Modelo de Protocolo de Contexto de Modelo (mcp) Servidor Para O Ator do Navegador Web Rag 🌐

O que é o Servidor MCP para o Navegador Web RAG?

O Servidor MCP para o Navegador Web RAG é uma ferramenta poderosa projetada para aprimorar a funcionalidade de tarefas de web scraping e automação. Ele serve como um servidor backend que facilita a operação do Ator do Navegador Web RAG (Geração Aumentada por Recuperação), permitindo que os usuários coletem e processem dados da web de forma eficiente. Este servidor é particularmente útil para desenvolvedores e cientistas de dados que precisam de uma solução robusta para extração e manipulação de dados da web.

Recursos do Servidor MCP para o Navegador Web RAG

• Integração Sem Costura: O Servidor MCP se integra facilmente ao Navegador Web RAG, permitindo uma operação suave e recuperação de dados.
• Escalabilidade: Projetado para lidar com múltiplas solicitações simultaneamente, o servidor pode escalar de acordo com as necessidades do usuário, tornando-o adequado para projetos pequenos e grandes.
• Interface Amigável: O servidor fornece uma interface intuitiva que simplifica a configuração e o gerenciamento de tarefas de web scraping.
• Desempenho Robusto: Com algoritmos otimizados, o Servidor MCP garante processamento de dados rápido e confiável, minimizando o tempo de inatividade e maximizando a eficiência.
• Suporte a Vários Formatos de Dados: O servidor pode lidar com diferentes formatos de dados, tornando-o versátil para várias aplicações em análise de dados e relatórios.

Como Usar o Servidor MCP para o Navegador Web RAG

1. Instalação: Comece instalando o Servidor MCP em sua máquina local ou servidor. Siga as instruções de instalação fornecidas na documentação.
2. Configuração: Configure as configurações do servidor para corresponder aos requisitos do seu projeto. Isso inclui a configuração de chaves de API, formatos de dados e outras preferências.
3. Integração: Conecte o Servidor MCP ao Ator do Navegador Web RAG. Esta etapa é crucial para habilitar as capacidades de recuperação e processamento de dados.
4. Execução: Inicie o servidor e execute suas tarefas de web scraping. Monitore o desempenho e ajuste as configurações conforme necessário para otimizar os resultados.
5. Gerenciamento de Dados: Uma vez que os dados sejam coletados, use as ferramentas do servidor para gerenciar, analisar e exportar os dados no formato desejado.

Perguntas Frequentes

Q: Qual é o uso principal do Servidor MCP para o Navegador Web RAG?

A: O Servidor MCP é usado principalmente para tarefas de web scraping e automação, permitindo que os usuários coletem e processem dados de vários sites de forma eficiente.

Q: O Servidor MCP é adequado para projetos em grande escala?

A: Sim, o Servidor MCP é projetado para ser escalável, tornando-o adequado tanto para projetos pequenos quanto para projetos em grande escala.

Q: Posso personalizar as configurações do servidor?

A: Absolutamente! O Servidor MCP permite uma extensa personalização das configurações para atender às necessidades específicas do projeto.

Q: Que tipos de formatos de dados o servidor suporta?

A: O Servidor MCP suporta vários formatos de dados, incluindo JSON, CSV e XML, tornando-o versátil para diferentes aplicações.

Q: Onde posso encontrar mais informações sobre o Servidor MCP?

A: Para informações mais detalhadas, você pode visitar a documentação oficial da Apify ou o repositório do GitHub para o Servidor MCP.

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.