Skip to main content
Glama
enesjakozh
webscraping-ai

WebScraping-AI MCP Server

Official
by webscraping-ai
OverviewSchemaRelated ServersScoreDiscussions
JavaScript
Remote

WebScraping.AI MCP 服务器

模型上下文协议 (MCP) 服务器实现与WebScraping.AI集成，实现 Web 数据提取功能。

特征

  • 关于网页内容的问答

  • 从网页中提取结构化数据

  • 使用 JavaScript 渲染的 HTML 内容检索

  • 从网页中提取纯文本

  • 基于 CSS 选择器的内容提取

  • 多种代理类型（数据中心、住宅）和国家选择

  • 使用无头 Chrome/Chromium 进行 JavaScript 渲染

  • 具有速率限制的并发请求管理

  • 在目标页面上执行自定义 JavaScript

  • 设备模拟（台式机、手机、平板电脑）

  • 账户使用情况监控

Related MCP server: baidu-ai-search

安装

使用 npx 运行

env WEBSCRAPING_AI_API_KEY=your_api_key npx -y webscraping-ai-mcp

手动安装

# Clone the repository
git clone https://github.com/webscraping-ai/webscraping-ai-mcp-server.git
cd webscraping-ai-mcp-server

# Install dependencies
npm install

# Run
npm start

在光标中配置

注意：需要 Cursor 版本 0.45.6+

WebScraping.AI MCP 服务器可以在 Cursor 中以两种方式配置：

  1. 项目特定配置（推荐用于团队项目）：在项目目录中创建一个.cursor/mcp.json文件：

    {
  "servers": {
    "webscraping-ai": {
      "type": "command",
      "command": "npx -y webscraping-ai-mcp",
      "env": {
        "WEBSCRAPING_AI_API_KEY": "your-api-key",
        "WEBSCRAPING_AI_CONCURRENCY_LIMIT": "5"
      }
    }
  }
}

  2. 全局配置（供所有项目个人使用）：在您的主目录中创建一个~/.cursor/mcp.json文件，其配置格式与上述相同。

如果您使用的是 Windows 并且遇到问题，请尝试使用cmd /c "set WEBSCRAPING_AI_API_KEY=your-api-key && npx -y webscraping-ai-mcp"作为命令。

此配置将使 WebScraping.AI 工具在与网页抓取任务相关时自动可供 Cursor 的 AI 代理使用。

在 Claude Desktop 上运行

将其添加到您的claude_desktop_config.json中：

{
  "mcpServers": {
    "mcp-server-webscraping-ai": {
      "command": "npx",
      "args": ["-y", "webscraping-ai-mcp"],
      "env": {
        "WEBSCRAPING_AI_API_KEY": "YOUR_API_KEY_HERE",
        "WEBSCRAPING_AI_CONCURRENCY_LIMIT": "5"
      }
    }
  }
}

配置

环境变量

必需的

  • WEBSCRAPING_AI_API_KEY ：您的 WebScraping.AI API 密钥

可选配置

  • WEBSCRAPING_AI_CONCURRENCY_LIMIT ：最大并发请求数（默认值： 5 ）

  • WEBSCRAPING_AI_DEFAULT_PROXY_TYPE ：使用的代理类型（默认值： residential ）

  • WEBSCRAPING_AI_DEFAULT_JS_RENDERING ：启用/禁用 JavaScript 渲染（默认值： true ）

  • WEBSCRAPING_AI_DEFAULT_TIMEOUT ：最大网页检索时间（毫秒）（默认值： 15000 ，最大值： 30000 ）

  • WEBSCRAPING_AI_DEFAULT_JS_TIMEOUT ：最大 JavaScript 渲染时间（毫秒）（默认值： 2000 ）

配置示例

对于标准用法：

# Required
export WEBSCRAPING_AI_API_KEY=your-api-key

# Optional - customize behavior (default values)
export WEBSCRAPING_AI_CONCURRENCY_LIMIT=5
export WEBSCRAPING_AI_DEFAULT_PROXY_TYPE=residential # datacenter or residential
export WEBSCRAPING_AI_DEFAULT_JS_RENDERING=true
export WEBSCRAPING_AI_DEFAULT_TIMEOUT=15000
export WEBSCRAPING_AI_DEFAULT_JS_TIMEOUT=2000

可用工具

1.问题工具（ webscraping_ai_question ）

询问有关网页内容的问题。

{
  "name": "webscraping_ai_question",
  "arguments": {
    "url": "https://example.com",
    "question": "What is the main topic of this page?",
    "timeout": 30000,
    "js": true,
    "js_timeout": 2000,
    "wait_for": ".content-loaded",
    "proxy": "datacenter",
    "country": "us"
  }
}

响应示例：

{
  "content": [
    {
      "type": "text",
      "text": "The main topic of this page is examples and documentation for HTML and web standards."
    }
  ],
  "isError": false
}

2. 字段工具（ webscraping_ai_fields ）

根据指令从网页中提取结构化数据。

{
  "name": "webscraping_ai_fields",
  "arguments": {
    "url": "https://example.com/product",
    "fields": {
      "title": "Extract the product title",
      "price": "Extract the product price",
      "description": "Extract the product description"
    },
    "js": true,
    "timeout": 30000
  }
}

响应示例：

{
  "content": [
    {
      "type": "text",
      "text": {
        "title": "Example Product",
        "price": "$99.99",
        "description": "This is an example product description."
      }
    }
  ],
  "isError": false
}

