RAG Web Tarayıcı MCP Sunucusu

“RAG Web Tarayıcı” MCP Sunucusu ne yapar?

RAG Web Tarayıcı MCP Sunucusu, AI asistanlarına ve büyük dil modellerine (LLM) web ile etkileşim kurma ve web sayfalarından güncel bilgi çıkarma yeteneği kazandırmak için tasarlanmış özel bir araçtır. Yerel olarak çalışarak, Standby modunda RAG Web Tarayıcı Aktörü ile bağlantı kurar ve AI ajanları ile web içeriği arasında sorunsuz iletişim sağlar. Ana işlevleri; web aramaları yapmak, arama sonuçlarındaki ilk N URL’yi kazımak ve temizlenmiş içeriklerini Markdown olarak döndürmektir. Ayrıca, tek bir URL’nin içeriğini de çekip kullanıcı dostu bir markdown formatında sunabilir. Bu sayede LLM’ler canlı web verilerine erişebilir, özetleyebilir ve bu verileri araştırma, içerik üretimi ve iş akışı otomasyonu için kullanabilirler.

Komut Listesi

Depoda veya belgelerde açıkça belirtilmiş bir komut şablonu yoktur.

Kaynak Listesi

Mevcut belgelerde veya depoda açıkça tanımlanmış bir kaynak bulunmamaktadır.

Araçlar Listesi

• search:
  Google Arama’da sorgulama yapar, sonuçlardaki ilk N URL’yi kazır ve temizlenmiş içeriklerini Markdown olarak döndürür.
  • Argümanlar:
    • query (string, zorunlu): Arama terimi veya URL
    • maxResults (sayı, isteğe bağlı): Kazınacak maksimum arama sonucu sayısı (varsayılan: 1)
    • scrapingTool (string, isteğe bağlı): Kazıma aracı seçimi (‘browser-playwright’ veya ‘raw-http’; varsayılan: ‘raw-http’)
    • outputFormats (dizi, isteğe bağlı): Çıktı formatları (’text’, ‘markdown’, ‘html’; varsayılan: [‘markdown’])
    • requestTimeoutSecs (sayı, isteğe bağlı): İstek için maksimum süre (saniye olarak, varsayılan: 40)

Bu MCP Sunucusunun Kullanım Alanları

• Otomatik Web Arama
  AI ajanlarının canlı web araması yapabilmesini ve en iyi sonuçlardan özetlenmiş bilgi almasını sağlar; araştırma ve güncel sorulara yanıt için idealdir.

• RAG İş Akışları için İçerik Çıkarma
  Retrieval-Augmented Generation (RAG) iş akışları ile entegre edilerek, web içeriğini LLM yanıtlarında güvenilir bağlam olarak almak ve işlemek için kullanılabilir.

• Web Sayfalarının Özetlenmesi
  Belirli bir URL’nin içeriğini çekip temizler, geliştiricilerin veya LLM’lerin hızlıca ilgili bilgileri alıp özetlemesine olanak tanır.

• Pazar/Rekabet Analizi için Veri Toplama
  Rakip siteleri veya sektör haberlerini kazımak için sunucuyu kullanın; iş uygulamaları için gerçek zamanlı istihbarat sağlar.

Kurulum Nasıl Yapılır

Windsurf

1. Node.js ve npm’nin kurulu olduğundan emin olun.
2. Windsurf yapılandırma dosyanızı bulun.
3. RAG Web Tarayıcı MCP Sunucusunu mcpServers nesnesine ekleyin:

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

4. Yapılandırmayı kaydedin ve Windsurf’u yeniden başlatın.
5. Sunucunun çalıştığını ve erişilebilir olduğunu doğrulayın.

API Anahtarlarını Güvenli Hale Getirme (Örnek)

{
  "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. Node.js ve npm’nin mevcut olduğundan emin olun.
2. Claude’un yapılandırma dosyasını açın.
3. MCP sunucusunu aşağıdaki gibi ekleyin:

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

4. Kaydedip Claude’u yeniden başlatın.
5. Doğru entegrasyonu kontrol edin.

Cursor

1. Gerekirse Node.js ve npm’yi kurun.
2. Cursor’ın yapılandırma dosyasını bulun.
3. MCP Sunucusunu ekleyin:

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

4. Yapılandırmayı kaydedin, Cursor’ı yeniden başlatın.
5. Sunucunun MCP araçlarında göründüğünü doğrulayın.

Cline

1. Node.js ve npm’nin kurulu olduğundan emin olun.
2. Cline’ın yapılandırmasını düzenleyin.
3. Aşağıdaki JSON’u ekleyin:

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

4. Kaydedip Cline’ı yeniden başlatın.
5. MCP sunucu bağlantısını doğrulayın.

Not: API anahtarlarınızı Windsurf örneğinde gösterildiği gibi ortam değişkenleriyle güvenli hale getirin.

Bu MCP’nin iş akışlarında kullanımı

FlowHunt’ta MCP kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, akışınıza MCP bileşenini ekleyin ve AI ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırma bölümünde, MCP sunucu ayrıntılarınızı şu JSON formatında girin:

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

Yapılandırıldıktan sonra, AI ajanı artık bu MCP’yi tüm işlevlerine ve yeteneklerine erişebilecek şekilde bir araç olarak kullanabilir. “rag-web-browser” adını kendi MCP sunucu isminizle ve URL’yi kendi MCP sunucu adresinizle değiştirmeyi unutmayın.

Genel Bakış

Aşağıdaki tabloya göre, RAG Web Tarayıcı MCP Sunucusu web etkileşimi görevleri için yalın ve hedef odaklıdır, ancak komut ve kaynak gibi MCP temel öğelerinin çoğunu içermez. Kurulum ve güvenli çalışma için gerekli tüm gereksinimleri sağlar ve güçlü, iyi belgelenmiş birincil aracı ile öne çıkar. Örnekleme ve Roots desteğinden bahsedilmiyor.

Bizim görüşümüz

MCP sunucusu odaklı ve işlevseldir, LLM iş akışlarında web verisi erişimi gerektiren senaryolar için idealdir. Kurulumu kolay, açık lisanslı ve orta düzeyde popülerdir. Komut şablonlarının ve açıkça belirtilmiş kaynakların eksikliği, daha özelleştirilmiş veya karmaşık kullanım senaryolarındaki esnekliğini sınırlar; ancak RAG ve canlı web arama için oldukça başarılıdır. Puan: 7/10

MCP Puanı