mcp-page-finder-extractor

页面查找与提取 MCP 服务

提供公司域名和页面类型，它便会在该公司自己的网站上查找相应页面，并返回 URL、查找该页面的方法以及该方法的置信度。

支持 46 种页面类型。支持 11 种欧洲语言的页面发现词汇。还可选择读取页面并返回结构化字段。

封装了 Mamba Labs 的 Page Finder and Extractor actor。

安装

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

需要在 APIFY_TOKEN 中设置 Apify API 令牌。请在 console.apify.com/account/integrations 创建令牌。

Claude Desktop

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

工具

find_company_page

输入	必填	功能
domain	三者之一	单个公司域名，例如 stripe.com
domains	三者之一	多个公司域名
companies	三者之一	按名称指定公司，格式为 {name, country?, isin?, ticker?, url?}。身份解析会先运行，并单独计费
pageTypes	否	要查找的 46 种页面类型。默认值为 ["pricing"]
mode	否	locate 用于查找 URL；locate_and_extract 还会读取页面。默认值为 locate
knownUrls	否	你已持有的 URL，按页面类型指定。对这些 URL 跳过发现流程
extractionFields	否	与页面无关的提取字段菜单
extractPageTypeFields	否	同时运行与页面类型关联的字段映射。默认值为 "true"
maxPagesPerType	否	每种类型打开 1 到 12 个候选页面。可填数字或数字字符串。默认值为 4
maxRequestsPerInput	否	每家公司请求数上限为 5 到 200。可填数字或数字字符串。默认值为 60
allowRender	否	对需要 JavaScript 的页面打开浏览器。默认值为 "true"
languageHints	否	优先尝试的语言代码。此选项会调整词汇顺序，但不会缩短词汇列表
max_charge_usd	否	本次运行的支出上限，单位为美元。若某家公司的最坏情况下的费用会超过此上限，则不会启动该公司的处理，并会写入一条提示行。留空表示不设自定义上限
concurrency	否	同时处理的公司数量。每家公司仍一次只发出一个请求，并会等待一段时间。可填数字或数字字符串。默认值为 10
skipCache	否	"true" 会强制重新抓取，而不使用 14 天缓存

46 种页面类型：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。

读取输出

每个输入始终对应一行平铺记录，包括未找到任何内容的输入。

• {type}_url 是查找到的页面，例如 pricing_url。
• {type}_found 的值为 true、false 或 null。这些值绝不会合并。 false 表示已读取网站、搜索了链接图和站点地图，但页面不存在。null 表示可读取的信息不足，无法作出判断。
• {type}_method 表示查找方式：known_url、known_host、homepage_anchor、footer_anchor、section_hop、sitemap 或 path_guess。不同方式的精准度差异很大。
• {type}_confidence 是针对该查找方式的评分，不会与其他方式混合。对于客户会看到的任何内容，阈值设为 0.8。path_guess 的评分绝不会高于 0.6。
• coverage 和 fetch_status 表示检查是否完成。信任 false 之前，请先查看这两个字段。

在 locate_and_extract 模式下，结构化字段会写入第二个 findings 数据集，每个字段一条记录，并通过 input_key 关联回输入，因为 11 行申报信息无法放在一个单元格中。

计费

按事件使用 Apify credits 付费。大致按免费层级计算：每找到一种页面类型收费 $0.004，每提取一个页面收费 $0.003，每解析一个公司名称收费 $0.007，另加标准的 actor 启动费用。

截至 2026-11-10 前免费：从 2026-10-26 起，三种工作事件均不收费，每次运行只需支付 actor 启动费用。上述价格将于 2026-11-10 05:01 UTC 起恢复。

实际发生的查找会计费，包括没有找到结果的查找，因为两种情况的工作量相同。未实际发生的查找不计费：无效域名、拒绝访问或 robots.txt 禁止访问时，会返回 found: null，且不收取查找费用。

除非你使用 companies 路径，否则不会收取身份解析费用。

此服务的功能与限制

它会读取公司自有网站上公开提供的页面。它会遵守每个主机的 robots.txt（包括 Crawl-delay），每个域名每次只发送一个请求，并在请求之间加入延迟；它还会发送注明自身身份的描述性用户代理。它不会伪装成浏览器，不会对请求头进行签名，也不会通过重试绕过访问限制。若页面虽公开提供，但需要 JavaScript 才能读取，则会使用浏览器渲染；但绝不会使用浏览器绕过访问控制。

个人数据。 两种页面类型可能返回有姓名的个人：contact 会返回公司在自有联系页面上公布的联系信息块，about 会返回公司在自有关于页面上公布的领导层姓名。只包含公司自行公布的信息，不推断属性，也不从其他来源查找。这些记录带有 is_personal_data: true 和 lawful_basis，因此可以通过一个条件筛选掉整类记录；或者将 contact 和 about 排除在 pageTypes 之外，这样就不会生成这些记录。若要获取公司人员名单，请改用 Team Page People Extractor。

此服务为只读。它会启动一次 actor 运行并返回数据集，不会在其他任何位置写入内容。

Mamba Labs GTM Suite

此服务是 Mamba Labs MCP 服务之一，专为市场拓展数据而设；每个服务都由 Apify Store 上的独立 actor 提供支持。如果你更愿意安装一个软件包，而非多个软件包，@mambalabsdev/mcp-gtm-suite 可通过单个服务提供整套工具。

可在 Apify Store 或 npm 浏览全部服务。

如果你想获取公司人员名单，而不是查找公司网站上的页面，请改用 Team Page People Extractor 和 Contact Classifier。此 actor 仅在联系信息块恰好位于你要求查找的页面上时，才会返回该信息块。

来源

此 actor 位于 Apify Store。此封装项目位于 github.com/mambalabsdev/mcp-page-finder-extractor，采用 MIT 许可证。

由 Mamba Labs 构建。