mcp-rquest MCP Server

Čo robí „mcp-rquest“ MCP Server?

mcp-rquest MCP Server je server Model Context Protocol (MCP) navrhnutý na poskytovanie pokročilých, realistických HTTP požiadaviek v štýle prehliadača pre AI asistentov, vrátane Claude a iných veľkých jazykových modelov. Postavený na rquest engine umožňuje modelom interagovať so stránkami použitím presných TLS, JA3/JA4 a HTTP/2 browser fingerprintov, čo pomáha obchádzať bežné anti-bot opatrenia a simulovať ľudské prehliadanie. Server navyše podporuje konverziu PDF a HTML dokumentov do Markdown, čím uľahčuje spracovanie webového a dokumentového obsahu pre LLM. Ďalej ponúka bezpečné ukladanie odpovedí, token-aware spracovanie veľkých odpovedí a podporu rôznych autentifikačných a prispôsobiteľných možností požiadaviek, vďaka čomu je výkonným nástrojom na zefektívnenie AI vývoja s webovými a dokumentovými dátami.

Zoznam promptov

V repozitári nie sú uvedené žiadne konkrétne šablóny promptov.

Zoznam zdrojov

V dostupných súboroch ani README nie sú explicitne zdokumentované žiadne zdroje.

Zoznam nástrojov

• http_get: Vykonanie GET HTTP požiadavky s možnosťou prispôsobenia parametrov.
• http_post: Odoslanie dát pomocou POST požiadavky na webové zdroje.
• http_put: Aktualizácia zdrojov cez PUT požiadavky.
• http_delete: Odstránenie zdrojov zo serverov pomocou DELETE požiadavky.
• http_patch: Čiastočné aktualizácie zdrojov.
• http_head: Získanie iba hlavičiek z webového zdroja.
• http_options: Zistenie podporovaných HTTP metód pre zdroj.
• http_trace: Diagnostické trasovanie HTTP požiadaviek.
• get_stored_response: Načítanie veľkých, predtým uložených HTTP odpovedí, s voliteľným výberom rozsahu riadkov.

Príklady použitia tohto MCP servera

• Web scraping a prehliadanie webu: Bezpečné získavanie dát zo stránok vrátane tých s anti-bot ochranou pomocou emulácie realistických fingerprintov prehliadača.
• Automatizované API testovanie: Kompletný súbor HTTP metód na testovanie REST API vrátane autentifikácie a vlastných payloadov.
• Konverzia dokumentov pre LLM: Prevod HTML a PDF dokumentov do Markdown, čím sa zefektívni spracovanie a využitie LLM.
• Extrakcia dát z chránených stránok: Prístup a získavanie obsahu zo stránok vyžadujúcich autentifikáciu, cookies alebo vlastné hlavičky.
• Spracovanie veľkých webových odpovedí: Ukladanie a načítavanie veľkých odpovedí pre inkrementálne alebo tokenovo limitované spracovanie LLM.

Ako ho nastaviť

Windsurf

1. Uistite sa, že máte nainštalované požiadavky ako Node.js a Python.
2. Otvorte svoj konfiguračný súbor Windsurf (napr. windsurf.config.json).
3. Pridajte mcp-rquest MCP server do sekcie mcpServers:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

4. Uložte zmeny a reštartujte Windsurf.
5. Overte, že mcp-rquest je medzi dostupnými MCP servermi.

Claude

1. Otvorte svoj konfiguračný súbor Claude.
2. Vložte nasledujúci JSON útržok do sekcie MCP serverov:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

3. Uložte zmeny a reštartujte Claude.
4. Skontrolujte, že je server spustený a dostupný.

Cursor

1. Nainštalujte požiadavky (Node.js, Python).
2. Upravte konfiguračný súbor aplikácie Cursor.
3. Pridajte:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

4. Reštartujte Cursor.
5. Otestujte konektivitu MCP servera.

Cline

1. Uistite sa, že sú nainštalované všetky závislosti.
2. Aktualizujte konfiguračný súbor pre Cline.
3. Vložte:

   {
     "mcpServers": {
       "mcp-rquest": {
         "command": "mcp-rquest",
         "args": ["server"]
       }
     }
   }
   

4. Uložte a reštartujte Cline.
5. Overte, že mcp-rquest MCP server je v prevádzke.

Bezpečné poskytovanie API kľúčov

Na bezpečné poskytnutie API kľúčov použite environmentálne premenné a odkazujte na ne vo svojej konfigurácii:

{
  "mcpServers": {
    "mcp-rquest": {
      "command": "mcp-rquest",
      "args": ["server"],
      "env": {
        "MY_API_KEY": "${MY_API_KEY_ENV_VAR}"
      },
      "inputs": {
        "api_key": "${MY_API_KEY_ENV_VAR}"
      }
    }
  }
}

Nahraďte MY_API_KEY_ENV_VAR názvom vašej environmentálnej premennej, ktorá obsahuje API kľúč.

Ako použiť tento MCP vo flowoch

Použitie MCP vo FlowHunt

Na integráciu MCP serverov do vášho FlowHunt workflow najskôr pridajte MCP komponent do vášho flowu a pripojte ho k AI agentovi:

Kliknite na MCP komponent a otvorte konfiguračný panel. V sekcii nastavení systémového MCP vložte údaje vášho MCP servera v tomto JSON formáte:

{
  "mcp-rquest": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po konfigurácii je AI agent schopný využívať tento MCP ako nástroj so všetkými jeho funkciami a možnosťami. Nezabudnite zmeniť "mcp-rquest" na skutočný názov vášho MCP servera a URL na vašu vlastnú adresu MCP servera.

Prehľad

Na základe vyššie uvedených tabuliek je mcp-rquest zameraný a robustný HTTP request MCP server s vynikajúcou pokrytosťou nástrojov (všetky HTTP metódy, konverzia dokumentov, spracovanie veľkých odpovedí), dobrou dokumentáciou a praktickými príkladmi nastavenia. Chýbajú mu však zdokumentované šablóny promptov, explicitné zdroje a informácie o sampling/roots podpore. Celkovo ide o praktický, jasne zameraný nástroj pre AI vývojárov, ale nie o plnohodnotný ekosystémový server.

MCP skóre

Celkové hodnotenie: 6/10
Technicky spoľahlivý, dobre zdokumentovaný MCP server pre HTTP požiadavky a konverziu dokumentov, ale chýbajú mu pokročilejšie MCP funkcie ako šablóny promptov, zverejnenie zdrojov a sampling/roots podpora.