MCP Web Reader

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（单个）/ read_urls（批量，并发上限 3）
• 🛤️ 专用通道：GitHub（raw README / Issue API）、arXiv（Atom API）、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：微信公众号、知乎、掘金等按 host 优先选择器
• 🧯 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

安装

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

配置

在任意 MCP 客户端的配置中添加（以 Claude Desktop 为例）：

Windows: %APPDATA%\Claude\claude_desktop_config.json macOS: ~/Library/Application Support/Claude/claude_desktop_config.json Linux: 自行查阅所用客户端的配置路径

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

环境变量（可选）：

变量	作用
GITHUB_TOKEN	提升 GitHub API 限额（60 → 5000/小时）；不设也能用公开仓库
WEB_READER_CACHE_DIR	覆盖缓存目录（默认 ~/.cache/mcp-web-reader/）

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

read_urls

批量读取（最多 10 个 URL），参数同上（urls 数组 + engine + no_cache），单条失败不影响其他。

贡献

欢迎提交 Pull Request。

许可证

MIT License