mcp-page-finder-extractor

ページ検索・抽出 MCP サーバー

企業のドメインとページの種類を指定すると、その企業のウェブサイト内で該当するページを見つけ、URL、見つけた方法、その方法の信頼度を返します。

46 種類のページに対応しています。11 のヨーロッパ言語でページを見つけるための語彙を備えています。オプションでページを読み取り、構造化フィールドを返すこともできます。

Mamba Labs の Page Finder and Extractor アクターをラップしています。

インストール

npx -y @mambalabsdev/mcp-page-finder-extractor

APIFY_TOKEN に Apify API トークンが必要です。console.apify.com/account/integrations で作成してください。

Claude Desktop

{
  "mcpServers": {
    "mamba-page-finder-extractor": {
      "command": "npx",
      "args": ["-y", "@mambalabsdev/mcp-page-finder-extractor"],
      "env": {
        "APIFY_TOKEN": "your-apify-token"
      }
    }
  }
}

ツール

find_company_page

入力	必須	機能
domain	次の3つのいずれか	単一の企業ドメイン。例：stripe.com
domains	次の3つのいずれか	複数の企業ドメイン
companies	次の3つのいずれか	名前で指定する企業。{name, country?, isin?, ticker?, url?} として指定します。最初に企業の同一性を解決し、別途課金されます
pageTypes	いいえ	検索する46種類のページタイプ。デフォルトは ["pricing"]
mode	いいえ	URLを取得する場合は locate、ページの読み取りも行う場合は locate_and_extract。デフォルトは locate
knownUrls	いいえ	すでに把握しているURLをページタイプごとに指定します。該当するURLの検出をスキップします
extractionFields	いいえ	ページに依存しない抽出項目のメニュー
extractPageTypeFields	いいえ	ページタイプに対応するフィールドマップも実行します。デフォルトは "true"
maxPagesPerType	いいえ	ページタイプごとに開く候補ページ数。1～12の数値または数値文字列。デフォルトは 4
maxRequestsPerInput	いいえ	企業ごとのリクエスト上限。5～200の数値または数値文字列。デフォルトは 60
allowRender	いいえ	JavaScriptが必要なページをブラウザーで開くかどうか。デフォルトは "true"
languageHints	いいえ	優先して試す言語コード。語彙の順序を変更しますが、短縮はしません
max_charge_usd	いいえ	実行あたりの支出上限（USD）。最悪の場合にこの上限を超える企業の処理は開始されず、通知行が1行出力されます。空欄の場合、独自の上限はありません
concurrency	いいえ	同時に処理する企業数。企業ごとには、アクターが引き続き遅延を挟んで一度に1件のリクエストを行います。数値または数値文字列。デフォルトは 10
skipCache	いいえ	"true" にすると、14日間のキャッシュを使わず、新たにクロールします

46種類のページタイプ：pricing、demo_request、free_trial、procurement_vendor、about、leadership_team、locations、investor_relations、annual_report、governance、security_trust_center、compliance_certifications、privacy_policy、terms_of_service、dpa_subprocessors、accessibility_statement、status_page、careers、job_board、benefits、culture、documentation、api_reference、integrations、changelog、roadmap、developer_portal、blog、press_newsroom、case_studies、customers_logos、resources_library、events_webinars、podcast、media_kit、partners、reseller_channel、affiliate_program、marketplace_listing、community、contact、support_help_center、login_app、sustainability_esg、diversity_programs、giving_volunteering。

出力の読み方

見つかったものがない場合も含め、入力ごとに常に1行のフラットなレコードが出力されます。

• {type}_url は、見つかったページです。例：pricing_url。
• {type}_found は true、false、または null です。これらが統合されることはありません。 false は、サイトが読み取られ、リンクグラフとサイトマップが検索され、ページが存在しないことを意味します。null は、そう判断するのに十分な情報を読み取れなかったことを意味します。
• {type}_method は、見つかった方法です。known_url、known_host、homepage_anchor、footer_anchor、section_hop、sitemap、path_guess のいずれかです。精度は方法によって大きく異なります。
• {type}_confidence は、他の方法と統合したスコアではなく、その方法に対する信頼度です。顧客に表示する情報には、0.8をしきい値として使用してください。path_guess のスコアは最大でも0.6です。
• coverage と fetch_status は、調査が完了したかどうかを示します。false を信頼する前に、これらを確認してください。

locate_and_extract モードでは、構造化フィールドは2つ目の findings データセットに保存され、フィールドごとに1レコードが作成されて input_key に紐付けられます。提出書類の行が11件あると、1つのセルに収まらないためです。

課金

Apify クレジットでイベントごとに課金されます。FREE ティアでは、おおよそページタイプの特定に 1 件あたり $0.004、ページの抽出に 1 件あたり $0.003、企業名の解決に 1 件あたり $0.007、さらに通常のアクター起動料金がかかります。

2026-11-10 まで無料です。2026-10-26 以降、3 種類の作業イベントは課金されず、実行時にかかるのはアクター起動料金のみです。上記の料金は 2026-11-10 05:01 UTC に再び適用されます。

実行された検索は、結果が空の場合も含めて課金されます。どちらの場合も作業量は同じだからです。実行されなかった検索は課金されません。ドメインが停止している場合、アクセスが拒否された場合、または robots.txt によって禁止されている場合は、found: null が返され、特定料金はかかりません。

companies パスを使用しない限り、企業情報の解決に課金されることはありません。

このサーバーが行うこと、行わないこと

企業のウェブサイト上で公開されているページを読み取ります。ホストごとに Crawl-delay を含む robots.txt を遵守し、ドメインごとに遅延を設けて一度に 1 件だけリクエストを送信します。また、サーバー名を明記した説明的なユーザーエージェントを送信します。ブラウザーを装ったり、ヘッダーに署名を付けたり、ブロックを回避するために再試行したりすることはありません。ページが公開されていても、読み取りに JavaScript が必要な場合はブラウザーでレンダリングします。アクセス制御があるページにブラウザーを使用することはありません。

個人データ。 名前が記載された人物を返す可能性があるページタイプは 2 つあります。contact は企業が自社の問い合わせページに掲載している連絡先ブロックを返し、about は企業が自社の会社概要ページに掲載している経営陣の名前を返します。対象は企業が公開した情報のみで、推測した属性や他所での検索情報は含まれません。これらのレコードには is_personal_data: true と lawful_basis が付与されるため、1 つの述語で該当するレコード全体を除外できます。または、pageTypes から contact と about を除外すれば、該当データは生成されません。企業に所属する人物の一覧が必要な場合は、代わりに Team Page People Extractor を使用してください。

このサーバーは読み取り専用です。アクターの実行を開始し、データセットを返します。それ以外の場所には何も書き込みません。

Mamba Labs GTM Suite

このサーバーは、go-to-market データを扱う Mamba Labs の MCP サーバーの 1 つです。各サーバーは、Apify Store 上の専用アクターによって動作します。複数のパッケージではなく 1 つのパッケージをインストールしたい場合は、@mambalabsdev/mcp-gtm-suite を使うと、単一のサーバーからスイートを利用できます。

Apify Store または npm で、全ツールをご覧ください。

ウェブサイトのページではなく、企業に所属する人物の一覧が必要な場合は、代わりに Team Page People Extractor と Contact Classifier を使用してください。このアクターは、検索対象として指定したページに連絡先ブロックがたまたま含まれている場合にのみ、そのブロックを返します。

ソース

このアクターは Apify Store にあります。このラッパーは github.com/mambalabsdev/mcp-page-finder-extractor で公開されており、MIT ライセンスが適用されています。

Mamba Labs によって開発されました。