mcp-rquest MCP-server

Vad gör “mcp-rquest” MCP-servern?

mcp-rquest MCP-servern är en Model Context Protocol (MCP)-server utformad för att ge avancerade, realistiska webbläsarliknande HTTP-förfrågningsmöjligheter för AI-assistenter, inklusive Claude och andra stora språkmodeller. Byggd ovanpå rquest-motorn möjliggör den för modeller att interagera med webbplatser med korrekta TLS-, JA3/JA4- och HTTP/2-webbläsarfingeravtryck, vilket hjälper till att kringgå vanliga anti-bot-skydd och simulera mänsklig surfning. Servern stöder även konvertering av PDF- och HTML-dokument till Markdown, vilket underlättar smidigare inläsning och bearbetning av webb- och dokumentinnehåll för LLM:er. Den har dessutom säker svarslagring, tokenmedveten hantering av stora svar och stöd för olika autentiseringar och anpassade förfrågningsalternativ, vilket gör den till ett kraftfullt verktyg för att förbättra AI-drivna utvecklingsflöden med webb- och dokumentdata.

Lista över promptmallar

Inga specifika promptmallar nämns i repot.

Lista över resurser

Inga explicita resurser är dokumenterade i de tillgängliga filerna eller README.

Lista över verktyg

• http_get: Utför GET HTTP-förfrågningar med anpassningsbara parametrar.
• http_post: Skicka data med POST-förfrågningar till webbresurser.
• http_put: Uppdatera resurser via PUT-förfrågningar.
• http_delete: Ta bort resurser från servrar med DELETE-förfrågningar.
• http_patch: Applicera partiella uppdateringar på resurser.
• http_head: Hämta endast headers från en webbresurs.
• http_options: Hämta vilka HTTP-metoder som stöds för en resurs.
• http_trace: Utför diagnostisk spårning av HTTP-förfrågningar.
• get_stored_response: Hämta stora, tidigare sparade HTTP-svar, med möjlighet att välja rader.

Användningsområden för denna MCP-server

• Web scraping & surfning: Skrapa data från webbplatser säkert, även de med anti-bot-skydd, genom att efterlikna realistiska webbläsarfingeravtryck.
• Automatiserad API-testning: Använd hela uppsättningen HTTP-metoder för att testa REST-API:er, inklusive autentisering och egna payloads.
• Dokumentkonvertering för LLM:er: Konvertera både HTML- och PDF-dokument till Markdown, vilket gör inläsning och bearbetning av LLM:er effektivare.
• Datautvinning från säkra sidor: Kom åt och extrahera innehåll från sidor som kräver autentisering, cookies eller anpassade headers.
• Hantering av stora webbsvar: Spara och hämta stora svar för inkrementell eller tokenbegränsad bearbetning av LLM.

Så här sätter du upp det

Windsurf

1. Säkerställ att förutsättningar som Node.js och Python är installerade.
2. Öppna din Windsurf-konfigurationsfil (t.ex. windsurf.config.json).
3. Lägg till mcp-rquest MCP-servern i mcpServers-sektionen:

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

4. Spara ändringarna och starta om Windsurf.
5. Verifiera att mcp-rquest visas bland dina tillgängliga MCP-servrar.

Claude

1. Öppna din Claude-konfigurationsfil.
2. Klistra in följande JSON-snippet i MCP-servrar-sektionen:

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

3. Spara ändringar och starta om Claude.
4. Bekräfta att servern körs och är tillgänglig.

Cursor

1. Installera förutsättningar (Node.js, Python).
2. Redigera Cursors konfigurationsfil.
3. Lägg till:

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

4. Starta om Cursor.
5. Testa MCP-serveranslutningen.

Cline

1. Kontrollera att beroenden är installerade.
2. Uppdatera konfigurationsfilen för Cline.
3. Klistra in:

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

4. Spara och starta om Cline.
5. Säkerställ att mcp-rquest MCP-servern är igång.

Säkra API-nycklar

För att säkert tillhandahålla API-nycklar, använd miljövariabler och referera till dem i din konfiguration:

{
  "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}"
      }
    }
  }
}

Byt ut MY_API_KEY_ENV_VAR mot ditt faktiska miljövariabelnamn som innehåller API-nyckeln.

Så använder du denna MCP i flöden

Använda MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion klistrar du in dina MCP-serverdetaljer enligt detta JSON-format:

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

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med åtkomst till alla dess funktioner och möjligheter. Kom ihåg att byta ut "mcp-rquest" till det faktiska namnet på din MCP-server och ersätta URL:en med din egen MCP-serveradress.

Översikt

Baserat på tabellen ovan är mcp-rquest en fokuserad och robust HTTP-förfrågnings-MCP-server med utmärkt verktygsstöd (alla HTTP-metoder, dokumentkonvertering, hantering av stora svar), bra dokumentation och praktiska installationsanvisningar. Däremot saknas dokumenterade promptmallar, explicita resurser och information om sampling- eller roots-stöd. Sammantaget är det ett praktiskt, välavgränsat verktyg för AI-utvecklare, men inte en full ekosystem-server.

MCP-betyg

Samlat betyg: 6/10
En tekniskt solid, väl dokumenterad MCP-server för HTTP-förfrågningar och dokumentkonvertering, men saknar högre MCP-funktioner som promptmallar, resursdelning och sampling-/roots-stöd.