モデルコンテキストプロトコル (mcp) サーバー for Rag ウェブブラウザアクター 🌐

RAGウェブブラウザ用MCPサーバーとは？

RAGウェブブラウザ用MCPサーバーは、ウェブスクレイピングおよび自動化タスクの機能を強化するために設計された強力なツールです。これは、RAG（Retrieval-Augmented Generation）ウェブブラウザアクターの操作を促進するバックエンドサーバーとして機能し、ユーザーが効率的にウェブデータを収集および処理できるようにします。このサーバーは、ウェブデータの抽出と操作のために堅牢なソリューションを必要とする開発者やデータサイエンティストに特に便利です。

RAGウェブブラウザ用MCPサーバーの特徴

• シームレスな統合：MCPサーバーはRAGウェブブラウザと簡単に統合され、スムーズな操作とデータ取得を可能にします。
• スケーラビリティ：複数のリクエストを同時に処理できるように設計されており、ユーザーのニーズに応じてスケールできるため、小規模から大規模なプロジェクトに適しています。
• ユーザーフレンドリーなインターフェース：サーバーは直感的なインターフェースを提供し、ウェブスクレイピングタスクの設定と管理を簡素化します。
• 堅牢なパフォーマンス：最適化されたアルゴリズムにより、MCPサーバーは迅速かつ信頼性の高いデータ処理を保証し、ダウンタイムを最小限に抑え、効率を最大化します。
• 様々なデータ形式のサポート：サーバーは異なるデータ形式を処理できるため、データ分析や報告のさまざまなアプリケーションに対応できます。

RAGウェブブラウザ用MCPサーバーの使用方法

1. インストール：まず、MCPサーバーをローカルマシンまたはサーバーにインストールします。ドキュメントに記載されたインストール手順に従ってください。
2. 設定：プロジェクトの要件に合わせてサーバー設定を構成します。これには、APIキー、データ形式、その他の設定を行うことが含まれます。
3. 統合：MCPサーバーをRAGウェブブラウザアクターに接続します。このステップは、データ取得および処理機能を有効にするために重要です。
4. 実行：サーバーを起動し、ウェブスクレイピングタスクを実行します。パフォーマンスを監視し、結果を最適化するために必要に応じて設定を調整します。
5. データ管理：データが収集されたら、サーバーのツールを使用してデータを管理、分析、および希望の形式でエクスポートします。

よくある質問

Q: RAGウェブブラウザ用MCPサーバーの主な用途は何ですか？

A: MCPサーバーは主にウェブスクレイピングおよび自動化タスクに使用され、ユーザーがさまざまなウェブサイトからデータを効率的に収集および処理できるようにします。

Q: MCPサーバーは大規模プロジェクトに適していますか？

A: はい、MCPサーバーはスケーラブルに設計されており、小規模から大規模プロジェクトの両方に適しています。

Q: サーバー設定をカスタマイズできますか？

A: もちろんです！MCPサーバーは、特定のプロジェクトニーズに合わせて設定を広範囲にカスタマイズできます。

Q: サーバーはどのようなデータ形式をサポートしていますか？

A: MCPサーバーは、JSON、CSV、XMLなどのさまざまなデータ形式をサポートしており、さまざまなアプリケーションに対応できます。

Q: MCPサーバーに関する詳細情報はどこで見つけられますか？

A: 詳細情報については、公式のApifyドキュメントやMCPサーバーのGitHubリポジトリを訪れてください。

Model Context Protocol (MCP) Server for the RAG Web Browser Actor 🌐

Implementation of an MCP server for the RAG Web Browser Actor. This Actor serves as a web browser for large language models (LLMs) and RAG pipelines, similar to a web search in ChatGPT.

<a href="https://glama.ai/mcp/servers/sr8xzdi3yv"><img width="380" height="200" src="https://glama.ai/mcp/servers/sr8xzdi3yv/badge" alt="mcp-server-rag-web-browser MCP server" /></a>

🎯 What does this MCP server do?

This server is specifically designed to provide fast responses to AI agents and LLMs, allowing them to interact with the web and extract information from web pages. It runs locally and communicates with the RAG Web Browser Actor in Standby mode, sending search queries and receiving extracted web content in response.

