Playwright Fetch

🚀 Playwright Fetch MCP Server

Playwright Fetch MCP Server 是一个基于 Model Context Protocol 的服务器，借助 Playwright 实现浏览器自动化，为大语言模型（LLMs）提供网页内容抓取能力。它能够帮助 LLMs 从网页中获取并处理 JavaScript 渲染后的内容，还能将 HTML 转换为便于使用的 Markdown 格式。

🚀 快速开始

本项目借助 Playwright 实现浏览器自动化，可抓取网页中的 JavaScript 渲染内容，并将其转换为 Markdown 格式。以下是使用前的准备步骤：

1. 确保安装 Python 3.13.2 或更新版本。
2. 安装 uv 包管理器。
3. 安装 Playwright 浏览器。

✨ 主要特性

• 浏览器自动化：利用 Playwright 渲染支持完整 JavaScript 的网页。
• 内容提取：自动识别并提取网页的主要内容区域。
• Markdown 转换：将 HTML 转换为简洁易读的 Markdown 格式。
• 分页支持：通过分页处理大量内容。
• 遵守 robots.txt：在自动抓取时遵循 robots.txt 指令。
• 代理支持：允许通过代理服务器路由请求。
• 支持 Docker：可通过 Docker Hub 和 GitHub Container Registry 获取预构建的 Docker 镜像。

📦 安装指南

1. 使用 uv 安装（推荐）

uv pip install git+https://github.com/ThreatFlux/playwright-fetch.git
# 安装 Playwright 浏览器
uv pip exec playwright install

或者，克隆仓库并安装：

git clone https://github.com/ThreatFlux/playwright-fetch.git
cd playwright-fetch
uv pip install -e .
# 安装 Playwright 浏览器
uv pip exec playwright install

2. 使用 Docker

可以从 Docker Hub 或 GitHub Container Registry 获取预构建的 Docker 镜像：

# 从 Docker Hub 获取
docker pull threatflux/playwright-fetch:latest

# 从 GitHub Container Registry 获取
docker pull ghcr.io/threatflux/playwright-fetch:latest

也可以自行构建：

docker build -t threatflux/playwright-fetch .

📚 详细文档

可用工具

• playwright-fetch - 使用 Playwright 浏览器自动化抓取 URL 并将内容提取为 Markdown 格式。
  • url（字符串，必需）：要抓取的 URL。
  • max_length（整数，可选）：返回的最大字符数（默认：5000）。
  • start_index（整数，可选）：从该字符索引开始提取内容（默认：0）。
  • raw（布尔值，可选）：获取未经 Markdown 转换的原始内容（默认：false）。
  • wait_for_js（布尔值，可选）：等待 JavaScript 执行（默认：true）。

提示信息

• playwright-fetch
  • 使用 Playwright 抓取 URL 并将内容提取为 Markdown 格式。
  • 参数：
    • url（字符串，必需）：要抓取的 URL。

配置说明

为 Claude.app 配置

在 Claude 设置中添加以下内容：

"mcpServers": {
  "playwright-fetch": {
    "command": "uvx",
    "args": ["mcp-server-playwright-fetch"]
  }
}

"mcpServers": {
  "playwright-fetch": {
    "command": "docker",
    "args": ["run", "-i", "--rm", "threatflux/playwright-fetch"]
  }
}

为 VS Code 配置

手动安装时，在 VS Code 的用户设置（JSON）文件中添加以下 JSON 块：

{
  "mcp": {
    "servers": {
      "playwright-fetch": {
        "command": "uvx",
        "args": ["mcp-server-playwright-fetch"]
      }
    }
  }
}

{
  "mcp": {
    "servers": {
      "playwright-fetch": {
        "command": "docker",
        "args": ["run", "-i", "--rm", "threatflux/playwright-fetch"]
      }
    }
  }
}

命令行选项

服务器支持以下命令行选项：

• --user-agent：自定义 User-Agent 字符串。
• --ignore-robots-txt：忽略 robots.txt 限制。
• --proxy-url：请求使用的代理 URL。
• --headless：以无头模式运行浏览器（默认：True）。
• --wait-until：指定何时认为导航成功（可选值："load", "domcontentloaded", "networkidle", "commit"，默认："networkidle"）。

💻 使用示例

基础用法

# 使用默认设置运行
uv run mcp-server-playwright-fetch

高级用法

# 使用自定义用户代理和代理运行
uv run mcp-server-playwright-fetch --user-agent="MyCustomAgent/1.0" --proxy-url="http://myproxy:8080"

# 以可见浏览器模式运行以进行调试
uv run mcp-server-playwright-fetch --headless=false

🔧 技术细节

调试方法

可以使用 MCP 检查器调试服务器：

npx @modelcontextprotocol/inspector uvx mcp-server-playwright-fetch

与标准抓取服务器的差异

本实现与标准的抓取 MCP 服务器有以下不同：

1. 浏览器自动化：使用 Playwright 渲染 JavaScript 密集型页面。
2. 内容提取：尝试从常见页面结构中提取主要内容。
3. 等待选项：可配置页面加载策略（等待加载、DOM 内容、网络空闲）。
4. 可见浏览器选项：可使用可见浏览器进行调试。

📄 许可证

本项目采用 MIT 许可证。详情请参阅 LICENSE 文件。

👨‍💻 作者

本项目由 Wyatt Roersma 创建，并得到了 Claude Code 的协助。