MCP-серверы

fetch mcp fetch mcp логотип

Сайт https://github.com/zcaceres/fetch-mcp
Цена Бесплатный доступ
Основные направления Инжиниринг данных и извлечение, МСР для сбора данных

Fetch MCP — это MCP-сервер, который предоставляет AI-ассистентам возможность извлекать, обрабатывать и конвертировать веб-контент, позволяя моделям получать чистый структурированный текст из любых URL-адресов для дальнейшего анализа и использования.

Ключевые особенности:

Извлечение веб-контента: Функция fetch загружает содержимое по указанному URL и автоматически конвертирует HTML в чистый Markdown-текст, удаляя всю разметку, скрипты и стили для удобного анализа AI-моделью.

Гибкая настройка запросов: Поддерживает кастомные HTTP-заголовки и методы запросов, что позволяет взаимодействовать не только с публичными страницами, но и с API-эндпоинтами, требующими специфических параметров авторизации или форматов данных.

Обработка множественных URL: Инструмент fetch_multiple дает возможность извлекать контент сразу из нескольких веб-адресов за один вызов, что ускоряет сбор информации и сравнительный анализ источников.

Конвертация в Markdown: Все полученные HTML-страницы автоматически преобразуются в легковесный формат Markdown, который оптимален для обработки языковыми моделями и занимает минимум токенов в контекстном окне.

Для кого: Ориентирован на разработчиков, исследователей и AI-инженеров, которые используют LLM-клиенты (Claude Desktop, Cursor и другие) для сбора информации из интернета. Подходит для тех, кому необходимо быстро извлекать текстовый контент из документации, блогов, новостных статей и API-ответов без копирования вручную.

Сценарии использования:

Исследование и суммаризация: AI-ассистент по запросу пользователя забирает контент из нескольких источников, конвертирует в Markdown и формирует сводку или сравнительный анализ.

Мониторинг изменений на сайтах: периодический опрос целевых URL через fetch для отслеживания обновлений в документации, прайс-листах или новостных лентах.

Агрегация данных из API: получение структурированных JSON-ответов от внутренних и внешних сервисов и их трансформация в человекочитаемый формат для анализа AI.

Подготовка контекста для AI-моделей: предварительная очистка веб-страниц от HTML-шума для последующего использования в промптах, снижая расход токенов.

Цены и доступность: Проект полностью бесплатный и имеет открытый исходный код. Распространяется через GitHub-репозиторий, устанавливается через npm и запускается как MCP-сервер в stdio-режиме. Для использования достаточно клонировать репозиторий, установить зависимости и добавить конфигурацию в MCP-клиент.