mcpField
A
AgentQL MCP Server

AgentQL MCP Server

精选本地服务
docs.agentql.com浏览器自动化1816 天前更新

关于 AgentQL MCP Server

AgentQL MCP Server 是一个 MCP 服务,将 AgentQL 的数据提取能力接入支持 MCP 的应用。用户通过 npm 安装并配置 API Key 后,即可让 AI 从指定网页中提取结构化数据。

主要功能

  1. 01提供 extract-web-data 工具
  2. 02按 prompt 描述提取所需字段
  3. 03通过 npm 全局安装
  4. 04支持 Claude Desktop、VS Code、Cursor 与 Windsurf 配置

适用场景

  1. 01从网页列表中提取标题、作者和播放量等字段
  2. 02将网页数据整理为 Markdown 表格
  3. 03在编码或研究任务中替代通用网页读取

MCP 相关

该项目是一个 MCP 服务,向 MCP 客户端暴露 extract-web-data 工具,客户端调用时传入 url 与 prompt 即可获得结构化数据。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"agentql": {
"command": "npx",
"args": [
"-y",
"agentql-mcp"
],
"env": {
"AGENTQL_API_KEY": "<AGENTQL_API_KEY>"
}
}
}
}
启动命令npx -y agentql-mcp
需要配置的环境变量
AGENTQL_API_KEY密钥

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npmagentql-mcp

工具

1

收录的工具列表 · 更新于 3 周前

参数类型必填说明
promptstring是要从页面中提取的数据的自然语言描述
urlstring是要从中提取数据的公开网页 URL

详细介绍

AgentQL MCP 服务

这是一个 Model Context Protocol(MCP)服务,可集成 AgentQL 的数据提取功能。

功能

工具
  • extract-web-data - 使用 prompt 描述要提取的实际数据及其字段,从给定的 url 提取结构化数据。

安装

要使用 AgentQL MCP Server 从网页提取数据,需要通过 npm 安装,从我们的 开发者门户 获取 API 密钥,并在你常用且支持 MCP 的应用中进行配置。

安装软件包
npm install -g agentql-mcp
配置 Claude
  • 通过 ⌘+, 打开 Claude Desktop 设置(注意不要与 Claude 帐户设置混淆)
  • 前往侧边栏中的 开发者 部分
  • 点击 编辑配置 并打开 claude_desktop_config.json 文件
  • 在配置文件的 mcpServers 字典中添加 agentql 服务
  • 重启应用
{
  "mcpServers": {
    "agentql": {
      "command": "npx",
      "args": ["-y", "agentql-mcp"],
      "env": {
        "AGENTQL_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}

点击此处了解有关 Claude 中 MCP 配置的更多信息。

配置 VS Code

要一键安装,请点击下方的任一安装按钮:

在 VS Code 中通过 NPX 安装 在 VS Code Insiders 中通过 NPX 安装

手动安装

要快速安装,请点击本节顶部的安装按钮。若要手动安装,请按以下步骤操作:

将以下 JSON 代码块添加到 VS Code 中的用户设置(JSON)文件。你可以按 Ctrl + Shift + P,然后输入 Preferences: Open User Settings (JSON) 来打开该文件。

{
  "mcp": {
    "inputs": [
      {
        "type": "promptString",
        "id": "apiKey",
        "description": "AgentQL API Key",
        "password": true
      }
    ],
    "servers": {
      "agentql": {
        "command": "npx",
        "args": ["-y", "agentql-mcp"],
        "env": {
          "AGENTQL_API_KEY": "${input:apiKey}"
        }
      }
    }
  }
}

也可以将其添加到工作区中名为 .vscode/mcp.json 的文件。这样便可与他人共享配置。

{
  "inputs": [
    {
      "type": "promptString",
      "id": "apiKey",
      "description": "AgentQL API Key",
      "password": true
    }
  ],
  "servers": {
    "agentql": {
      "command": "npx",
      "args": ["-y", "agentql-mcp"],
      "env": {
        "AGENTQL_API_KEY": "${input:apiKey}"
      }
    }
  }
}
配置 Cursor
  • 打开 Cursor 设置
  • 前往 MCP > MCP Servers
  • 点击 + Add new MCP Server
  • 输入以下内容:
    • 名称:"agentql"(或你偏好的名称)
    • 类型:"command"
    • 命令:env AGENTQL_API_KEY=YOUR_API_KEY npx -y agentql-mcp

点击此处了解有关 Cursor 中 MCP 配置的更多信息。

配置 Windsurf
  • 打开 Windsurf:MCP 配置面板
  • 点击 Add custom server+
  • 也可以直接打开 ~/.codeium/windsurf/mcp_config.json
  • 在配置文件的 mcpServers 字典中添加 agentql 服务
{
  "mcpServers": {
    "agentql": {
      "command": "npx",
      "args": ["-y", "agentql-mcp"],
      "env": {
        "AGENTQL_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}

点击此处了解有关 Windsurf 中 MCP 配置的更多信息。

验证 MCP 集成

给你的 Agent 分配一项需要从网上提取数据的任务。例如:

Extract the list of videos from the page https://www.youtube.com/results?search_query=agentql, every video should have a title, an author name, a number of views and a url to the video. Make sure to exclude ads items. Format this as a markdown table.

提示

如果你的 Agent 抱怨无法打开 URL 或加载网页内容,而没有使用 AgentQL,请尝试添加“use tools”或“use agentql tool”提示。

开发

安装依赖:

npm install

构建服务:

npm run build

在开发过程中启用自动重新构建:

npm run watch

如果想试用开发版本,可以使用以下配置替代默认配置:

{
  "mcpServers": {
    "agentql": {
      "command": "/path/to/agentql-mcp/dist/index.js",
      "env": {
        "AGENTQL_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}

说明

请记得移除默认的 AgentQL MCP 服务配置,以免 Claude 被两个相似的服务弄糊涂。

调试

由于 MCP 服务通过 stdio 通信,调试可能颇具挑战。我们建议使用 MCP Inspector,它可通过包脚本运行:

npm run inspector

Inspector 会提供一个 URL,供你在浏览器中访问调试工具。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。