RAG网页浏览器MCP服务器

“RAG网页浏览器”MCP服务器的作用

RAG网页浏览器MCP服务器是一款专为AI助手和大型语言模型（LLM）设计的工具，使其能够与互联网交互并从网页中提取最新信息。该服务器本地运行，以待机模式连接到RAG网页浏览器Actor ，实现AI智能体与网页内容的无缝通信。其主要功能包括执行网页搜索、抓取搜索结果中前N个URL，并将清洗后的内容以Markdown返回。此外，还可获取单个URL的内容并以友好的Markdown格式呈现。这使LLM能够访问、摘要及利用实时网页数据，提升其研究、内容生成与流程自动化能力。

提示词列表

在仓库或文档中未明确提及任何提示词模板。

资源列表

可用文档或仓库文件中未明确定义资源。

工具列表

• search：
  查询Google搜索，抓取结果中的前N个URL，并将其清洗后的内容以Markdown返回。
  • 参数说明：
    • query（字符串，必填）：搜索词或URL
    • maxResults（数字，选填）：抓取的最大搜索结果数（默认：1）
    • scrapingTool（字符串，选填）：选择抓取工具（‘browser-playwright’或’raw-http’；默认：‘raw-http’）
    • outputFormats（数组，选填）：输出格式（’text’, ‘markdown’, ‘html’；默认：[‘markdown’]）
    • requestTimeoutSecs（数字，选填）：请求的最大秒数（默认：40）

该MCP服务器的使用场景

• 自动化网页搜索
  让AI智能体能够进行实时网页搜索，并从顶级结果中获取摘要信息，适用于研究和回答最新问题。

• RAG流程内容提取
  集成到检索增强生成（RAG）工作流，提取并处理网页内容，为LLM回复提供可靠上下文。

• 网页摘要
  获取并清洗指定URL的内容，使开发者或LLM能快速读取并摘要相关信息。

• 市场/竞品分析数据收集
  用于抓取竞品网站或市场新闻，为企业应用提供实时情报。

如何设置

Windsurf

1. 确保已安装Node.js和npm。
2. 找到您的Windsurf配置文件。
3. 在mcpServers对象中添加RAG网页浏览器MCP服务器：

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

4. 保存配置并重启Windsurf。
5. 验证服务器是否已运行且可访问。

API密钥安全示例

{
  "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. 确认Node.js和npm可用。
2. 打开Claude的配置文件。
3. 按如下方式添加MCP服务器：

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

4. 保存并重启Claude。
5. 检查集成是否正确。

Cursor

1. 如有需要，安装Node.js和npm。
2. 找到Cursor的配置文件。
3. 插入MCP服务器配置：

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

4. 保存配置，重启Cursor。
5. 确认服务器出现在MCP工具中。

Cline

1. 确保已安装Node.js和npm。
2. 编辑Cline的配置文件。
3. 添加如下JSON内容：

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

4. 保存并重启Cline。
5. 验证MCP服务器连接。

注意： 请参考Windsurf示例，使用环境变量方式保护API密钥。

在流程中如何使用该MCP

在FlowHunt中使用MCP

要将MCP服务器集成到您的FlowHunt工作流中，首先在流程中添加MCP组件，并将其连接到您的AI智能体：

点击MCP组件打开配置面板。在系统MCP配置部分，使用如下JSON格式填入您的MCP服务器信息：

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

配置完成后，AI智能体即可将该MCP作为工具，使用其全部功能。请记得将"rag-web-browser"替换为您实际的MCP服务器名称，并将URL替换为您自己的MCP服务器地址。

概览

根据下表，RAG网页浏览器MCP服务器聚焦于网页交互任务，缺乏更广泛的MCP原语如提示词和资源，但为部署和安全运行提供了全部所需，并有文档详实的核心工具。采样与Roots支持未提及。

我们的看法

该MCP服务器专注且实用，非常适合LLM流程中需要网页数据访问的场景。其设置简易，许可清晰，受欢迎度中等。缺乏提示词模板和显式资源，限制了复杂或自定义场景的灵活性，但对于RAG和实时网页搜索非常出色。评分：7/10

MCP得分