mcp-google-search MCP Server

Co robi serwer MCP “mcp-google-search”?

mcp-google-search MCP Server to serwer Model Context Protocol umożliwiający asystentom AI wykonywanie wyszukiwań internetowych przez Google Custom Search API oraz ekstrakcję treści ze stron WWW. Działa jako pomost między klientami AI a zasobami sieci, pozwalając dużym modelom językowym (LLM) na dostęp do najnowszych informacji, prowadzenie badań i poszerzanie wiedzy w oparciu o dane w czasie rzeczywistym. Serwer udostępnia narzędzia zarówno do wyszukiwania w sieci, jak i czytania zawartości stron, co czyni go przydatnym w wielu workflow deweloperskich i agentowych wymagających niezawodnego dostępu do zewnętrznych danych online.

Lista promptów

W dostępnej dokumentacji nie wskazano żadnych szablonów promptów.

Lista zasobów

W dostępnych plikach i README nie udokumentowano żadnych jawnych zasobów.

Lista narzędzi

• search
  Wykonuje wyszukiwanie internetowe przez Google Custom Search API. Pozwala określić zapytanie oraz liczbę wyników (do 10). Zwraca uporządkowane rezultaty zawierające tytuły, linki i krótkie opisy dla każdego wyniku.

• read_webpage
  Ekstrahuje i przetwarza treść z podanego adresu URL strony WWW. Pobiera stronę, usuwa skrypty i style, po czym zwraca oczyszczony tytuł, główny tekst oraz URL do kontekstowego przetwarzania.

Przykładowe zastosowania tego serwera MCP

• Badania internetowe w czasie rzeczywistym
  Deweloperzy oraz agenci AI mogą korzystać z najnowszych informacji z sieci, umożliwiając aktualne odpowiedzi i badania do zadań wymagających wiedzy.

• Weryfikacja faktów i sprawdzanie źródeł
  Poprzez wyszukiwanie na zaufanych stronach i pobieranie treści, serwer może pomagać weryfikować fakty, twierdzenia lub źródła na bieżąco.

• Podsumowywanie treści
  Asystenci AI mogą pobierać i czytać artykuły lub strony, a następnie podsumowywać ich treść dla użytkowników lub dalszych procesów.

• Automatyczne pozyskiwanie wiedzy
  Umożliwia budowanie agentów, którzy autonomicznie zbierają informacje z wielu źródeł internetowych i kompilują uporządkowane raporty lub zbiory danych.

• Nauka i eksploracja
  Wspiera eksplorację kodu lub naukę techniczną przez wyszukiwanie dokumentacji, tutoriali czy powiązanych dyskusji w sieci.

Jak to skonfigurować

Windsurf

1. Wymagania: Upewnij się, że masz zainstalowane Node.js oraz npm.
2. Lokalizacja konfiguracji: Znajdź plik konfiguracyjny Windsurf (zazwyczaj windsurf_config.json).
3. Dodaj serwer MCP: Wstaw poniższy fragment do obiektu mcpServers:

   {
     "google-search": {
       "command": "npx",
       "args": [
         "-y",
         "@adenot/mcp-google-search"
       ],
       "env": {
         "GOOGLE_API_KEY": "your-api-key-here",
         "GOOGLE_SEARCH_ENGINE_ID": "your-search-engine-id-here"
       }
     }
   }
   

4. Zapisz i uruchom ponownie: Zapisz konfigurację i uruchom ponownie Windsurf.
5. Weryfikacja: Sprawdź, czy serwer działa i jest dostępny jako narzędzie.

Claude

1. Wymagania: Zainstaluj Node.js i npm.
2. Instalacja przez Smithery:
   Uruchom:

   npx -y @smithery/cli install @adenot/mcp-google-search --client claude
   

3. Edytuj konfigurację:
   Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
   Windows: %APPDATA%/Claude/claude_desktop_config.json
4. Wstaw JSON:

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "your-api-key-here",
           "GOOGLE_SEARCH_ENGINE_ID": "your-search-engine-id-here"
         }
       }
     }
   }
   

5. Zapisz i uruchom ponownie: Zapisz zmiany i uruchom ponownie Claude Desktop.
6. Weryfikacja: Upewnij się, że serwer MCP pojawia się w twoich narzędziach.

Cursor

1. Wymagania: Node.js i npm zainstalowane.
2. Plik konfiguracyjny: Otwórz swój config Cursor (np. cursor_config.json).
3. Dodaj serwer MCP:

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "your-api-key-here",
           "GOOGLE_SEARCH_ENGINE_ID": "your-search-engine-id-here"
         }
       }
     }
   }
   

4. Zapisz i uruchom ponownie: Zapisz konfigurację i uruchom ponownie Cursor.
5. Weryfikacja: Sprawdź dostępność serwera.

Cline

1. Wymagania: Node.js i npm.
2. Znajdź konfigurację: Odszukaj plik konfiguracyjny Cline.
3. Zaktualizuj MCP Servers:

   {
     "mcpServers": {
       "google-search": {
         "command": "npx",
         "args": [
           "-y",
           "@adenot/mcp-google-search"
         ],
         "env": {
           "GOOGLE_API_KEY": "your-api-key-here",
           "GOOGLE_SEARCH_ENGINE_ID": "your-search-engine-id-here"
         }
       }
     }
   }
   

4. Zapisz i uruchom ponownie: Zapisz plik i uruchom Cline ponownie.
5. Potwierdź konfigurację: Sprawdź, czy serwer MCP został załadowany.

Uwaga:
Zawsze zabezpieczaj swoje klucze API poprzez użycie zmiennych środowiskowych, jak pokazano w bloku "env" przykładowych konfiguracji JSON. Nie umieszczaj kluczy API w repozytorium kodu.

Jak używać tego MCP we flows

Wykorzystanie MCP w FlowHunt

Aby zintegrować serwery MCP ze swoim workflow w FlowHunt, rozpocznij od dodania komponentu MCP do flow i połącz go ze swoim agentem AI:

Kliknij komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracji systemowej MCP wstaw dane swojego serwera MCP w tym formacie JSON:

{
  "google-search": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po skonfigurowaniu agent AI otrzymuje dostęp do tego MCP jako narzędzia ze wszystkimi jego funkcjami i możliwościami. Pamiętaj, aby zmienić “google-search” na nazwę swojego serwera MCP oraz podmienić URL na własny adres serwera.

Przegląd

Na podstawie powyższych tabel, mcp-google-search MCP Server zapewnia kluczowe funkcje narzędziowe i jest łatwy w konfiguracji, lecz brakuje dokumentacji dotyczącej promptów, zasobów, roots oraz obsługi sampling. W ogólnej ocenie wypada na 6/10 pod względem kompletności i doświadczenia deweloperskiego.

Wynik MCP