Puppeteer Scrape

mcp服务器木偶抓取

一种MCP服务器，使用Puppeteer提供网络抓取功能，从网站中提取内容并将其转换为Markdown格式。

为什么是Puppeter？

与简单的基于HTTP的抓取器不同，Puppeteer使用真正的浏览器引擎来：

• 渲染JavaScript繁重的网站：捕获JavaScript框架（React、Vue、Angular）动态生成的内容
• 处理客户端渲染：等待AJAX调用和延迟加载内容
• 访问交互元素：提取仅在用户交互后出现的内容
• 绕过防刮擦措施：在网站上显示为真正的浏览器
• 捕获最终DOM：获取用户看到的完全呈现的页面

安装

pnpm install
pnpm dev

用作MCP服务器

在Claude桌面中配置

添加到您的Claude Desktop配置中：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json 视窗: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "puppeteer-scrape": {
      "command": "pnpm",
      "args": ["dev"],
      "cwd": "/path/to/mcp-server-puppeteer-scrape"
    }
  }
}

更新配置后重新启动Claude Desktop。

可用的MCP工具

刮擦 -抓取一个网页并将其转换为Puppeteer支持的Markdown

• 参数：

- url （string）-要抓取的网页的URL

• 返回：从网页中提取的Markdown格式的内容

卷曲测试

# Test the scrape tool
curl -X POST http://localhost:3000/api/mcp \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "scrape",
      "arguments": {
        "url": "https://example.com"
      }
    },
    "id": 1
  }'

# Scrape a JavaScript-heavy site
curl -X POST http://localhost:3000/api/mcp \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "scrape",
      "arguments": {
        "url": "https://news.ycombinator.com"
      }
    },
    "id": 2
  }'

许可证

麻省理工学院