Webscraping Ai MCP Server

🚀 WebScraping.AI MCP 服务器文档

WebScraping.AI MCP 服务器基于 Model Context Protocol (MCP)，可与大型语言模型（LLMs）集成。它实现了 Model Context Protocol，支持任何启用 MCP 的 LLM 平台，为网页数据处理和语言模型交互提供了便利。

🚀 快速开始

WebScraping.AI 提供了一个基于 Model Context Protocol (MCP) 的服务器，用于与大型语言模型（LLMs）集成。要使用该服务器，你可以按照下面的步骤进行操作。

📦 安装指南

克隆仓库

git clone https://github.com/webscraping-ai/webscraping-ai-mcp-server.git
cd webscraping-ai-mcp-server

安装依赖项

npm install

📚 详细文档

配置

创建并编辑 .env 文件，添加以下环境变量：

• WEBSCRAPING_AI_API_KEY：你的 WebScraping.AI API 密钥
• 其他可选环境变量如代理和日志级别

示例 .env 文件内容如下：

WEBSCRAPING_AI_API_KEY=your-api-key
# Optional proxy settings
HTTP_PROXY=http://example.com:1080
HTTPS_PROXY=https://example.com:1080
NO_PROXY=localhost,127.0.0.1
# 日志级别选项：debug, info, warning, error, critical
LOG_LEVEL=info

使用示例

基础用法

以下是一个使用 webscraping-ai-mcp 命令行工具的示例：

npx webscraping-ai-mcp --url https://example.com --output json

参数选项

• --url：要爬取的目标 URL（必填）
• --output：输出格式，支持 text 或 json
• 其他高级参数如代理设置和请求头

工具列表

网页抓取工具

{
  "name": "webscraping_ai_fetch",
  "description": "从目标 URL 抓取网页内容。",
  "parameters": {
    "type": "object",
    "properties": {
      "url": { "type": "string", "description": "要抓取的 URL" },
      "output_format": { "type": "string", "enum": ["text", "json"], "default": "text" }
    }
  }
}

网站分析工具

{
  "name": "webscraping_ai_analyze",
  "description": "分析目标网站的技术细节。",
  "parameters": {
    "type": "object",
    "properties": {
      "url": { "type": "string", "description": "要分析的 URL" }
    }
  }
}

账户信息工具

{
  "name": "webscraping_ai_account",
  "description": "获取 WebScraping.AI 账户信息。",
  "parameters": {
    "type": "object",
    "properties": {}
  }
}

错误处理

服务器提供强大的错误处理功能，包括：

• 自动重试机制
• 网络连接恢复
• 请求速率限制处理
• 详细错误日志

示例错误响应

{
  "error": {
    "code": "403",
    "message": "访问被拒绝",
    "details": "请求超过了 API 配额"
  }
}

与 LLM 的集成

服务器支持通过以下步骤与 LLM 集成：

步骤 1: 安装依赖

npm install web-scraping-ai mcp-service

步骤 2: 创建服务

const { MCPService } = require('mcp-service');
const service = new MCPService({
  apiKey: 'your-api-key',
  provider: 'openai'
});

开发

启动开发服务器

npm run dev

测试命令

npm test

贡献指南

提交代码

1. 创建功能分支
2. 提交更改并推送
3. 创建拉取请求

📄 许可证

本项目遵循 MIT 许可证，具体内容如下：

• 允许自由使用、复制、修改和分发代码
• 需要在分发作品中包含版权声明