MCP Web Server

一个自托管的 MCP (Model Context Protocol) 服务器，把网页内容读取并转换为 Markdown，供 Claude、Cursor 等 MCP 客户端使用。零第三方付费 API 依赖。

功能特点

• 🔌 两个工具：read_url（读网页）/ web_search（搜索）
• 🔎 搜索：web_search 搜索关键词返回 URL 列表 → 再用 read_url 读全文。全网搜后端 SearXNG（自托管）优先、Tavily 回退；topic="academic" 走 DBLP + Semantic Scholar（免费，无需 key）
• 🛤️ 专用通道：GitHub（raw README / Issue API）、arXiv（Atom API）、Stack Overflow（SE API）、Reddit（.json）、PDF 交接
• 📄 统一提取：本地 fetch + Mozilla Readability + turndown，代码语言 / 表格 / 链接 / og: 元数据保真
• 🌐 站点适配：掘金等按 host 优先选择器（知乎/微信实测被反爬,已移除）
• 🧯 降级策略：本地解析 → 检测到访问限制（403 / 429 / Cloudflare 等）→ Playwright 浏览器渲染
• ⚡ 缓存：文件系统缓存，按 host 分级 TTL；失败 URL 短期负缓存；自动淘汰
• 🔁 重试：5xx / 429 / 网络错误指数退避重试
• 🛡️ SSRF 防护：拦截私有 IP / 云元数据端点 / 危险 host

部署

1. 克隆并构建：

git clone https://github.com/PPParticle/web-server.git
cd web-server
npm install
npm run build
npx playwright install chromium   # 可选，用于 JS 渲染 / 反爬降级

2. 接入 MCP 客户端：在所用 MCP 客户端配置中加入（Linux 下配置文件路径自行查阅客户端文档）：

{
  "mcpServers": {
    "web-server": {
      "command": "node",
      "args": ["/absolute/path/to/web-server/dist/index.js"]
    }
  }
}

3. 环境变量（可选）：

变量	作用
GITHUB_TOKEN	GitHub Personal Access Token。仅 issue 通道走 REST API（api.github.com），不设时限 60 次/小时、设置后 5000 次/小时；README 通道走 raw 不受影响。不设也能读公开仓库
SEARXNG_URL	自托管 SearXNG 实例地址（如 http://localhost:8080），需开启 JSON 输出。全网搜的首选后端
TAVILY_API_KEY	Tavily API key（免费注册，1000 次/月）。全网搜的回退后端 —— SearXNG 失败时兜底。受限网络(无法访问 Google/Bing)也能搜,建议配上
WEB_SERVER_CACHE_DIR	覆盖缓存目录（默认 ~/.cache/mcp-web-server/）

搜索后端（全网搜 web_search 默认 topic 所需）：

• SearXNG（首选，自托管、免费、无 key，但实例要能访问 Google/Bing）：

  docker run -d --name searxng -p 8080:8080 searxng/searxng
  # 需在 settings.yml 的 search.formats 加 json；然后 export SEARXNG_URL=http://localhost:8080
  

• Tavily（回退，受限网络也能搜）：注册 tavily.com 拿 key → export TAVILY_API_KEY=tvly-...。建议配上，SearXNG 搜不到时兜底。

两个都配时：SearXNG 优先，失败自动回退 Tavily。只配其一则用那方；都不配则全网搜报错。topic="academic" 无需任何 key，直接走 DBLP + Semantic Scholar。

配套 Skill（可选，强烈推荐）

仓库自带一个 web-server skill（skills/web-server/SKILL.md），教会 agent 如何用好这两个工具 —— 尤其学术搜索的关键词 fan-out 策略：DBLP 按标题精确匹配，多词 query（如 kv offloading storage）单发会返回 0，必须拆子集 / 换同义词 / 搜系统名并行再合并，否则召回严重偏低。

安装到 Claude Code：

cp -r skills/web-server ~/.claude/skills/

其它 MCP 客户端（Cursor 等）按各自 skill 加载机制放置即可。不装也能用工具，只是 agent 不会自动遵循 fan-out 策略，学术搜索召回会偏低。

工具

read_url

读取单个 URL 并转为 Markdown。

参数	类型	默认	说明
url	string	（必填）	http/https URL
engine	enum	auto	auto=自动；local=强制本地解析；playwright=强制浏览器；jina=已移除（付费第三方，调用会返回明确错误）
no_cache	bool	false	为 true 时跳过缓存、重新抓取
with_links	bool	false	为 true 时在结果末尾附上正文链接清单，供 agent 决定是否进一步探索

web_search

搜索关键词，返回结果列表（标题 + URL + 摘要）。拿到 URL 后用 read_url 读全文。全网搜后端：SearXNG 优先、Tavily 回退；topic="academic" 走 DBLP + Semantic Scholar（免 key）。

参数	类型	默认	说明
query	string	（必填）	搜索关键词
topic	enum	general	general=全网；academic=arxiv/dblp/semanticscholar/github；technical=stackoverflow/github/dev.to/MDN；community=reddit/HN
domains	string[]	（可选）	自定义域名覆盖（优先于 topic），如 ["juejin.cn"]
num	number	10	返回结果数上限

典型流程：web_search("attention mechanism", topic="academic") → 从结果里挑 URL → read_url(url)。（学术搜记得按 Skill 里的 fan-out 策略发多个 query 变体。）

贡献

欢迎提交 Pull Request。

许可证

MIT License