MD MCP 网络爬虫项目

基于 Python 的 MCP（ https://modelcontextprotocol.io/introduction ）网络爬虫，用于提取和保存网站内容。

特征

• 提取网站内容并保存为 markdown 文件

• 地图网站结构和链接

• 批量处理多个 URL

• 可配置的输出目录

Related MCP server: crawl-mcp-server

安装

1. 克隆存储库：

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

2. 安装依赖项：

pip install -r requirements.txt

3. 可选：配置环境变量：

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

输出

爬取的内容以markdown格式保存在指定的输出目录中。

配置

可以通过环境变量配置服务器：

• OUTPUT_PATH ：保存文件的默认输出目录

• MAX_CONCURRENT_REQUESTS ：最大并行请求数（默认值：5）

• REQUEST_TIMEOUT ：请求超时（秒）（默认值：30）

克劳德的设置

使用 FastMCP 安装fastmcp install server.py

或用户自定义设置直接使用 fastmcp 运行

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

发展

实时开发

fastmcp dev server.py --with-editable .

调试

它有助于使用https://modelcontextprotocol.io/docs/tools/inspector进行调试

示例

示例 1：提取并保存内容

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

示例 2：创建内容索引

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

贡献

1. 分叉存储库

2. 创建功能分支（ git checkout -b feature/AmazingFeature ）

3. 提交您的更改（ git commit -m 'Add some AmazingFeature' ）

4. 推送到分支（ git push origin feature/AmazingFeature ）

5. 打开拉取请求

执照

根据 MIT 许可证分发。更多信息请参阅LICENSE 。

要求

• Python 3.7+

• FastMCP（uv pip 安装 fastmcp）

• requirements.txt 中列出的依赖项