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。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

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。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

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。