WebSearch: herramienta avanzada de búsqueda web y extracción de contenido

Una potente herramienta de búsqueda web y extracción de contenido creada con Python, que aprovecha la API Firecrawl para obtener capacidades avanzadas de análisis de contenido, búsqueda y raspado web.

🚀 Características

• Búsqueda web avanzada : realice búsquedas web inteligentes con parámetros personalizables

• Extracción de contenido : extraiga información específica de páginas web mediante indicaciones en lenguaje natural

• Rastreo web : rastreo de sitios web con profundidad y límites configurables

• Web Scraping : Extraiga páginas web con soporte para varios formatos de salida

• Integración MCP : Construido como un servidor de Protocolo de Contexto Modelo (MCP) para una integración perfecta

📋 Requisitos previos

• Python 3.8 o superior

• administrador de paquetes uv

• Clave API de Firecrawl

• Clave API de OpenAI (opcional, para funciones mejoradas)

• Clave API de Tavily (opcional, para capacidades de búsqueda adicionales)

🛠️ Instalación

1. Instalar uv:

2. Clonar el repositorio:

3. Crear y activar un entorno virtual con uv:

4. Instalar dependencias con uv:

5. Configurar variables de entorno:

🎯 Uso

Configuración con Claude para escritorio

En lugar de ejecutar el servidor directamente, puede configurar Claude for Desktop para acceder a las herramientas de búsqueda web:

1. Localice o cree su archivo de configuración de Claude for Desktop:

   • Ventanas: %env:AppData%\Claude\claude_desktop_config.json

   • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

2. Agregue la configuración del servidor WebSearch a la sección mcpServers :

3. Asegúrese de reemplazar la ruta del directorio con la ruta absoluta a la carpeta del proyecto WebSearch.

4. Guarde el archivo de configuración y reinicie Claude for Desktop.

5. Una vez configuradas, las herramientas de WebSearch aparecerán en el menú de herramientas (icono de martillo) en Claude for Desktop.

Herramientas disponibles

1. Buscar

2. Extraer información

3. Rastrear sitios web

4. Extraer contenido

Referencia de API

Buscar

• query (str): La consulta de búsqueda

• Devuelve: Resultados de búsqueda en formato JSON

Extracto

• urls (List[str]): Lista de URL de las que extraer información

• prompt (str): Instrucciones para la extracción

• enableWebSearch (bool): Habilitar búsqueda web complementaria

• showSources (bool): incluye referencias de origen

• Devuelve: información extraída en el formato especificado

Gatear

• url (str): URL de inicio

• maxDepth (int): profundidad máxima de rastreo

• limit (int): Máximo de páginas a rastrear

• Devoluciones: contenido rastreado en formato Markdown/HTML

Raspar

• url (str): URL de destino

• Devoluciones: contenido extraído con capturas de pantalla opcionales

🔧 Configuración

Variables de entorno

La herramienta requiere ciertas claves API para funcionar. Proporcionamos un archivo .env.example que puede usar como plantilla:

1. Copia el archivo de ejemplo:

2. Edite el archivo .env con sus claves API:

Obtener las claves API

1. Clave API de OpenAI :

   • Visita la plataforma de OpenAI

   • Regístrate o inicia sesión

   • Navegar a la sección de claves API

   • Crear una nueva clave secreta

2. Clave API de Firecrawl :

   • Visita el sitio web de Firecrawl

   • Crear una cuenta

   • Navega a tu panel de control

   • Generar una nueva clave API

Si todo está configurado correctamente, debería recibir una respuesta JSON con los resultados de la búsqueda.

Solución de problemas

Si encuentra errores:

1. Asegúrese de que todas las claves API necesarias estén configuradas en su archivo .env

2. Verifique que las claves API sean válidas y no hayan expirado

3. Verifique que el archivo .env esté en el directorio raíz del proyecto

4. Asegúrese de que las variables de entorno se estén cargando correctamente

🤝 Contribuyendo

1. Bifurcar el repositorio

2. Crea tu rama de funciones ( git checkout -b feature/AmazingFeature )

3. Confirme sus cambios ( git commit -m 'Add some AmazingFeature' )

4. Empujar a la rama ( git push origin feature/AmazingFeature )

5. Abrir una solicitud de extracción

📝 Licencia

Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.

🙏 Agradecimientos

• Firecrawl por su potente API de raspado web

• OpenAI para capacidades de IA

• MCP La comunidad MCP para la especificación del protocolo

📬 Contacto

José Martín Rodríguez Mortaloni - @m4s1t425 - jmrodriguezm13@gmail.com

Hecho con ❤️ usando Python y Firecrawl