【亲测免费】 Fetcher MCP：自动化网页内容抓取的利器

项目介绍

Fetcher MCP 是一款基于 Playwright 头部浏览器技术的 MCP 服务器，能够高效地抓取网页内容。它不仅支持执行 JavaScript，使得抓取动态网页和现代Web应用成为可能，还具备智能内容提取、灵活输出格式、并行处理等多重优势。

项目技术分析

Fetcher MCP 采用 Playwright 头部浏览器作为其核心技术，Playwright 是一个自动化工具，可以控制浏览器的行为，执行 JavaScript 代码，支持所有现代浏览器环境。Fetcher MCP 利用 Playwright 的这些特性，实现对动态网页内容的准确抓取。

项目的主要技术特点如下：

• JavaScript 支持：通过 Playwright 执行网页中的 JavaScript 代码，处理动态加载的内容。
• 智能内容提取：内置 Readability 算法，自动识别并提取网页的主要内容。
• 灵活的输出格式：支持 HTML 和 Markdown 格式输出，便于后续应用集成。
• 并行处理：fetch_urls 工具可以实现多 URL 的并发抓取，提升批量操作效率。

项目及技术应用场景

Fetcher MCP 适用于多种场景，包括但不限于：

• 内容聚合：自动抓取多个网站的内容，用于新闻聚合或内容整合平台。
• 数据分析：收集网页上的数据，进行市场分析、竞争情报分析等。
• 自动化测试：在自动化测试中，使用 Fetcher MCP 检查网页内容的正确性。
• 教育研究：学术研究中，快速获取大量网页内容，用于文本挖掘和语义分析。

项目特点

Fetcher MCP 的特点体现在以下几个方面：

• 资源优化：自动阻塞不必要的资源，如图片、样式表、字体等，减少带宽使用，提升性能。
• 错误处理：强大的错误处理和日志记录功能，确保即使在处理有问题的网页时也能稳定运行。
• 参数配置：提供丰富的配置选项，如超时时间、内容提取方式、输出格式等，满足不同使用需求。

快速开始

Fetcher MCP 的使用非常简单，可以通过以下命令直接运行：

npx -y fetcher-mcp

如果需要调试，可以添加 --debug 选项，以显示浏览器窗口：

npx -y fetcher-mcp --debug

配置 MCP 服务器

在 Claude Desktop 中配置 Fetcher MCP 服务器，路径如下：

• MacOS：~/Library/Application Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%/Claude/claude_desktop_config.json

配置示例：

{
  "mcpServers": {
    "fetcher": {
      "command": "npx",
      "args": ["-y", "fetcher-mcp"]
    }
  }
}

功能亮点

• fetch_url：从指定 URL 获取网页内容，支持智能内容提取和转换至 Markdown 格式。
• fetch_urls：并行从多个 URL 获取网页内容，提升性能，并返回合并后的结果。

使用技巧

Fetcher MCP 还提供了一些特殊场景下的使用技巧，例如处理反爬虫机制、调整内容抓取策略、调试和身份验证等。

开发与调试

开发人员可以通过以下命令安装依赖、安装 Playwright 浏览器、构建服务器以及进行调试。

npm install
npm run install-browser
npm run build
npm run inspector

如果需要可视化调试，可以使用以下命令：

node build/index.js --debug

结语

Fetcher MCP 是一款功能强大的网页内容抓取工具，它利用 Playwright 的先进技术，为用户提供了一个稳定、高效、灵活的解决方案。无论是内容聚合、数据分析还是自动化测试，Fetcher MCP 都能为您提供优质的服务。立即开始使用 Fetcher MCP，体验自动化网页内容抓取的便利吧！