mcp-rquest MCP 服务器

“mcp-rquest” MCP 服务器有什么用？

mcp-rquest MCP 服务器是一款模型上下文协议（MCP）服务器，旨在为 AI 助手（如 Claude 及其他大语言模型）提供高级、真实的类浏览器 HTTP 请求能力。它基于 rquest 引擎构建，使模型能够通过精确的 TLS、JA3/JA4 及 HTTP/2 浏览器指纹与网站交互，有效绕过常见反爬虫机制并模拟人类浏览。此外，服务器支持 PDF 和 HTML 文档转为 Markdown，便于 LLM 更高效地摄取和处理网页及文档内容。它还具备安全响应存储、基于 token 的大响应处理，并支持多种认证和请求自定义选项，是提升涉及网页和文档数据的 AI 开发流程的强大工具。

提示模板列表

仓库中未提及具体的提示模板。

Ready to grow your business?

Start your free trial today and see results within days.

Request demo Log in

资源列表

相关文件或 README 中未发现明确记录的资源。

工具列表

• http_get：带可定制参数的 GET 请求。
• http_post：用 POST 向网页资源提交数据。
• http_put：通过 PUT 更新资源。
• http_delete：用 DELETE 从服务器移除资源。
• http_patch：对资源进行部分更新。
• http_head：仅获取网页资源的头部信息。
• http_options：获取资源所支持的 HTTP 方法。
• http_trace：执行 HTTP 请求的诊断追踪。
• get_stored_response：检索已存储的大型 HTTP 响应，可选行范围。

Join our newsletter

Get latest tips, trends, and deals for free.

Email address

Subscribe

典型应用场景

• 网页抓取与浏览：通过模拟真实浏览器指纹，安全抓取带有反爬机制的网站数据。
• 自动化 API 测试：用全套 HTTP 方法测试 REST API，支持认证与自定义数据包。
• LLM 文档转换：将 HTML、PDF 文档转换为 Markdown，便于 LLM 高效摄取处理。
• 受保护站点数据提取：访问和提取需认证、Cookie 或自定义头部的网站内容。
• 处理大型网页响应：存储与分段检索大响应，便于 LLM 增量或 token 限制处理。

如何部署与配置

Windsurf

1. 确保已安装 Node.js 与 Python 等前置条件。
2. 打开 Windsurf 配置文件（如 windsurf.config.json）。
3. 在 mcpServers 部分添加 mcp-rquest MCP 服务器：

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

4. 保存更改并重启 Windsurf。
5. 验证 mcp-rquest 是否出现在可用 MCP 服务器中。

Claude

1. 打开 Claude 配置文件。
2. 在 MCP servers 部分插入以下 JSON 片段：

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

3. 保存更改并重启 Claude。
4. 确认服务器已运行并可访问。

Cursor

1. 安装 Node.js、Python 等依赖。
2. 编辑 Cursor 的配置文件。
3. 添加如下内容：

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

4. 重启 Cursor。
5. 测试 MCP 服务器的连通性。

Cline

1. 确认依赖已安装。
2. 更新 Cline 的配置文件。
3. 插入如下内容：

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

4. 保存并重启 Cline。
5. 确认 mcp-rquest MCP 服务器正常运行。

API 密钥安全配置

要安全地提供 API 密钥，建议使用环境变量，并在配置中引用：

{
  "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}"
      }
    }
  }
}

将 MY_API_KEY_ENV_VAR 替换为实际存储 API 密钥的环境变量名称。

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 组件以打开配置面板。在系统 MCP 配置区域，按如下 JSON 格式插入您的 MCP 服务器详情：

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

配置完成后，AI 智能体即可访问并调用 MCP 的全部功能。请注意将 "mcp-rquest" 替换为您的实际 MCP 服务器名称，并将 URL 替换为自己的 MCP 服务地址。

概览

综合上述表格，mcp-rquest 是一款专注且强大的 HTTP 请求 MCP 服务器，具备出色的工具覆盖（所有 HTTP 动词、文档转换、大响应处理）、良好的文档和实用的配置示例。但缺乏提示模板、明确资源与采样/roots 支持等高级 MCP 功能。整体来说，它是面向 AI 开发者的实用且定位清晰的工具型服务器，但不是完整生态型服务器。

MCP 评分

综合评分：6/10
一款技术扎实、文档完善的 HTTP 请求与文档转换 MCP 服务器，但缺乏高阶 MCP 特性，比如提示模板、资源暴露和采样/roots 支持。