mcp-news-site-article-archive

新闻网站文章档案 MCP 服务

这是一个用于 Apify 上 Mamba Labs 新闻网站文章档案 Actor 的 MCP 服务。可获取指定新闻网站在过去某个日期范围内发布的文章全文和日期。

内容一览

• 功能介绍
• 快速开始
• 前提条件
• 提示词示例
• 工具
• 输入
• 定价
• Actor 完整文档
• 许可证

功能介绍

指定新闻网站和日期范围。该 Actor 会在网站的站点地图和 Internet Archive 捕获索引中查找文章地址，通过普通 HTTP 读取每个页面，并为每篇文章返回一行数据，包含全文、发布日期、标题、作者和栏目。网站上已删除的页面可以从 Internet Archive 的存档副本中读取。对于付费墙拦截或拒绝访问的页面，会返回不含正文的免费数据行。

所有工作都在 Apify 上运行。此软件包是一个轻量客户端，用于启动 Actor 运行、等待其完成并返回数据集行。

快速开始

你需要 Node.js 18 或更高版本，以及拥有 API 令牌的 Apify 账户。

将以下内容添加到 Claude Desktop 配置文件（claude_desktop_config.json）、Cursor 或任何 MCP 客户端中：

{
  "mcpServers": {
    "mamba-news-site-article-archive": {
      "command": "npx",
      "args": [
        "-y",
        "@mambalabsdev/mcp-news-site-article-archive"
      ],
      "env": {
        "APIFY_TOKEN": "your-apify-token"
      }
    }
  }
}

重启客户端后，即可看到 collect_news_site_articles 工具。

前提条件

• Node.js 18 或更高版本。
• 从 console.apify.com/account/integrations 获取 Apify API 令牌，并将其设置为 APIFY_TOKEN。服务无需令牌也会列出该工具；调用工具时则需要令牌。

提示词示例

• “获取该新闻网站在 2016 年 1 月发布的所有文章。”
• “收集这三个新闻网站过去 10 年的报道。”
• “提取该网站去年政治栏目的全文。”

工具

collect_news_site_articles。共一个工具。参数示例：

{
  "sites": [
    "techcrunch.com"
  ],
  "date_from": "2016-01-01",
  "date_to": "2016-01-31",
  "max_articles_per_site": 5
}

输入

该 actor 面向买家的所有输入。省略的输入将使用 actor 自带的默认值。

输入	类型	必填	描述
sites	array	否	按域名指定新闻网站，例如 techcrunch.com，最多 20 个。
date_from	string	否	最早发布日期，格式为 YYYY-MM-DD。默认值：Date to 之前 30 天。
date_to	string	否	最晚发布日期，格式为 YYYY-MM-DD。默认值：今天。
max_articles_per_site	number	否	每个网站返回的文章数，最多 5,000 篇。默认值为 100。
url_contains	array	否	可选。仅保留包含任一指定文本的网址，例如 /politics/。
min_words	number	否	少于此词数的页面不计为文章，且免费。默认值为 80。
use_archive_index	boolean	否	yes（默认）：站点地图中的地址用尽后，还会在 Internet Archive 快照索引中查找地址，该索引涵盖站点地图不再列出的年份。no：仅使用站点地图。
use_archive_copy	boolean	否	yes（默认）：如果网站对某个页面返回 404、410、500、502 或 504，则从 Internet Archive 读取该页面，并按存档行价格计费。被拒绝访问和有付费墙的页面绝不会从存档读取。no：已失效的页面返回免费行。
obey_robots	boolean	否	yes（默认）：跳过 robots.txt 禁止抓取的页面，并将其计入统计。no：仍然读取这些页面。
max_charge_usd	string	否	可选。运行将在产生超过此金额的费用前停止。始终返回汇总行。

定价

在 Apify 上按事件付费，费用计入你的 Apify 账户。价格以 USD 计。

事件	免费套餐	Bronze	Silver	Gold
article-row，从发布者页面读取一篇文章	$0.003	$0.00285	$0.0027	$0.00255
archived-article-row，仅当文章页面已从网站下线时，从 Internet Archive 副本读取一篇文章	$0.003	$0.00285	$0.0027	$0.00255
apify-actor-start，每次运行启动	$0.021	$0.021	$0.021	$0.021

被拒绝访问、有付费墙、已失效或超出范围的页面、汇总行以及被拒绝的输入均免费。Mamba Labs 承担运行的平台费用，包括 Apify 代理流量。Mamba Labs 承担运行的平台费用，包括 Apify 代理流量。

Actor 完整文档

apify.com/mambalabs/news-site-article-archive

许可证

MIT。参见 LICENSE。