微信扫码
添加专属顾问
我要投稿
将复杂HTML文档一键转换为AI友好的Markdown格式,极大提升信息处理效率。 核心内容: 1. Fetch MCP Server概述及其核心功能 2. 安装与配置指南,包括uv和Docker两种方式 3. 高级定制选项,如robots.txt处理和用户代理设置
喂Cursor技术文档还有手动复制粘贴?
今天的MCP精选集介绍一个好用的Server:Fetch MCP Server
Fetch MCP Server是一个基于Model Context Protocol的服务器,专门提供网页内容获取和处理功能。
除了检索和处理网页内容,还能将HTML转换为更易于消费的markdown格式。Fetch MCP Server极大地增强了AI模型理解和分析网络信息的能力。
Fetch MCP Server提供了一个名为fetch
的强大工具,具有以下参数:
url
(字符串,必填):要获取的URLmax_length
(整数,可选):返回的最大字符数(默认:5000)start_index
(整数,可选):从此字符索引开始获取内容(默认:0)raw
(布尔值,可选):获取原始内容而不进行markdown转换(默认:false)这个Server的特点是定制化和可控性。
能够按需截断响应,并通过使用start_index
参数,指定从何处开始提取内容。模型能够分块阅读网页,直到找到所需的信息。
使用uv安装(推荐)
使用uv
时不需要特定的安装步骤。我们将使用uvx
直接运行mcp-server-fetch。
关于 uv的更多资料,请点击这里:放弃 pip/venv,拥抱 uv
uvx mcp-server-fetch
为Claude Desk配置,将以下配置添加到Claude配置项中,具体配置的方法可以参照这里:链接?
使用uvx
{ "mcpServers": {"fetch": {"command": "uvx","args": ["mcp-server-fetch"]} }}
{ "mcpServers": {"fetch": {"command": "docker","args": ["run", "--rm", "-i", "ghcr.io/modelcontextprotocol/fetch:main"]} }}
默认情况下,服务器会将遵守网站的robots.txt文件,但是通过在配置中的args
列表中添加--ignore-robots-txt
参数来禁用此功能。
robots.txt是网站和网络爬虫之间的君子协定,一般个人使用的话可以放开。
默认情况下,根据请求是来自模型(通过工具)还是由用户发起(通过提示),服务器将使用以下用户代理之一:
ModelContextProtocol/1.0 (Autonomous; +https://github.com/modelcontextprotocol/servers)
那当然,完全可以通过在配置中的args
列表中添加--user-agent=YourUserAgent
参数来自定义用户代理。
MCP服务器的一个关键特点是,只用自然语言就能使用。以下是Fetch MCP Server的几个实际应用场景:
以Claude桌面应用中,配置好Fetch MCP Server,可以直接要求Claude获取并分析网页内容:
用户: "请使用Fetch工具获取'https://nextjs.org/docs'的内容,并分析其中的主要观点。"
Claude: "我将使用Fetch工具获取该网页内容..."
此时,Claude会自动调用已配置的Fetch MCP Server,获取网页内容,然后分析并总结该内容,无需编写任何代码或执行API调用。
需要比较多个网页的内容时,使用:
用户: "请获取以下三个网页的内容并比较它们的异同:
Claude: "我会依次获取这三个网页并进行比较分析..."
Claude会使用Fetch MCP Server获取每个URL的内容,然后进行比较分析,为您提供一个综合的对比结果。
对于特别长的网页,Claude可以利用Fetch MCP Server的start_index参数分块读取:
用户: "https://example.com/longpage 这个页面很长,请帮我分析其内容"
Claude: "我注意到这是一个长网页,我将分块读取它..."
在这种情况下,Claude会自动判断需要多次获取内容,每次使用不同的start_index来获取网页的不同部分,直到它收集到足够的信息来回答您的问题。它可能会这样操作:
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-04-03
Ray 在 Bilibili 的场景探索与落地实践
2025-04-03
Spring AI+DeepSeek R1搭建企业私有化模型工具(直接使用)
2025-04-02
一文看懂预训练、微调和上下文学习
2025-04-02
我让DeepSeek设计了一个智能运维平台 -- 如何做数据准备和模型训练
2025-04-02
微调大模型!ModelScope 算力,实现Qwen2.5微调模型
2025-04-01
Cursor是越来越难用了!逼着我写mdc文档比代码还多
2025-04-01
Docker部署Dify+RAGFlow避坑指南
2025-04-01
大型语言模型如何高效微调量化?答案就是 QLoRA!
2025-02-04
2025-02-04
2024-09-18
2024-07-11
2024-07-09
2024-07-11
2024-07-26
2025-02-05
2025-01-27
2025-02-01
2025-04-01
2025-03-31
2025-03-20
2025-03-16
2025-03-16
2025-03-13
2025-03-13
2025-03-11