonujte repozitár Fetch MCP a nainštalujte závislosti (npm install).
3. Postavte server príkazom npm run build.
4. Pridajte nasledujúci blok do konfiguračného súboru Windsurf:

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLÚTNA CESTA K SÚBORU}/dist/index.js"
         ]
       }
     }
   }
   

5. Reštartujte Windsurf a overte, že MCP server beží.

Zabezpečenie API kľúčov

Vložte environmentálne premenné podľa potreby:

{
  "mcpServers": {
    "fetch": {
      "command": "node",
      "args": ["{ABSOLÚTNA CESTA K SÚBORU}/dist/index.js"],
      "env": {
        "API_KEY": "${FETCH_API_KEY}"
      },
      "inputs": {
        "api_key": "${FETCH_API_KEY}"
      }
    }
  }
}

Claude

1. Uistite sa, že máte nainštalovaný Node.js.
2. Postupujte podľa pokynov na nastavenie repozitára (klonovanie, inštalácia, build).
3. Upravte Claude MCP konfiguráciu:

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLÚTNA CESTA K SÚBORU}/dist/index.js"
         ]
       }
     }
   }
   

4. Uložte súbor a reštartujte Claude.
5. Overte, že Fetch MCP Server je dostupný.

Zabezpečenie API kľúčov

Pozrite sekciu Windsurf pre príklad JSON.

Cursor

1. Nainštalujte Node.js.
2. Naklonujte a postavte Fetch MCP Server (npm install, npm run build).
3. Pridajte do konfigurácie Cursor MCP:

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLÚTNA CESTA K SÚBORU}/dist/index.js"
         ]
       }
     }
   }
   

4. Uložte a reštartujte Cursor.
5. Overte úspešné pripojenie.

Zabezpečenie API kľúčov

Použite rovnaký JSON formát ako vyššie pre environmentálne premenné.

Cline

1. Uistite sa, že máte nainštalovaný Node.js.
2. Naklonujte a postavte Fetch MCP Server.
3. Nakonfigurujte Cline MCP nasledovne:

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLÚTNA CESTA K SÚBORU}/dist/index.js"
         ]
       }
     }
   }
   

4. Reštartujte Cline a overte funkčnosť servera.

Zabezpečenie API kľúčov

Použite predchádzajúci príklad s environmentálnymi premennými.

Ako používať tento MCP v tokoch

Použitie MCP vo FlowHunt

Na integráciu MCP serverov do svojho workflowu FlowHunt začnite pridaním komponentu MCP do toku a prepojením s vaším AI agentom:

Kliknite na MCP komponent a otvorí sa konfiguračný panel. V sekcii systémovej konfigurácie MCP vložte údaje o MCP serveri v tomto JSON formáte:

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

Po nakonfigurovaní bude AI agent schopný používať tento MCP ako nástroj so všetkými jeho funkciami a schopnosťami. Nezabudnite zmeniť “fetch” na skutočný názov vášho MCP servera a URL adresu na vašu vlastnú.

Prehľad

Fetch MCP Server by som hodnotil solídnou známkou 7/10. Je praktický, má jasnú dokumentáciu, správnu licenciu a viacero užitočných nástrojov, ale chýbajú prompt šablóny, trvalé zdroje a informácie o root alebo sampling podpore.

MCP skóre