知乎 Scraper MCP Server

Un servidor MCP que proporciona a los clientes MCP la capacidad de leer el texto completo de Zhihu, el árbol de comentarios completo y la búsqueda por tipo.

Es una envoltura delgada sobre zhihu-toolkit CLI (el comando zhihu): cada herramienta llama a la interfaz --json del CLI, recorta el resultado a una estructura simplificada y lo devuelve, evitando que campos como avatares/HTML/marcas de tiempo redundantes saturen el contexto del modelo.

Se centra en tres capacidades: texto completo de respuestas/artículos, árbol de comentarios completo y búsqueda precisa por tipo—adecuado para escenarios que necesitan listas precisas, extraer texto y comentarios.

Resumen de capacidades

Related MCP server: zhihu MCP Server

Requisitos del entorno

• Python 3.12+

• uv

• Un estado de inicio de sesión de Zhihu (Cookie), importado mediante zhihu auth paste; este servidor no gestiona ni almacena credenciales.

Inicio rápido

Ver INSTALL.md (para autoinstalación con Claude Code / Agent). Los parámetros detallados y sugerencias de uso de las herramientas están en USAGE.md.

Versión en una frase:

git clone https://github.com/luyanhexay/zhihu-scraper-mcp.git
cd zhihu-scraper-mcp
uv sync --locked
.venv/bin/zhihu auth paste     # 粘贴浏览器 DevTools 复制的 cURL，Ctrl+D 结束

Luego regístralo en Claude Code (reemplaza <ABS> con la ruta absoluta de este repositorio):

claude mcp add zhihu-scraper -- <ABS>/.venv/bin/zhihu-scraper-mcp

Credenciales y privacidad

• La información de autenticación la almacena el CLI zhihu en ~/.zhihu-cli/, no en este repositorio.

• Este repositorio no contiene ninguna cookie; .gitignore bloquea adicionalmente archivos como cookies.json para evitar envíos accidentales.

• Distribuir este repositorio no expone tu cuenta de Zhihu. Los usuarios deben importar su propio estado de inicio de sesión.

Problemas conocidos

• El endpoint HTML de una respuesta individual suele estar bloqueado por el control de riesgos de Zhihu (__zse_ck). get_fulltext recurre automáticamente a la ruta de "seleccionar la respuesta correspondiente de la API de preguntas", por lo que intenta pasar la URL completa de la respuesta que contenga /question/<id>/answer/<id>.

• Las palabras clave de búsqueda deben ser concisas (≤3 palabras); si son demasiado largas, es fácil que devuelvan vacío.

• Cuando se active el control de riesgos, completa la verificación en el navegador primero y luego vuelve a ejecutar zhihu auth paste para actualizar el estado de inicio de sesión.

Agradecimientos

• zhihu-toolkit / zhihu-cli

• Model Context Protocol

Licencia

MIT