MD MCP ウェブクローラー プロジェクト

ウェブサイトのコンテンツを抽出して保存するための Python ベースの MCP ( https://modelcontextprotocol.io/introduction ) ウェブ クローラー。

特徴

• ウェブサイトのコンテンツを抽出し、マークダウンファイルとして保存する

• ウェブサイトの構造とリンクをマップする

• 複数のURLのバッチ処理

• 設定可能な出力ディレクトリ

Related MCP server: crawl-mcp-server

インストール

1. リポジトリをクローンします。

git clone https://github.com/yourusername/webcrawler.git
cd webcrawler

2. 依存関係をインストールします:

pip install -r requirements.txt

3. オプション: 環境変数を設定します。

export OUTPUT_PATH=./output  # Set your preferred output directory

出力

クロールされたコンテンツは、指定された出力ディレクトリにマークダウン形式で保存されます。

構成

サーバーは環境変数を通じて設定できます:

• OUTPUT_PATH : 保存されたファイルのデフォルトの出力ディレクトリ

• MAX_CONCURRENT_REQUESTS : 最大並列リクエスト数（デフォルト: 5）

• REQUEST_TIMEOUT : リクエストのタイムアウト（秒）（デフォルト: 30）

クロード・セットアップ

FastMCPでインストールするfastmcp install server.py

または、fastmcp で直接実行するためのユーザーカスタム設定

"Crawl Server": {
      "command": "fastmcp",
      "args": [
        "run",
        "/Users/mm22/Dev_Projekte/servers-main/src/Webcrawler/server.py"
      ],
      "env": {
        "OUTPUT_PATH": "/Users/user/Webcrawl"
      }

発達

ライブ開発

fastmcp dev server.py --with-editable .

デバッグ

デバッグにはhttps://modelcontextprotocol.io/docs/tools/inspectorを使用すると便利です。

例

例1: コンテンツの抽出と保存

mcp call extract_content --url "https://example.com" --output_path "example.md"

例2: コンテンツインデックスを作成する

mcp call scan_linked_content --url "https://example.com" | \
  mcp call create_index --content_map - --output_path "index.md"

貢献

1. リポジトリをフォークする

2. 機能ブランチを作成する ( git checkout -b feature/AmazingFeature )

3. 変更をコミットします（ git commit -m 'Add some AmazingFeature' ）

4. ブランチにプッシュする ( git push origin feature/AmazingFeature )

5. プルリクエストを開く

ライセンス

MITライセンスに基づいて配布されています。詳細についてはLICENSEをご覧ください。

要件

• Python 3.7以上

• FastMCP (uv pip install fastmcp)

• requirements.txt にリストされている依存関係