RAG Web Browser MCP Server

Čo robí “RAG Web Browser” MCP Server?

RAG Web Browser MCP Server je špecializovaný nástroj navrhnutý na to, aby poskytol AI asistentom a veľkým jazykovým modelom (LLMs) možnosť interagovať s webom a extrahovať aktuálne informácie z webových stránok. Beží lokálne a pripája sa na RAG Web Browser Actor v režime Standby, čím zabezpečuje bezproblémovú komunikáciu medzi AI agentmi a webovým obsahom. Hlavné funkcie zahŕňajú realizáciu webových vyhľadávaní, scraping top N URL z výsledkov vyhľadávania a vrátenie ich vyčisteného obsahu vo formáte Markdown. Okrem toho dokáže získať obsah jednej URL adresy a zobraziť ho v prehľadnom markdown formáte. To umožňuje LLMs pristupovať k živým webovým dátam, sumarizovať ich a využívať pri výskume, generovaní obsahu a automatizácii workflowov.

Zoznam promptov

V repozitári ani v dokumentácii nie sú explicitne uvedené žiadne šablóny promptov.

Zoznam zdrojov

V dostupnej dokumentácii ani v súboroch repozitára nie sú definované žiadne explicitné zdroje.

Zoznam nástrojov

• search:
  Zadá dopyt do Google Search, scrapuje top N URL z výsledkov a vráti ich vyčistený obsah vo formáte Markdown.
  • Argumenty:
    • query (string, povinné): Hľadaný výraz alebo URL
    • maxResults (number, voliteľné): Maximálny počet výsledkov na scraping (predvolené: 1)
    • scrapingTool (string, voliteľné): Voľba scrapingového nástroja (‘browser-playwright’ alebo ‘raw-http’; predvolené: ‘raw-http’)
    • outputFormats (array, voliteľné): Výstupné formáty (’text’, ‘markdown’, ‘html’; predvolené: [‘markdown’])
    • requestTimeoutSecs (number, voliteľné): Maximálny čas v sekundách pre požiadavku (predvolené: 40)

Prípady použitia tohto MCP servera

• Automatizované vyhľadávanie na webe
  Umožňuje AI agentom vykonávať živé vyhľadávanie na webe a získavať sumarizované informácie z najlepších výsledkov, užitočné pre výskum a odpovede na aktuálne otázky.

• Extrakcia obsahu pre RAG pipeline
  Integrujte do workflowov Retrieval-Augmented Generation (RAG) a získajte a spracujte webový obsah ako spoľahlivý kontext pre odpovede LLM.

• Sumarizácia webových stránok
  Získajte a vyčistite obsah konkrétnych URL adries, čím umožníte vývojárom alebo LLMs rýchlo spracovať a sumarizovať relevantné informácie.

• Zber dát pre trhovú/konkurenčnú analýzu
  Použite server na scraping konkurenčných webov alebo trhových noviniek a získajte tak aktuálne informácie pre firemné aplikácie.

Ako to nastaviť

Windsurf

1. Uistite sa, že máte nainštalované Node.js a npm.
2. Nájdite konfiguračný súbor Windsurf.
3. Pridajte RAG Web Browser MCP Server do objektu mcpServers:

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

4. Uložte konfiguráciu a reštartujte Windsurf.
5. Overte, že server beží a je dostupný.

Zabezpečenie API kľúčov (príklad)

{
  "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. Overte dostupnosť Node.js a npm.
2. Otvorte konfiguračný súbor Claude.
3. Pridajte MCP server nasledovne:

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

4. Uložte a reštartujte Claude.
5. Skontrolujte správnu integráciu.

Cursor

1. Ak treba, nainštalujte Node.js a npm.
2. Nájdite konfiguračný súbor Cursor.
3. Vložte MCP Server:

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

4. Uložte konfiguráciu, reštartujte Cursor.
5. Overte, že server sa zobrazuje v MCP nástrojoch.

Cline

1. Uistite sa, že máte nainštalované Node.js a npm.
2. Upravte konfiguráciu Cline.
3. Pridajte nasledujúci JSON:

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

4. Uložte a reštartujte Cline.
5. Overte spojenie s MCP serverom.

Poznámka: Zabezpečte svoje API kľúče pomocou environmentálnych premenných, ako je uvedené v príklade pre Windsurf.

Ako používať tento MCP vo flowoch

Použitie MCP vo FlowHunt

Pre integráciu MCP serverov do workflowu FlowHunt pridajte MCP komponent do svojho flowu a prepojte ho s AI agentom:

Kliknite na MCP komponent pre otvorenie konfiguračného panela. V sekcii systémovej MCP konfigurácie vložte detaily vášho MCP servera v tomto JSON formáte:

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

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

Prehľad

Na základe tabuľky nižšie je RAG Web Browser MCP Server zameraný a optimalizovaný pre úlohy webovej interakcie, ale postráda širšie MCP prvky ako prompt šablóny a zdroje. Poskytuje všetko podstatné pre nastavenie a bezpečnú prevádzku, s dobre zdokumentovaným hlavným nástrojom. Podpora Sampling a Roots nie je spomenutá.

Náš názor

MCP server je zameraný a funkčný, ideálny pre scenáre vyžadujúce prístup k webovým dátam v rámci LLM workflowov. Ľahko sa nastavuje, má jasnú licenciu a je mierne populárny. Absencia prompt šablón a explicitných zdrojov obmedzuje jeho flexibilitu pri vlastných alebo komplexnejších prípadoch použitia, no pre RAG a živé webové vyhľadávanie vyniká. Skóre: 7/10

MCP skóre