3. HTML工具（ webscraping_ai_html ）

获取带有 JavaScript 渲染的网页的完整 HTML。

{
  "name": "webscraping_ai_html",
  "arguments": {
    "url": "https://example.com",
    "js": true,
    "timeout": 30000,
    "wait_for": "#content-loaded"
  }
}

响应示例：

{
  "content": [
    {
      "type": "text",
      "text": "<html>...[full HTML content]...</html>"
    }
  ],
  "isError": false
}

4.文本工具（ webscraping_ai_text ）

从网页中提取可见的文本内容。

{
  "name": "webscraping_ai_text",
  "arguments": {
    "url": "https://example.com",
    "js": true,
    "timeout": 30000
  }
}

响应示例：

{
  "content": [
    {
      "type": "text",
      "text": "Example Domain\nThis domain is for use in illustrative examples in documents..."
    }
  ],
  "isError": false
}

5.选定工具（ webscraping_ai_selected ）

使用 CSS 选择器从特定元素中提取内容。

{
  "name": "webscraping_ai_selected",
  "arguments": {
    "url": "https://example.com",
    "selector": "div.main-content",
    "js": true,
    "timeout": 30000
  }
}

响应示例：

{
  "content": [
    {
      "type": "text",
      "text": "<div class=\"main-content\">This is the main content of the page.</div>"
    }
  ],
  "isError": false
}

6. 选定多个工具（ webscraping_ai_selected_multiple ）

使用 CSS 选择器从多个元素中提取内容。

{
  "name": "webscraping_ai_selected_multiple",
  "arguments": {
    "url": "https://example.com",
    "selectors": ["div.header", "div.product-list", "div.footer"],
    "js": true,
    "timeout": 30000
  }
}

响应示例：

{
  "content": [
    {
      "type": "text",
      "text": [
        "<div class=\"header\">Header content</div>",
        "<div class=\"product-list\">Product list content</div>",
        "<div class=\"footer\">Footer content</div>"
      ]
    }
  ],
  "isError": false
}

7.帐户工具（ webscraping_ai_account ）

获取有关您的 WebScraping.AI 帐户的信息。

{
  "name": "webscraping_ai_account",
  "arguments": {}
}

响应示例：

{
  "content": [
    {
      "type": "text",
      "text": {
        "requests": 5000,
        "remaining": 4500,
        "limit": 10000,
        "resets_at": "2023-12-31T23:59:59Z"
      }
    }
  ],
  "isError": false
}

所有工具的通用选项

以下选项可与所有抓取工具一起使用：

  • timeout ：网页检索的最大时间（毫秒）（默认为 15000，最大值为 30000）

  • js ：使用无头浏览器执行页面 JavaScript（默认为 true）

  • js_timeout ：最大 JavaScript 渲染时间（毫秒）（默认为 2000）

  • wait_for ：返回页面内容之前等待的 CSS 选择器

  • proxy ：代理类型，数据中心或住宅（默认为住宅）

  • country ：代理服务器所在国家/地区（默认为美国）。支持的国家/地区：美国、英国、德国、意大利、法国、加拿大、西班牙、俄罗斯、日本、韩国、印度

  • custom_proxy ：您自己的代理 URL，格式为“ http://user:password@host:port ”

  • device ：设备仿真类型。支持的值：桌面设备、移动设备、平板电脑

  • error_on_404 ：在目标页面上返回 404 HTTP 状态错误（默认为 false）

  • error_on_redirect ：在目标页面重定向时返回错误（默认为 false）

  • js_script ：在目标页面上执行的自定义 JavaScript 代码

错误处理

服务器提供了强大的错误处理：

  • 暂时性错误自动重试

  • 带退避的速率限制处理

  • 详细错误消息

  • 网络弹性

错误响应示例：

{
  "content": [
    {
      "type": "text",
      "text": "API Error: 429 Too Many Requests"
    }
  ],
  "isError": true
}

与法学硕士 (LLM) 的整合

此服务器实现了模型上下文协议 (MCP) ，使其与任何支持 MCP 的 LLM 平台兼容。您可以配置您的 LLM，以使用这些工具执行 Web 抓取任务。

示例：使用 MCP 配置 Claude

const { Claude } = require('@anthropic-ai/sdk');
const { Client } = require('@modelcontextprotocol/sdk/client/index.js');
const { StdioClientTransport } = require('@modelcontextprotocol/sdk/client/stdio.js');

const claude = new Claude({
  apiKey: process.env.ANTHROPIC_API_KEY
});

const transport = new StdioClientTransport({
  command: 'npx',
  args: ['-y', 'webscraping-ai-mcp'],
  env: {
    WEBSCRAPING_AI_API_KEY: 'your-api-key'
  }
});

const client = new Client({
  name: 'claude-client',
  version: '1.0.0'
});

await client.connect(transport);

// Now you can use Claude with WebScraping.AI tools
const tools = await client.listTools();
const response = await claude.complete({
  prompt: 'What is the main topic of example.com?',
  tools: tools
});

发展

# Clone the repository
git clone https://github.com/webscraping-ai/webscraping-ai-mcp-server.git
cd webscraping-ai-mcp-server

# Install dependencies
npm install

# Run tests
npm test

# Add your .env file
cp .env.example .env

# Start the inspector
npx @modelcontextprotocol/inspector node src/index.js

贡献

  1. 分叉存储库

  2. 创建你的功能分支

  3. 运行测试： npm test

  4. 提交拉取请求

执照

MIT 许可证 - 详情请参阅许可证文件

Install Server
A
license - permissive license
C
quality
C
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Tools

Appeared in Searches

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/webscraping-ai/webscraping-ai-mcp-server'

If you have feedback or need assistance with the MCP directory API, please join our Discord server