Этот проект предоставляет сервер MCP (Model Context Protocol), который использует библиотеку crawl4ai для выполнения задач веб-скребинга и интеллектуального извлечения контента. Он позволяет агентам ИИ (например, Claude или агентам, созданным с помощью LangChain / LangGraph) взаимодействовать с веб-страницами, извлекать контент, искать конкретный текст и выполнять извлечение на основе LLM на основе инструкций естественного языка.

Этот сервер использует:

** FastMCP:** Для создания конечной точки сервера MCP. ** *Crawl4ai: ** Для основной веб-сканирования и логики извлечения. dotenv Для управления ключами API через файл .env. (необязательно) Docker: Для контейнерного развертывания, объединения Python и зависимостей.

Особенности

• Выставляет инструменты MCP для веб-взаимодействия: [[Т1]]: Получите полный контент веб-страницы в формате Markdown. [[Т2]]: Найдите конкретные фрагменты текста на странице на основе запроса. T3: Используйте LLM (в настоящее время Google Gemini) для извлечения структурированной информации на основе инструкций.
• Конфигурируемые через переменные среды (ключи API).
• Включает конфигурацию Docker ([T4]) для простого автономного развертывания. Общается через события, отправленные сервером (SSE) на порту 8002 по умолчанию.

Crawl4AI Web Scraper MCP Server

This project provides an MCP (Model Context Protocol) server that uses the crawl4ai library to perform web scraping and intelligent content extraction tasks. It allows AI agents (like Claude, or agents built with LangChain/LangGraph) to interact with web pages, retrieve content, search for specific text, and perform LLM-based extraction based on natural language instructions.

This server uses:

• FastMCP: For creating the MCP server endpoint.
• crawl4ai: For the core web crawling and extraction logic.
• dotenv: For managing API keys via a .env file.
• (Optional) Docker: For containerized deployment, bundling Python and dependencies.

Features

• Exposes MCP tools for web interaction:
  • scrape_url: Get the full content of a webpage in Markdown format.
  • extract_text_by_query: Find specific text snippets on a page based on a query.
  • smart_extract: Use an LLM (currently Google Gemini) to extract structured information based on instructions.
• Configurable via environment variables (API keys).
• Includes Docker configuration (Dockerfile) for easy, self-contained deployment.
• Communicates over Server-Sent Events (SSE) on port 8002 by default.

Exposed MCP Tools

scrape_url

Scrape a webpage and return its content in Markdown format.

Arguments:

• url (str, required): The URL of the webpage to scrape.

Returns:

• (str): The webpage content in Markdown format, or an error message.

extract_text_by_query

Extract relevant text snippets from a webpage that contain a specific search query. Returns up to the first 5 matches found.

Arguments:

• url (str, required): The URL of the webpage to search within.
• query (str, required): The text query to search for (case-insensitive).
• context_size (int, optional): The number of characters to include before and after the matched query text in each snippet. Defaults to 300.

Returns:

• (str): A formatted string containing the found text snippets or a message indicating no matches were found, or an error message.

smart_extract

Intelligently extract specific information from a webpage using the configured LLM (currently requires Google Gemini API key) based on a natural language instruction.

Arguments:

• url (str, required): The URL of the webpage to analyze and extract from.