Máy chủ MCP RAG Web Browser

Máy chủ MCP “RAG Web Browser” làm những gì?

MCP Server RAG Web Browser là một công cụ chuyên biệt được thiết kế để cung cấp cho các trợ lý AI và mô hình ngôn ngữ lớn (LLM) khả năng tương tác với web và trích xuất thông tin cập nhật từ các trang web. Hoạt động cục bộ, nó kết nối với RAG Web Browser Actor ở chế độ Standby, tạo điều kiện giao tiếp liền mạch giữa các agent AI và nội dung web. Chức năng chính bao gồm thực hiện tìm kiếm web, quét N URL hàng đầu từ kết quả tìm kiếm và trả về nội dung đã được làm sạch dưới dạng Markdown. Ngoài ra, nó có thể lấy nội dung của một URL và hiển thị theo định dạng markdown thân thiện. Điều này cho phép LLM truy cập, tóm tắt và tận dụng dữ liệu web thời gian thực, nâng cao khả năng nghiên cứu, tạo nội dung và tự động hóa quy trình.

Danh sách Prompt

Không có mẫu prompt nào được đề cập rõ ràng trong repository hoặc tài liệu.

Danh sách tài nguyên

Không có tài nguyên cụ thể nào được định nghĩa trong tài liệu hoặc repository hiện có.

Danh sách công cụ

• search:
  Truy vấn Google Search, quét N URL hàng đầu từ kết quả và trả về nội dung đã được làm sạch dưới dạng Markdown.
  • Tham số:
    • query (string, bắt buộc): Từ khóa tìm kiếm hoặc URL
    • maxResults (number, tùy chọn): Số lượng kết quả tìm kiếm tối đa để quét (mặc định: 1)
    • scrapingTool (string, tùy chọn): Chọn công cụ quét (‘browser-playwright’ hoặc ‘raw-http’; mặc định: ‘raw-http’)
    • outputFormats (array, tùy chọn): Định dạng đầu ra (’text’, ‘markdown’, ‘html’; mặc định: [‘markdown’])
    • requestTimeoutSecs (number, tùy chọn): Thời gian tối đa cho mỗi yêu cầu (mặc định: 40)

Các trường hợp sử dụng MCP Server này

• Tìm kiếm web tự động
  Cho phép agent AI thực hiện tìm kiếm web trực tiếp và thu thập thông tin đã được tóm tắt từ các kết quả hàng đầu, hữu ích cho nghiên cứu và trả lời các truy vấn cập nhật.

• Trích xuất nội dung cho quy trình RAG
  Tích hợp vào quy trình Truy xuất tăng cường (RAG) để lấy và xử lý nội dung web làm ngữ cảnh đáng tin cậy cho phản hồi của LLM.

• Tóm tắt trang web
  Lấy và làm sạch nội dung của các URL cụ thể, giúp developer hoặc LLM nhanh chóng tiếp nhận và tóm tắt thông tin liên quan.

• Thu thập dữ liệu cho phân tích thị trường/đối thủ
  Sử dụng server để quét site đối thủ hoặc tin tức thị trường, cung cấp thông tin thời gian thực cho ứng dụng kinh doanh.

Cách thiết lập

Windsurf

1. Đảm bảo đã cài đặt Node.js và npm.
2. Định vị file cấu hình Windsurf của bạn.
3. Thêm MCP Server RAG Web Browser vào object mcpServers:

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

4. Lưu cấu hình và khởi động lại Windsurf.
5. Kiểm tra server đã chạy và có thể truy cập.

Bảo mật API Key (Ví dụ)

{
  "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. Xác nhận Node.js và npm đã có sẵn.
2. Mở file cấu hình của Claude.
3. Thêm MCP Server như sau:

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

4. Lưu và khởi động lại Claude.
5. Kiểm tra tích hợp đã đúng.

Cursor

1. Cài đặt Node.js và npm nếu cần.
2. Tìm file cấu hình của Cursor.
3. Thêm MCP Server:

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

4. Lưu cấu hình, khởi động lại Cursor.
5. Xác nhận server hiển thị trong công cụ MCP.

Cline

1. Đảm bảo đã cài đặt Node.js và npm.
2. Sửa cấu hình của Cline.
3. Thêm JSON sau:

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

4. Lưu và khởi động lại Cline.
5. Xác nhận kết nối máy chủ MCP.

Lưu ý: Bảo mật API key của bạn bằng biến môi trường như ví dụ ở Windsurf.

Cách sử dụng MCP này trong các flow

Sử dụng MCP trong FlowHunt

Để tích hợp MCP server vào workflow FlowHunt của bạn, bắt đầu bằng cách thêm thành phần MCP vào flow và kết nối với agent AI của bạn:

Nhấn vào thành phần MCP để mở panel cấu hình. Trong phần cấu hình hệ thống MCP, chèn thông tin máy chủ MCP của bạn theo định dạng JSON sau:

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

Sau khi cấu hình, agent AI có thể sử dụng MCP này như một công cụ với đầy đủ chức năng. Hãy nhớ thay “rag-web-browser” thành tên máy chủ MCP thật của bạn và thay thế URL bằng URL máy chủ MCP của bạn.

Tổng quan

Dựa trên bảng dưới đây, MCP Server RAG Web Browser tối ưu và tập trung cho các tác vụ tương tác web, nhưng thiếu các primitive MCP rộng hơn như prompt và resource. Nó cung cấp đầy đủ các yếu tố cần thiết để thiết lập và vận hành an toàn, cùng một công cụ chính mạnh mẽ và được tài liệu hóa tốt. Sampling và hỗ trợ Roots không được đề cập.

Ý kiến của chúng tôi

MCP server này tập trung và hiệu quả, lý tưởng cho các tình huống cần truy cập dữ liệu web trong workflow LLM. Dễ thiết lập, có giấy phép rõ ràng và mức độ phổ biến vừa phải. Việc thiếu mẫu prompt và resource rõ ràng giới hạn sự linh hoạt cho các trường hợp tùy biến hoặc phức tạp hơn, nhưng cho RAG và tìm kiếm web trực tiếp thì nó rất xuất sắc. Điểm: 7/10

Điểm MCP