Puppeteer Vision MCP Server

Čo robí „Puppeteer Vision“ MCP Server?

Puppeteer Vision MCP Server umožňuje AI asistentom scrapovať a konvertovať webové stránky do formátu Markdown pomocou Puppeteer, Readability a Turndown. Vďaka pokročilej AI interakcii automaticky zvláda webové prvky ako cookie lišty, CAPTCHA, paywally a ďalšie, čo zabezpečuje robustnú extrakciu obsahu aj z interaktívnych alebo chránených stránok. Server túto schopnosť sprístupňuje cez Model Context Protocol (MCP), čo uľahčuje integráciu do AI vývojových workflow. Umožňuje tak automatizovaný web scraping, sumarizáciu obsahu aj získavanie dát priamo LLM modelmi. Server je jednoducho nasaditeľný cez npx, vyžaduje len minimálnu konfiguráciu a podporuje komunikáciu cez stdio aj SSE pre flexibilnú integráciu.

Zoznam promptov

V repozitári alebo dokumentácii nie sú uvedené žiadne prompt šablóny.

Zoznam zdrojov

V repozitári alebo dokumentácii nie sú explicitne uvedené žiadne MCP zdroje.

Zoznam nástrojov

• scrape-webpage: Scrapuje webovú stránku na určenej URL adrese, využíva AI na interakciu a obchádzanie interaktívnych prvkov (napr. cookie lišta, CAPTCHA), extrahuje hlavný obsah cez Readability a výsledok prevádza do Markdownu. Parametre zahŕňajú:
  • url (string, povinné): Webová stránka na scrapovanie.
  • autoInteract (boolean, voliteľné, predvolené: true): Či má automaticky riešiť interaktívne prvky.
  • maxInteractionAttempts (number, voliteľné, predvolené: 3): Maximálny počet AI pokusov o interakciu.
  • waitForNetworkIdle (boolean, voliteľné, predvolené: true): Čakať na neaktívnu sieť pred scrapovaním.

Prípady použitia tohto MCP servera

• Automatizovaný web scraping pre získavanie znalostí
  Vývojári môžu extrahovať čitateľný, dobre formátovaný Markdown z ľubovoľných webstránok, vďaka čomu ľahko zaradia aktuálny obsah do AI workflow, databáz alebo znalostných báz.
• Obchádzanie interaktívnych bariér
  Interakcia poháňaná AI umožní automaticky obísť CAPTCHA, cookie lišty a ďalšie interaktívne prekážky, čím umožní plynulú extrakciu obsahu aj zo stránok, ktoré by inak blokovali automatizáciu.
• Sumarizácia a analýza obsahu
  Extrahovaný Markdown je možné vkladať do LLM modelov pre sumarizáciu, analýzu sentimentu alebo klasifikáciu, čo zjednodušuje výskum a spracovanie dát.
• Automatizácia prehliadača v reálnom čase
  Nástroj možno spustiť vo viditeľnom (non-headless) režime na ladenie, ukážky alebo keď je potrebné vizuálne potvrdenie činnosti prehliadača.
• Integrácia do LLM orchestrátorov
  Ako MCP server ho možno použiť v orchestrátoroch ako Windsurf, Claude, Cursor a Cline, čím rozširuje možnosti AI agentov pre prácu s reálnym webom.

Ako ho nastaviť

Windsurf

1. Predpoklady: Nainštalujte Node.js a npm.

2. Nastavenie prostredia: Vytvorte súbor .env alebo exportujte požadované environmentálne premenné vrátane OPENAI_API_KEY.

3. Úprava konfigurácie: Nájdite konfiguračný súbor Windsurf.

