Skip to main content
Glama

WebSearch: herramienta avanzada de búsqueda web y extracción de contenido

LicenciaVersión de PythonFirecrawlultravioleta

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

Related MCP server: Firecrawl MCP Server

📋 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:

# On Windows (using pip)
pip install uv

# On Unix/MacOS
curl -LsSf https://astral.sh/uv/install.sh | sh

# Add uv to PATH (Unix/MacOS)
export PATH="$HOME/.local/bin:$PATH"

# Add uv to PATH (Windows - add to Environment Variables)
# Add: %USERPROFILE%\.local\bin
  1. Clonar el repositorio:

git clone https://github.com/yourusername/websearch.git
cd websearch
  1. Crear y activar un entorno virtual con uv:

# Create virtual environment
uv venv

# Activate on Windows
.\.venv\Scripts\activate.ps1

# Activate on Unix/MacOS
source .venv/bin/activate
  1. Instalar dependencias con uv:

# Install from requirements.txt
uv sync
  1. Configurar variables de entorno:

# Create .env file
touch .env

# Add your API keys
FIRECRAWL_API_KEY=your_firecrawl_api_key
OPENAI_API_KEY=your_openai_api_key

🎯 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 :

{
  "mcpServers": {
    "websearch": {
      "command": "uv",
      "args": [
        "--directory",
        "D:\\ABSOLUTE\\PATH\\TO\\WebSearch",
        "run",
        "main.py"
      ]
    }
  }
}
  1. Asegúrese de reemplazar la ruta del directorio con la ruta absoluta a la carpeta del proyecto WebSearch.

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

  3. 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:

# On Unix/MacOS
cp .env.example .env

# On Windows
copy .env.example .env
  1. Edite el archivo .env con sus claves API:

# OpenAI API key - Required for AI-powered features
OPENAI_API_KEY=your_openai_api_key_here

# Firecrawl API key - Required for web scraping and searching
FIRECRAWL_API_KEY=your_firecrawl_api_key_here

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 :

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

Available Tools

4 tools
crawlB

Crawls a website starting from the specified URL and extracts content from multiple pages. Args: - url: The complete URL of the web page to start crawling from - maxDepth: The maximum depth level for crawling linked pages - limit: The maximum number of pages to crawl

Returns:
- Content extracted from the crawled pages in markdown and HTML format

Inputs: url (required), maxDepth (required), limit (required).

extractB

Extracts specific information from a web page based on a prompt. Args: - url: The complete URL of the web page to extract information from - prompt: Instructions specifying what information to extract from the page - enabaleWebSearch: Whether to allow web searches to supplement the extraction - showSources: Whether to include source references in the response

Returns:
- Extracted information from the web page based on the prompt

Inputs: url (required), prompt (required), enabaleWebSearch (required), showSources (required).

scrapeD

Inputs: url (required).

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    C2.4/5.0

    Scored across 4 tools

    Disambiguation2/5

    The tools have significant overlap and unclear boundaries. 'crawl' extracts content from multiple pages, 'extract' pulls specific info from a single page, and 'scrape' (with no description) is ambiguous—likely overlapping with both. 'search' is distinct for web searches, but the others could easily be confused for similar web content tasks.

    Naming Consistency5/5

    All tool names follow a consistent, simple verb pattern (crawl, extract, scrape, search). They are short, clear, and uniformly styled without mixing conventions, making them predictable and easy to parse.

    Tool Count4/5

    Four tools is reasonable for a web search domain, allowing coverage of crawling, extraction, scraping, and searching. It's slightly thin but manageable, as each tool addresses a core aspect of web data retrieval without being overly bloated.

    Completeness3/5

    There are notable gaps in the tool surface. The server covers basic retrieval (crawl, search) and extraction, but lacks update/delete operations (e.g., no tool to modify or clear cached data) and has a dead tool ('scrape' with no description), which limits functionality. However, agents can work around this for common web search tasks.

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      A
      quality
      D
      maintenance
      A Model Context Protocol server that enables web scraping, crawling, and content extraction capabilities through integration with Firecrawl.
      8
      2
      MIT
    • F
      license
      A
      quality
      D
      maintenance
      A production-ready Model Context Protocol (MCP) server that integrates with the Firecrawl API to give AI assistants the power to scrape, crawl, and search the web.
      3
      -