Arquivo Pt

@pipeworx/arquivo-pt

Arquivo.pt（FCCN が運営する、1996 年からのキャプチャを保存するポルトガルのウェブアーカイブ）にあるウェブページを全文検索できます。Internet Archive の Wayback Machine（パック wayback）では URL が必要ですが、Arquivo.pt はキャプチャしたページのテキストをインデックス化しているため、フレーズからアーカイブ済みページを探し、キャプチャから抽出されたテキストを読んだり、URL の保存済みバージョンをすべて一覧表示したりできます。

Pipeworx の一部です。AI エージェントを 1872 以上の稼働中のデータソースに接続する MCP ゲートウェイです。これは独立した非公式の連携機能であり、上流プロバイダーとは提携、承認、公開のいずれも行っていません。

ツール

• arquivo_search_pages(query, from?, to?, site?, type?, limit?, offset?, per_site?) — 用語または引用符で囲んだフレーズに対する全文検索結果です。タイトル、元の URL、キャプチャ日、デコードされたスニペット、アーカイブのリプレイ URL、抽出テキストとスクリーンショットへのリンクに加えて、estimated_total と next_offset が返されます。検索結果がない場合は、found:false と reason:"no_match" およびヒントが返されます。
• arquivo_url_history(url, from?, to?, limit?, offset?) — ドメイン、ホスト、または完全な URL の保存済みキャプチャを、新しい順にすべて返します。キャプチャのタイムスタンプ、クロール時の HTTP ステータス、MIME タイプ、サイズ、ダイジェスト、リプレイリンクが含まれます。キャプチャがない場合は、found:false と reason:"no_captures" が返されます。
• arquivo_page_text(url, timestamp, max_chars?) — 1 件のキャプチャから Arquivo.pt が抽出したプレーンテキストです（検索結果の original_url と captured_at_ts を指定します）。キャプチャが存在しない場合は、found:false, reason:"capture_not_found" が返されます。

すべてのレスポンスには source（上流の正確な URL）と data_as_of が含まれます。通信障害、JSON 以外の本文、またはレスポンス形式の変更が発生した場合は、Arquivo.pt と HTTP ステータスを明示したエラーがスローされ、空のリストが返ることはありません。

認証

キーは不要です。

対応範囲について

• ポルトガルのウェブ（.pt サイトやポルトガル語のページ）を中心としていますが、そこからリンクされた海外のページもキャプチャされています。2026-10-08 に調査したところ、「climate change」は推定約 5,200 万～5,300 万件（academia.edu、eea.europa.eu、ipcc.ch）、「quantum computing」は約 80 万～110 万件（techtarget.com、microsoft.com、en.wikipedia.org）、「Federal Reserve interest rates」は約 180 万～190 万件（federalreserve.gov、vox.com）でした。推定値はインデックスノードによって異なります。英語のクエリも機能しますが、上位の結果はポルトガルのサイトが引用しているページに偏ります。
• 全文インデックスの更新は、クロールから数年遅れています。 2026-10-08 に調査したところ、from=2022 に限定した検索では、ほとんどの呼び出しで結果が 0 件でした。1 つのノードでは 2023 年のキャプチャが返されましたが、arquivo_url_history には 2026 年半ばのキャプチャが一覧表示されます。最近の情報を調べる場合は、URL 履歴を使用してください。
• Arquivo.pt は、互いに異なるインデックスノード間で負荷を分散しています。 2026-10-08 に稼働中の Cloudflare Worker から同じ URL を呼び出したところ、数分の間に、実際の検索結果が 30～37 秒で返るケース、FAWP* コレクション ID と hostKey フィールドを伴う実際の検索結果が 1～6 秒で返るケース、estimated_nr_results が 350 万件なのに response_items: [] が返るケース、response_items: [{}, {}, {}] が返るケース（429 バイトで、すべての行が空）がありました。最後のケースは、しばらくの間、引用符で囲んでいないすべての複数語クエリで発生しました。一方、ノート PC では同一 URL から実際の検索結果が返り、Worker からの引用符で囲んだフレーズの検索も正常に応答しました。このパックは maxItems を少し変えて 1 回再試行し、それでも失敗した場合は原因を示すエラーをスローします。URL またはタイムスタンプがない行は検索結果として返されず、dropped_malformed_rows にカウントされます。一部のノードは maxItems も無視します（5 を指定して 9 行返すなど）。検索結果は limit 件に制限されます。
• このパックは、to を指定した場合にのみ送信します。上流のデフォルト（前年の暦年）はすでにインデックス全体をカバーしています。また、to=<now> を指定すると、稼働中の Worker から同じクエリを実行したときに、estimated_nr_results は 380 万件のまま 0 件が返されました（2026-10-08 に 2 回調査）。
• デフォルトでは、検索結果はサイトごとに 2 件に重複排除されます（per_site）。同じサイトのキャプチャをさらに表示するには、値を増やしてください。

