V0.dev Response Capture Tool
将 MCP 服务器直接连接到 V0.dev。
m2rads
README
V0.dev 响应捕获工具
一个连接到您的浏览器,导航到 v0.dev,提交提示词,并捕获所有网络响应(包括流式 AI 响应)的工具。 这使您可以保存来自 v0.dev 的完整输出,以供进一步分析或使用。
功能
- 连接到您现有的 Chrome 浏览器,并保留您的所有帐户/cookies
- 导航到 v0.dev 并提交您的提示词
- 捕获所有网络活动,重点是流式 AI 响应
- 解码 Vercel AI SDK 流式传输格式以提取完整响应
- 将响应保存到文件中以供以后参考
- 提供从保存的文件中提取和查看响应的工具
前提条件
- Python 3.8+
- Google Chrome 浏览器
安装
- 克隆此存储库
- 安装依赖项:
# 使用 pip
pip install -r requirements.txt
# OR 使用 uv
uv pip install -r requirements.txt
# 安装 Playwright 浏览器
python -m playwright install chromium
用法
捕获 v0.dev 响应
运行脚本并提供提示词以捕获响应:
# 使用默认提示词 (日历应用)
python main.py
# 指定自定义提示词
python main.py monitor --prompt "为咖啡店构建一个包含菜单部分和联系方式的着陆页"
该脚本将:
- 连接到您的 Chrome 浏览器(或启动一个新实例)
- 导航到 v0.dev
- 提交您的提示词
- 捕获所有网络活动,包括流式响应
- 将响应保存到
captures
目录
列出捕获的文件
列出您的 captures 目录中的所有文件:
python main.py list
从捕获的文件中提取响应
从捕获的文件中提取并显示完整响应:
python main.py extract captures/full_response_1234567890.txt
这将:
- 解析和解码捕获的文件
- 提取完整的文本响应
- 在终端中显示它
- 将干净版本保存到新文件中
工作原理
Vercel AI SDK 流式传输格式
v0.dev 使用 Vercel AI SDK 以 Server-Sent Events (SSE) 格式流式传输响应:
data: {"type":"data","value":[{"text":"Building"}]}
data: {"type":"data","value":[{"text":" a"}]}
data: {"type":"data","value":[{"text":" calendar"}]}
data: {"type":"message_annotations","value":[{"type":"finish_reason","message":"stop"}]}
我们的工具:
- 捕获这些流式响应
- 解码格式以提取文本内容
- 组装完整的响应
- 保存原始数据和处理后的数据
文件类型
该工具保存几种类型的文件:
sse_stream_*.jsonl
: 原始 SSE 流数据sse_decoded_*.jsonl
: 从流中解码的 JSON 事件assembled_content_*.txt
: 从流中组装的文本内容full_response_*.txt
: 完整、清理后的响应文本
故障排除
如果您遇到问题:
- 尝试关闭所有 Chrome 实例并运行脚本 - 它将使用您的配置文件启动 Chrome
- 对于浏览器安装问题:
python -m playwright install chromium
- 如果响应未被正确捕获,请增加
tools.py
中的监控时间
高级用法
直接使用提取工具
您也可以直接从 tools.py
文件中使用提取函数:
python tools.py extract captures/your_captured_file.jsonl
自定义监控时长
默认情况下,脚本监控 60 秒。 对于需要更长时间的复杂提示词,您可以修改 tools.py
中的 monitor_v0_interactions
函数以增加监控时间。
推荐服务器
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Playwright MCP Server
提供一个利用模型上下文协议的服务器,以实现类人浏览器的自动化,该服务器使用 Playwright,允许控制浏览器行为,例如导航、元素交互和滚动。
@kazuph/mcp-fetch
用于获取网页内容和处理图像的模型上下文协议服务器。这使得 Claude Desktop(或任何 MCP 客户端)能够适当地获取网页内容和处理图像。
DuckDuckGo MCP Server
一个模型上下文协议 (MCP) 服务器,通过 DuckDuckGo 提供网页搜索功能,并具有内容获取和解析的附加功能。
YouTube Transcript MCP Server
这个服务器用于获取指定 YouTube 视频 URL 的字幕,从而可以与 Goose CLI 或 Goose Desktop 集成,进行字幕提取和处理。
serper-search-scrape-mcp-server
这个 Serper MCP 服务器支持搜索和网页抓取,并且支持 Serper API 引入的所有最新参数,例如位置。
The Verge News MCP Server
提供从The Verge的RSS feed获取和搜索新闻的工具,允许用户获取今日新闻、检索过去一周的随机文章,以及在最近的Verge内容中搜索特定关键词。
Tavily MCP Server
使用 Tavily 的搜索 API 提供 AI 驱动的网络搜索功能,使 LLM 能够执行复杂的网络搜索、获得问题的直接答案以及搜索最近的新闻文章。
mcp-pinterest
用于图像搜索和信息检索的 Pinterest 模型上下文协议 (MCP) 服务器

Crawlab MCP Server