Arquivo Pt

@pipeworx/arquivo-pt

在 Arquivo.pt 中全文搜索已存档的网页。Arquivo.pt 是由 FCCN 运营的葡萄牙网络档案库（自 1996 年起收录网页）。Internet Archive 的 Wayback Machine（wayback 包）需要提供 URL，而 Arquivo.pt 会为其收录的网页建立文本索引，因此调用方可以按短语查找已存档网页，然后读取某次捕获的提取文本，或列出某个 URL 的所有留存版本。

属于 Pipeworx — 一个将 AI Agent 连接到 1872+ 个实时数据源的 MCP 网关。这是一项独立、非官方的集成，与上游提供方无关联，未经其认可，也不是由其发布。

工具

• arquivo_search_pages(query, from?, to?, site?, type?, limit?, offset?, per_site?) — 搜索词或带引号短语的全文命中结果：标题、原始 URL、捕获日期、解码后的摘要片段、存档回放 URL、提取文本和截图链接，以及 estimated_total 和 next_offset。没有命中时返回 found:false 和 reason:"no_match"，并提供提示。
• arquivo_url_history(url, from?, to?, limit?, offset?) — 域名、主机或完整 URL 的所有留存捕获记录，按时间从新到旧排列，包含捕获时间戳、爬取时的 HTTP 状态、MIME 类型、大小、摘要值和回放链接。没有捕获记录时返回 found:false 和 reason:"no_captures"。
• arquivo_page_text(url, timestamp, max_chars?) — Arquivo.pt 从某次捕获中提取的纯文本（命中结果中的 original_url + captured_at_ts）。捕获记录不存在时返回 found:false, reason:"capture_not_found"。

每个响应都包含 source（确切的上游 URL）和 data_as_of。传输失败、响应正文不是 JSON，或响应结构发生变化时，会抛出明确指出 Arquivo.pt 和 HTTP 状态码的错误，不会返回空列表。

身份验证

无需密钥。

如实说明覆盖范围

• 主要覆盖葡萄牙网络（.pt 网站和葡萄牙语网页），但也会收录这些网页链接的国际页面。2026-10-08 测试结果："climate change" ≈ 52-53M 个估算命中（academia.edu、eea.europa.eu、ipcc.ch），"quantum computing" ≈ 0.8-1.1M（techtarget.com、microsoft.com、en.wikipedia.org），"Federal Reserve interest rates" ≈ 1.8-1.9M（federalreserve.gov、vox.com）。估算值因索引节点而异。英文查询可用；排名靠前的结果多为葡萄牙网站引用的网页。
• 全文索引会比爬取滞后数年。 2026-10-08 测试时，将搜索范围限制为 from=2022 的查询在大多数调用中返回 0 个命中，一个节点返回了 2023 年的捕获记录，而 arquivo_url_history 会列出 2026 年年中的捕获记录。查询近期内容时请使用 URL 历史记录。
• Arquivo.pt 会在彼此结果不一致的索引节点之间进行负载均衡。 2026-10-08，在一个在线 Cloudflare Worker 上，同一 URL 在相隔数分钟的请求中返回了不同结果：耗时 30-37 秒的真实命中；耗时 1-6 秒的真实命中（带有 FAWP* 集合 ID 和 hostKey 字段）；包含 3.5M 个 estimated_nr_results 的 response_items: []；以及 response_items: [{}, {}, {}]（429 字节，每一行都是空对象）——最后一种情况在一段时间内出现在每个不带引号的多词查询中，但笔记本对相同 URL 得到了真实命中，而 Worker 对带引号的短语也能正确响应。该包会调整 maxItems 后重试一次，然后抛出明确指出故障的错误；没有 URL 或时间戳的行永远不会作为命中返回（dropped_malformed_rows 会统计这些行）。有些节点还会忽略 maxItems（请求 5 条却返回 9 条）；命中数不会超过 limit。
• 只有在你传入 to 时，该包才会发送 to。上游默认值（前一个日历年）已经涵盖整个索引；而在一个在线 Worker 上，强制设置 to=<now> 后，同一查询返回 0 条结果，但 estimated_nr_results 仍为 3.8M（2026-10-08 测试了两次）。
• 默认情况下，命中结果会按网站去重，每个网站最多 2 条（per_site）；增大该值即可查看同一网站的更多捕获记录。

数据源

• https://arquivo.pt/textsearch?q=… — 全文搜索（q、from、to、 siteSearch、type、maxItems ≤ 500、offset、dedupValue、dedupField）。
• https://arquivo.pt/textsearch?versionHistory=… — URL 版本历史。
• https://arquivo.pt/textextracted?m=… — 单次抓取的提取文本。 m 值由原始 URL 后接 / 和 14 位时间戳组成，因此以 / 结尾的 URL 会在时间戳前产生 //——这是正确的，不要“修正”它。
• API 参考：https://github.com/arquivo/pwa-technologies/wiki/Arquivo.pt-API。 将 URL 作为 q 传入会导致上游返回 HTTP 400；该工具包会先拒绝请求， 并指向 arquivo_url_history。
• 片段会以 HTML 转义的 Latin-1 命名实体形式返回（Inteligência）；该工具包会对其解码。

快速开始

添加到你的 MCP 客户端（Claude Desktop、Cursor、Windsurf 等）：

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

此端点实际提供的内容

https://gateway.pipeworx.io/arquivo-pt/mcp 上的 tools/list 会返回上表中的工具， 以及 Pipeworx 共享的元工具——ask_pipeworx、 discover_tools、search_within、remember/recall，以及网关范围内的其他工具。 因此，你看到的工具数量会多于表中的数量：目前，单个工具包端点除了该工具包自身的工具外， 还会列出大约 30 个共享工具。连接的 initialize 响应会说明其确切范围， 是当天适用范围的权威依据。

这是有意为之，并非意外的多路复用。元工具让限定范围的连接能够回答本工具包未涵盖的问题—— 通过 ask_pipeworx 跨整个目录路由——而无需添加第二个 MCP 服务。目前无法挂载不含 这些元工具的工具包端点；如果额外的架构定义占用的上下文超过路由带来的价值， 不如只连接一次完整网关，而不是连接多个工具包端点。

或者连接完整的 Pipeworx 网关，直接列出每个工具包的工具， 而不只是此工具包的工具：

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

两个 URL 都会访问同一个网关和同样的 1872+ 个数据源。唯一的区别是 哪些工具包的工具会被直接列出；无论连接哪一个，ask_pipeworx 都可以访问所有工具。

没有 MCP 客户端？通过 HTTP 调用

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

首次调用无需账户。检查任意工具：GET https://gateway.pipeworx.io/v1/tools/arquivo_search_pages。 查找工具：使用 {"query":"..."} 调用 POST https://gateway.pipeworx.io/v1/tools/search_packs。

独立运行（无需网关账户）

此软件包也可作为本地 stdio MCP 服务运行——无需 Pipeworx 账户，也无需经过网关：

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

也可以直接运行，确认它能正常启动：

npx -y @pipeworx/mcp-arquivo-pt

它通过 stdin/stdout 使用 MCP，并为仅此工具包自身的工具响应 initialize/tools/list/tools/call——不包含上方网关连接额外提供的任何共享元工具。 数据源相同，工具相同，但没有 ask_pipeworx 路由。

使用 ask_pipeworx

你可以用通俗的英语提问，而不是直接调用工具——工具包端点和完整网关都支持此方式：

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

网关会选择合适的工具并自动填写参数。

更多信息

• 文档和指南
• pipeworx.io

许可证

MIT