データソース

• https://arquivo.pt/textsearch?q=… — 全文検索（q、from、to、 siteSearch、type、maxItems ≤ 500、offset、dedupValue、dedupField）。
• https://arquivo.pt/textsearch?versionHistory=… — URL のバージョン履歴。
• https://arquivo.pt/textextracted?m=… — 1 件のキャプチャから抽出されたテキスト。 m の値は元の URL の後に / と 14 桁のタイムスタンプを付けたものです。そのため、 URL が / で終わる場合、タイムスタンプの前に // が入ります。 これは正しい形式なので、「修正」しないでください。
• API リファレンス：https://github.com/arquivo/pwa-technologies/wiki/Arquivo.pt-API。 q として渡された URL は上流で HTTP 400 になります。パックはそれを先に拒否し、 arquivo_url_history を案内します。
• スニペットは Latin-1 の名前付きエンティティ（Inteligência）で HTML エスケープされて返されます。パックがこれをデコードします。

クイックスタート

MCP クライアント（Claude Desktop、Cursor、Windsurf など）に追加します。

{
  "mcpServers": {
    "arquivo-pt": {
      "url": "https://gateway.pipeworx.io/arquivo-pt/mcp"
    }
  }
}

このエンドポイントが実際に提供するもの

https://gateway.pipeworx.io/arquivo-pt/mcp の tools/list は、上の表にあるツールに 加えて、共有 Pipeworx メタツール（ask_pipeworx、discover_tools、 search_within、remember／recall など、ゲートウェイ全体で使えるツール）も返します。 そのため、表示されるツール数はこの表より多くなります。現在、単一パックのエンドポイントには、 パック固有のツールとともに約 30 個の共有ツールが表示されます。接続の initialize 応答に 正確な対象範囲が示されており、その日の状態を確認するうえでの正式な情報です。

これは意図的なもので、偶然の多重化ではありません。メタツールを使うと、このパックが対応していない 質問にも、カタログ全体を横断してルーティングする ask_pipeworx 経由で回答できます。 そのため、2 つ目の MCP サーバーを追加する必要はありません。現在、これらのメタツールなしで パックのエンドポイントを接続する方法はありません。追加のスキーマに必要なコンテキスト量が ルーティングの利点を上回る場合は、複数のパックエンドポイントではなく、フルゲートウェイに 一度だけ接続してください。

または、Pipeworx フルゲートウェイに接続すると、このパックのツールだけでなく、 すべてのパックのツールが直接一覧表示されます。

{
  "mcpServers": {
    "pipeworx": {
      "url": "https://gateway.pipeworx.io/mcp"
    }
  }
}

どちらの URL も同じゲートウェイと、同じ 1872 以上のデータソースに接続します。 異なるのは、どのパックのツールが直接一覧表示されるかだけです。どちらからでも ask_pipeworx を使ってすべてのツールにアクセスできます。

MCP クライアントがない場合：HTTP で呼び出す

curl -X POST https://gateway.pipeworx.io/v1/tools/arquivo_search_pages \
  -H 'Content-Type: application/json' \
  -d '{"query":"\"inteligência artificial\"","limit":5}'

最初の呼び出しにアカウントは不要です。任意のツールの詳細を確認するには、 GET https://gateway.pipeworx.io/v1/tools/arquivo_search_pages を実行します。 ツールを探すには、{"query":"..."} を指定して POST https://gateway.pipeworx.io/v1/tools/search_packs を実行します。

スタンドアロン（ゲートウェイアカウント不要）

このパッケージは、ローカルの stdio MCP サーバーとしても実行できます。 Pipeworx アカウントも、ゲートウェイとの往復通信も不要です。

{
  "mcpServers": {
    "arquivo-pt": {
      "command": "npx",
      "args": ["-y", "@pipeworx/mcp-arquivo-pt"]
    }
  }
}

または、直接実行して起動を確認できます。

npx -y @pipeworx/mcp-arquivo-pt

stdin/stdout 経由で MCP を使用し、このパックのツールのみを対象に、 initialize／tools/list／tools/call に応答します。上記のゲートウェイ接続で追加される 共有メタツールは含まれません。ソースもツールも同じですが、ask_pipeworx による ルーティングはありません。

ask_pipeworx の使用

ツールを直接呼び出す代わりに、自然な英語で質問できます。 これは上記のパックエンドポイントでも、フルゲートウェイでも使えます。

ask_pipeworx({ question: "your question about Arquivo Pt data" })

ゲートウェイが適切なツールを選び、引数を自動的に入力します。

詳細

• ドキュメントとガイド
• pipeworx.io

ライセンス

MIT