The RAG Web Browser Actor allows an AI assistant to:

• Perform web search, scrape the top N URLs from the results, and return their cleaned content as Markdown
• Fetch a single URL and return its content as Markdown

🧱 Components

Tools

• search: Query Google Search, scrape the top N URLs from the results, and returns their cleaned content as Markdown. Arguments:
  • query (string, required): Search term or URL
  • maxResults (number, optional): Maximum number of search results to scrape (default: 1)
  • scrapingTool (string, optional): Select a scraping tool for extracting web pages. Options: 'browser-playwright' or 'raw-http' (default: 'raw-http')
  • outputFormats (array, optional): Select one or more formats for the output. Options: 'text', 'markdown', 'html' (default: ['markdown'])
  • requestTimeoutSecs (number, optional): Maximum time in seconds for the request (default: 40)

🔄 What is the Model Context Protocol?

The Model Context Protocol (MCP) is a framework that enables AI applications, such as Claude Desktop, to connect seamlessly with external tools and data sources. For more details, visit the Model Context Protocol website or read the blog post What is MCP and why does it matter?.

🤖 How does the MCP Server integrate with AI Agents?

The MCP Server empowers AI Agents to perform web searches and browsing using the RAG Web Browser Actor. For a comprehensive understanding of AI Agents, check out our blog post: What are AI Agents? and explore Apify's Agents.

Interested in building and monetizing your own AI agent on Apify? Check out our step-by-step guide for creating, publishing, and monetizing AI agents on the Apify platform.

🔌 Related MCP servers and clients by Apify

This server operates over standard input/output (stdio), providing a straightforward connection to AI Agents. Apify offers several other MCP-related tools:

Server Options

• 🖥️ This MCP Server – A local stdio-based server for direct integration with Claude Desktop
• 🌐 RAG Web Browser Actor via SSE – Access the RAG Web Browser directly via Server-Sent Events without running a local server
• 🇦 MCP Server Actor – MCP Server that provides AI agents with access to over 4,000 specialized Apify Actors

Client Options

• 💬 Tester MCP Client – A user-friendly UI for interacting with any SSE-based MCP server

🛠️ Configuration

Prerequisites

• MacOS or Windows
• The latest version of Claude Desktop must be installed (or another MCP client)
• Node.js (v18 or higher)
• Apify API Token (APIFY_TOKEN)

Install

Follow the steps below to set up and run the server on your local machine: First, clone the repository using the following command:

git clone git@github.com:apify/mcp-server-rag-web-browser.git

Navigate to the project directory and install the required dependencies:

cd mcp-server-rag-web-browser
npm install

Before running the server, you need to build the project:

npm run build

Claude Desktop

Configure Claude Desktop to recognize the MCP server.

1. Open your Claude Desktop configuration and edit the following file:

   • On macOS: ~/Library/Application\ Support/Claude/claude_desktop_config.json
   • On Windows: %APPDATA%/Claude/claude_desktop_config.json

   "mcpServers": {
     "rag-web-browser": {
       "command": "npx",
       "args": [
         "@apify/mcp-server-rag-web-browser"
       ],
       "env": {
          "APIFY_TOKEN": "your-apify-api-token"
       }
     }
   }
   

2. Restart Claude Desktop

   • Fully quit Claude Desktop (ensure it's not just minimized or closed).
   • Restart Claude Desktop.
   • Look for the 🔌 icon to confirm that the server is connected.

3. Examples

   You can ask Claude to perform web searches, such as:

   What is an MCP server and how can it be used?
   What is an LLM, and what are the recent news updates?
   Find and analyze recent research papers about LLMs.
   

Debug the server using the MCP Inspector

export APIFY_TOKEN=your-apify-api-token
npx @modelcontextprotocol/inspector npx -y @apify/mcp-server-rag-web-browser

👷🏼 Development

Local client (stdio)

To test the server locally, you can use example_client_stdio.ts:

export APIFY_TOKEN=your-apify-api-token
node dist/example_client_stdio.js

The script will start the MCP server, fetch available tools, and then call the search tool with a query.

Direct API Call

To test calling the RAG Web Browser Actor directly:

export APIFY_TOKEN=your-apify-api-token
node dist/example_call_web_browser.js

Debugging

Since MCP servers operate over standard input/output (stdio), debugging can be challenging. For the best debugging experience, use the MCP Inspector.

Build the mcp-server-rag-web-browser package:

npm run build

You can launch the MCP Inspector via npm with this command:

export APIFY_TOKEN=your-apify-api-token
npx @modelcontextprotocol/inspector node dist/index.js

Upon launching, the Inspector will display a URL that you can access in your browser to begin debugging.