mcp-rquest MCP Server

Máy chủ “mcp-rquest” MCP làm gì?

mcp-rquest MCP Server là một máy chủ Model Context Protocol (MCP) được thiết kế để cung cấp khả năng gửi yêu cầu HTTP tiên tiến, mô phỏng như trình duyệt thực thụ cho các trợ lý AI như Claude và các mô hình ngôn ngữ lớn khác. Được xây dựng trên nền tảng rquest, nó cho phép mô hình tương tác với website sử dụng dấu vân tay TLS, JA3/JA4, HTTP/2 chính xác như trình duyệt, giúp vượt qua các biện pháp chống bot phổ biến và mô phỏng hành vi duyệt web của con người. Máy chủ này còn hỗ trợ chuyển đổi tài liệu PDF và HTML sang Markdown, giúp LLM dễ dàng nạp và xử lý nội dung web/tài liệu. Ngoài ra, nó còn có lưu trữ phản hồi an toàn, xử lý phản hồi lớn theo từng token, hỗ trợ nhiều phương thức xác thực và tùy biến yêu cầu, là công cụ mạnh mẽ để nâng cao quy trình phát triển AI với dữ liệu web và tài liệu.

Danh sách Prompt

Không có prompt template cụ thể nào được đề cập trong repository.

Danh sách tài nguyên

Không có tài nguyên rõ ràng nào được ghi lại trong các file hoặc README.

Danh sách công cụ

• http_get: Thực hiện GET HTTP với các tham số tùy chỉnh.
• http_post: Gửi dữ liệu bằng POST tới tài nguyên web.
• http_put: Cập nhật tài nguyên thông qua PUT.
• http_delete: Xóa tài nguyên khỏi máy chủ bằng DELETE.
• http_patch: Áp dụng chỉnh sửa một phần cho tài nguyên.
• http_head: Lấy chỉ header từ tài nguyên web.
• http_options: Lấy danh sách phương thức HTTP hỗ trợ cho một tài nguyên.
• http_trace: Thực hiện kiểm tra chẩn đoán truy vết HTTP.
• get_stored_response: Lấy lại phản hồi HTTP lớn đã lưu, tùy chọn chọn theo dòng.

Trường hợp sử dụng của MCP Server này

• Web Scraping & Browsing: Trích xuất dữ liệu an toàn từ các website, kể cả những trang có chống bot, bằng cách mô phỏng dấu vân tay trình duyệt thực.
• Kiểm thử API tự động: Sử dụng đầy đủ các phương thức HTTP để kiểm thử REST API, bao gồm xác thực và payload tùy chỉnh.
• Chuyển đổi tài liệu cho LLM: Chuyển đổi tài liệu HTML và PDF sang Markdown, giúp LLM xử lý dễ dàng hơn.
• Trích xuất dữ liệu từ trang bảo mật: Truy cập và lấy nội dung từ các trang yêu cầu xác thực, cookie, hoặc header tùy chỉnh.
• Xử lý phản hồi web lớn: Lưu trữ và truy xuất các phản hồi lớn để LLM xử lý từng phần hoặc theo giới hạn token.

Cách thiết lập

Windsurf

1. Đảm bảo các điều kiện tiên quyết như Node.js và Python đã được cài đặt.
2. Mở file cấu hình Windsurf của bạn (ví dụ: windsurf.config.json).
3. Thêm máy chủ mcp-rquest MCP vào phần mcpServers:

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

4. Lưu thay đổi và khởi động lại Windsurf.
5. Kiểm tra xem mcp-rquest đã xuất hiện trong danh sách MCP servers chưa.

Claude

1. Mở file cấu hình Claude của bạn.
2. Thêm đoạn JSON sau vào phần MCP servers:

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

3. Lưu thay đổi và khởi động lại Claude.
4. Xác nhận máy chủ đã chạy và có thể truy cập.

Cursor

1. Cài đặt các điều kiện tiên quyết (Node.js, Python).
2. Sửa file cấu hình của Cursor.
3. Thêm:

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

4. Khởi động lại Cursor.
5. Kiểm tra kết nối tới MCP server.

Cline

1. Đảm bảo các phụ thuộc đã được cài đặt.
2. Cập nhật file cấu hình cho Cline.
3. Thêm vào:

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

4. Lưu và khởi động lại Cline.
5. Đảm bảo máy chủ mcp-rquest MCP đang hoạt động.

Bảo mật API Key

Để cung cấp API key một cách an toàn, hãy sử dụng biến môi trường và tham chiếu trong cấu hình:

{
  "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}"
      }
    }
  }
}

Thay MY_API_KEY_ENV_VAR bằng tên biến môi trường thực tế chứa API key của bạn.

Cách sử dụng MCP này trong flow

Sử dụng MCP trong FlowHunt

Để tích hợp MCP server vào quy trình FlowHunt, hãy thêm thành phần MCP vào flow và kết nối nó với AI agent của bạn:

Nhấp vào thành phần MCP để mở bảng cấu hình. Trong phần cấu hình hệ thống MCP, hãy chèn chi tiết máy chủ MCP của bạn theo định dạng JSON này:

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

Sau khi cấu hình, AI agent sẽ có thể sử dụng MCP này như một công cụ với đầy đủ chức năng và khả năng. Hãy nhớ thay "mcp-rquest" bằng tên thực tế của MCP server của bạn và thay URL bằng địa chỉ máy chủ MCP của bạn.

Tổng quan

Dựa trên bảng trên, mcp-rquest là máy chủ MCP HTTP request tập trung, mạnh mẽ với bộ công cụ đầy đủ (tất cả động từ HTTP, chuyển đổi tài liệu, xử lý phản hồi lớn), tài liệu tốt và ví dụ thiết lập thực tế. Tuy nhiên, nó thiếu prompt template, tài nguyên rõ ràng và thông tin về sampling hoặc hỗ trợ roots. Nhìn chung, đây là công cụ thực tiễn, phạm vi gọn cho lập trình viên AI, nhưng không phải máy chủ hệ sinh thái đầy đủ.

Điểm MCP

Đánh giá tổng thể: 6/10
Một MCP server vững chắc về kỹ thuật, tài liệu tốt để gửi HTTP request và chuyển đổi tài liệu, nhưng thiếu các tính năng MCP cao hơn như prompt template, lộ tài nguyên và sampling/roots.