Fetch MCP 服务器

“Fetch” MCP 服务器有什么作用？

Fetch MCP 服务器是一款灵活的 Model Context Protocol (MCP) 服务器，能以多种格式（HTML、JSON、纯文本和 Markdown）抓取网页内容。作为 AI 助手与外部网页资源之间的桥梁，Fetch MCP 使 AI 驱动应用能够按需获取并转换网页数据。无论是用于数据提取、内容摘要还是进一步处理，这都让开发者和 AI 代理能够将动态网页内容纳入其工作流。该服务器支持自定义请求头，利用现代 fetch API，并配备了解析和转换网页数据的工具，是需要实时在线信息访问任务的宝贵资产。

提示词列表

仓库中未提及提示词模板。

资源列表

• Fetch MCP 服务器不提供任何持久性资源。它被设计为按需抓取和转换网页内容。

工具列表

• fetch_html
  抓取网站并以 HTML 格式返回内容。
  输入： url（必填），headers（可选）。
  输出： 网页的原始 HTML 内容。

• fetch_json
  从 URL 抓取 JSON 文件。
  输入： url（必填），headers（可选）。
  输出： 解析后的 JSON 内容。

• fetch_txt
  抓取网站并以纯文本格式返回内容（无 HTML）。
  输入： url（必填），headers（可选）。
  输出： 纯文本内容，已去除 HTML 标签、脚本和样式。

• fetch_markdown
  抓取网站并以 Markdown 格式返回内容。
  输入： url（必填），headers（可选）。
  输出： 已转换为 Markdown 格式的网页内容。

该 MCP 服务器的应用场景

• 网页内容提取
  获取公开网站的 HTML、JSON 或纯文本内容，供 AI 代理进一步分析或摘要。

• 内容转换
  将网站内容转换为 Markdown 或纯文本格式，方便在笔记、文档工具中集成或使用。

• API 数据检索
  从公开 API（JSON 格式）抓取结构化数据，用于工作流、仪表盘或为 LLM 驱动应用提供上下文。

• 自定义数据采集
  通过自定义请求头访问需要认证或特定头信息的端点，支持更高级的数据获取场景。

• AI 代理内容解析
  赋能 AI 助手在对话、研究或自动化任务中解析并利用实时网页内容。

如何设置

Windsurf

1. 确保已在系统中安装 Node.js。
2. 克隆 Fetch MCP 仓库并安装依赖（npm install）。
3. 使用 npm run build 构建服务器。
4. 在你的 Windsurf 配置文件中添加如下内容：

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTE PATH TO FILE HERE}/dist/index.js"
         ]
       }
     }
   }
   

5. 重启 Windsurf 并确认 MCP 服务器正在运行。

API 密钥安全

按需插入环境变量：

{
  "mcpServers": {
    "fetch": {
      "command": "node",
      "args": ["{ABSOLUTE PATH TO FILE HERE}/dist/index.js"],
      "env": {
        "API_KEY": "${FETCH_API_KEY}"
      },
      "inputs": {
        "api_key": "${FETCH_API_KEY}"
      }
    }
  }
}

Claude

1. 确保已安装 Node.js。
2. 按照仓库设置步骤操作（克隆、安装、构建）。
3. 编辑 Claude 的 MCP 配置：

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTE PATH TO FILE HERE}/dist/index.js"
         ]
       }
     }
   }
   

4. 保存文件并重启 Claude。
5. 确认 Fetch MCP 服务器已可用。

API 密钥安全

参考 Windsurf 部分给出的 JSON 示例。

Cursor

1. 安装 Node.js。
2. 克隆并构建 Fetch MCP Server（npm install，npm run build）。
3. 添加到 Cursor 的 MCP 配置：

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTE PATH TO FILE HERE}/dist/index.js"
         ]
       }
     }
   }
   

4. 保存并重启 Cursor。
5. 验证连接是否成功。

API 密钥安全

同上，使用环境变量 JSON 格式。

Cline

1. 确保已安装 Node.js。
2. 克隆并构建 Fetch MCP Server。
3. 配置 Cline MCP：

   {
     "mcpServers": {
       "fetch": {
         "command": "node",
         "args": [
           "{ABSOLUTE PATH TO FILE HERE}/dist/index.js"
         ]
       }
     }
   }
   

4. 重启 Cline 并确认服务器正常工作。

API 密钥安全

参照前述环境变量 JSON 示例。

如何在流程中使用 MCP

在 FlowHunt 中使用 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，首先添加 MCP 组件到你的流程，并将其连接到你的 AI 代理：

点击 MCP 组件以打开配置面板。在 system MCP 配置区域，使用如下 JSON 格式插入你的 MCP 服务器信息：

{
  "fetch": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 代理即可作为工具使用此 MCP，拥有其全部功能和能力。请记得将 “fetch” 替换为你的实际 MCP 服务器名称，并将 URL 替换为你自己的 MCP 服务器地址。

总览

我会给 Fetch MCP 服务器打 7/10。它实用、文档清晰、许可证合规且工具丰富，但缺少提示词模板、持久性资源以及根节点或采样支持相关信息。

MCP 评分