MCP 服务器可读性解析器 (Python / FastMCP)

致谢/参考

本项目基于 emzimmer 的原始 server-moz-readability 实现。（有关原始 README 文档，请参阅 原始 README.md。）

此 Python 实现将原始概念调整为使用 FastMCP 作为基于 Python 的 MCP 运行。

Mozilla Readability Parser MCP 服务器

一个 模型上下文协议 (MCP) 服务器的 Python 实现，该服务器提取网页内容并将其转换为干净的、针对 LLM 优化的 Markdown。

目录

• 特性
• 为什么不直接抓取？
• 安装
• 快速开始
• 工具参考
• 依赖项
• 许可证

特性

• 移除广告、导航、页脚和其他非必要内容
• 将干净的 HTML 转换为格式良好的 Markdown
• 优雅地处理错误
• 针对 LLM 处理进行了优化
• 轻量级且快速

为什么不直接抓取？

与简单的抓取请求不同，此服务器：

• 仅使用 Readability 算法提取相关内容
• 消除广告、弹出窗口和导航菜单等噪音
• 通过删除不必要的 HTML/CSS 来减少 token 使用量
• 提供一致的 Markdown 格式，以实现更好的 LLM 处理
• 处理具有动态内容的复杂网页

安装

1. 克隆存储库：

git clone https://github.com/jmh108/MCP-server-readability-python.git
cd MCP-server-readability-python

2. 创建并激活虚拟环境：

python -m venv venv
source venv/bin/activate  # 在 Windows 上使用：venv\Scripts\activate

3. 安装依赖项：

pip install -r requirements.txt

快速开始

1. 启动服务器：

fastmcp run server.py

2. 示例请求：

curl -X POST http://localhost:8000/tools/extract_content \
  -H "Content-Type: application/json" \
  -d '{"url": "https://example.com/article"}'

工具参考

extract_content

抓取网页内容并将其转换为干净的 Markdown。

参数：

{
  "url": {
    "type": "string",
    "description": "要解析的网站 URL",
    "required": true
  }
}

返回：

{
  "content": "Markdown 内容..."
}

MCP 服务器配置

要配置 MCP 服务器，请将以下内容添加到您的 MCP 设置文件中：

{
  "mcpServers": {
    "readability": {
      "command": "fastmcp",
      "args": ["run", "server.py"],
      "env": {}
    }
  }
}

然后可以使用 MCP 协议启动服务器，并通过 parse 工具访问。

依赖项

• readability-lxml - 内容提取
• html2text - HTML 到 Markdown 转换
• beautifulsoup4 - DOM 解析
• requests - HTTP 请求

许可证

MIT 许可证 - 有关详细信息，请参阅 LICENSE。