4. Pridajte Puppeteer Vision MCP: Vložte tento JSON úsek:

   {
     "mcpServers": {
       "web-scraper": {
         "command": "npx",
         "args": ["-y", "puppeteer-vision-mcp-server"],
         "env": {
           "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY_HERE"
         }
       }
     }
   }
   

5. Uložiť/reštartovať: Uložte súbor a reštartujte Windsurf.

6. Overiť: Skontrolujte logy alebo UI pre potvrdenie spustenia MCP servera.

Zabezpečenie API kľúčov:
Tajomstvá ukladajte do environmentálnych premenných (napr. .env):

"env": {
  "OPENAI_API_KEY": "${OPENAI_API_KEY}"
}

Claude

1. Predpoklady: Uistite sa, že Node.js a npm sú nainštalované.

2. Nastavenie prostredia: Pripravte .env alebo exportujte OPENAI_API_KEY a ďalšie premenné.

3. Úprava konfigurácie: Otvorte Claude MCP konfiguráciu.

4. Pridajte MCP server:

   {
     "mcpServers": {
       "web-scraper": {
         "command": "npx",
         "args": ["-y", "puppeteer-vision-mcp-server"],
         "env": {
           "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY_HERE"
         }
       }
     }
   }
   

5. Reštartujte Claude: Uložte zmeny a reštartujte platformu.

6. Overiť: Potvrďte úspešné spustenie.

Cursor

1. Predpoklady: Nainštalujte Node.js a npm.

2. Prostredie: Nastavte .env s OpenAI API kľúčom.

3. Úprava Cursor konfigurácie: Pridajte MCP server nasledovne:

   {
     "mcpServers": {
       "web-scraper": {
         "command": "npx",
         "args": ["-y", "puppeteer-vision-mcp-server"],
         "env": {
           "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY_HERE"
         }
       }
     }
   }
   

4. Uložiť & reštartovať: Uložte zmeny a reštartujte Cursor.

5. Skontrolujte logy: Overte, že server beží.

Cline

1. Predpoklady: Nainštalujte Node.js a npm.

2. Prostredie: Nastavte alebo exportujte OPENAI_API_KEY.

3. Konfigurácia: Pridajte do Cline MCP konfigurácie:

   {
     "mcpServers": {
       "web-scraper": {
         "command": "npx",
         "args": ["-y", "puppeteer-vision-mcp-server"],
         "env": {
           "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY_HERE"
         }
       }
     }
   }
   

4. Reštartujte Cline: Použite zmeny a reštartujte.

5. Overte: Overte, že server je dostupný.

Poznámka: API kľúče zabezpečte prostredníctvom environmentálnych premenných a nikdy ich neukladajte priamo do konfigurácie.

Ako použiť tento MCP vo flow

Použitie MCP vo FlowHunt

Na integráciu MCP serverov do vášho FlowHunt workflow pridajte MCP komponent do flow a prepojte ho s AI agentom:

Kliknite na MCP komponent pre otvorenie konfiguračného panela. V časti systémová MCP konfigurácia vložte detaily MCP servera v tomto JSON formáte:

{
  "puppeteer-vision": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po uložení je AI agent schopný používať tento MCP ako nástroj so všetkými jeho funkciami. Nezabudnite zmeniť “puppeteer-vision” na skutočný názov vášho MCP servera a nahraďte URL adresou vášho MCP servera.

Prehľad

| Podpora Roots | ⛔ | Nie je spomenutý Roots. |

Na základe vyššie uvedeného, Puppeteer Vision MCP Server ponúka robustný a zameraný nástroj na web scraping s kvalitnou dokumentáciou a bezpečnostnými odporúčaniami, no chýba viacero nástrojov, prompt šablóny, zdroje či pokročilé MCP funkcie ako roots alebo sampling. Vďaka jednému účelu má vysokú spoľahlivosť pre svoj prípad použitia, no obmedzenú rozšíriteľnosť.

Náš názor

MCP skóre: 5/10
Tento MCP server je dobre zdokumentovaný, užitočný pre svoj konkrétny účel a ľahko nastaviteľný, avšak absencia prompt šablón, explicitných zdrojov a pokročilých MCP funkcií (roots, sampling) obmedzuje jeho univerzálnosť a integráciu do ekosystému.

MCP skóre