MD MCP Webcrawler Project

一个基于Python的MCP（https://modelcontextprotocol.io/introduction）网络爬虫项目，用于提取并保存网站内容。

功能

• 提取网站内容并以markdown文件形式保存
• 映射网站结构和链接
• 批量处理多个URL
• 可配置的输出目录

安装

1. 克隆仓库：

git clone https://github.com/yourusername/webcrawler.git
cd webcrawler

2. 安装依赖：

pip install -r requirements.txt

3. 可选：配置环境变量：

export OUTPUT_PATH=./output  # 设置您首选的输出目录

输出

爬取的内容将以markdown格式保存在指定的输出目录中。

配置

服务器可以通过环境变量进行配置：

• OUTPUT_PATH：已保存文件的默认输出目录
• MAX_CONCURRENT_REQUESTS：最大并发请求数（默认值：5）
• REQUEST_TIMEOUT：请求超时时间（秒，默认值：330）

Claude 设置

使用FastMCP安装 fastmcp install server.py

或使用自定义设置直接运行fastmcp

"Crawl Server": {
      "command": "fastmcp",
      "args": [
        "run",
        "/Users/mm22/Dev_Projekte/servers-main/src/Webcrawler/server.py"
      ],
      "env": {
        "OUTPUT_PATH": "/Users/user/Webcrawl"
      }

开发

实时开发

fastmcp dev server.py --with-editable .

调试

调试时可以使用 https://modelcontextprotocol.io/docs/tools/inspector

示例

示例 1：提取并保存内容

mcp call extract_content --url "https://example.com" --output_path "example.md"

示例 2：创建内容索引

mcp call scan_linked_content --url "https://example.com" | \
  mcp call create_index --content_map - --output_path "index.md"

贡献

1. 分叉仓库
2. 创建功能分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 打开Pull Request

许可证

根据MIT许可证分发。更多信息请参阅 LICENSE 文件。

要求

• Python 3.7+
• FastMCP (通过 pip install fastmcp 安装)
• 在 requirements.txt 中列出的依赖项