mcp-archiveorg

mcp-archiveorg

Internet Archive 是一家非营利图书馆，保存着世界出版的内容：扫描版书籍、电影、录制的音乐、广播、软件，以及网络上的网页。自 1996 年以来，这些网页一直由 Wayback Machine 反复捕获。数百万册书籍和文档已通过光学字符识别处理，因此可以搜索其中的文字；旁边的 Open Library 索引则介绍作品、版本及其主题。

此服务可将聊天客户端连接到该图书馆。你可以搜索文档全文、搜索馆藏目录、查看某件藏品的记录及其文件、按主题、地点、时期或人物查找书籍，还可以阅读某一天的网络内容。无需 API 密钥或账户。

Version française

---

安装

一键安装

Claude Code

claude mcp add archiveorg -- npx -y mcp-archiveorg

Claude Desktop、Cursor 以及任何使用标准配置格式的客户端

{
  "mcpServers": {
    "archiveorg": {
      "command": "npx",
      "args": ["-y", "mcp-archiveorg"]
    }
  }
}

需要 Node 24 或更高版本，无需设置环境变量。

使用 Docker

{
  "mcpServers": {
    "archiveorg": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "ghcr.io/smeet666/mcp-archiveorg:2.0.2"]
    }
  }
}

-i 会保持标准输入流打开，协议通过该流传输；省略 -t 是因为 TTY 会改写数据流。容器需要通过 HTTPS 出站访问 archive.org、web.archive.org 和 openlibrary.org，除此之外不需要任何东西：无需卷、端口或凭据。

打包版本，无需 npm

从最新版本下载 mcp-archiveorg-2.0.2.mcpb 并打开。支持 MCP bundle 的客户端会自行安装，无需 npm，也无需编辑配置文件。bundle 内含依赖项，因此安装时不会下载任何内容。

你可以询问什么

• “哪些书提到了 Beaumont 灯塔？”
• “为我查找有关 1906 年旧金山地震的资料。”
• “该条目包含哪些文件？它采用什么许可证？”
• “为我查找 1900 年以前出版的法国养蜂书籍。”
• “那个网站在 2001 年 3 月是什么样子？”

通常的流程是先搜索，再查看记录：结果行会包含一个 identifier，然后由 get_item 读取它。

工具

工具	功能
search_inside	搜索档案扫描文档中的文字。
search_items	按标题、创建者、主题和媒体类型搜索目录。
get_item	读取某个条目的记录、文件和许可证。
search_books	按主题、地点、时期、人物、篇幅或年份查找书籍。
list_snapshots	列出 Wayback Machine 保存的某个地址的快照。
get_snapshot	读取某个地址在指定日期或附近日期的快照。

search_inside

搜索档案文档中的文字。这些文字通过光学字符识别从页面提取，因此片段会带有识别过程中产生的误读。

参数	类型	必填	功能
query	字符串，2 至 300 个字符	是	要在文档中查找的短语。
limit	整数，1 至 50，默认值为 10	否	返回的匹配项数量。
page	整数，1 至 100，默认值为 1	否	要查看的匹配结果页码。
max_excerpt_chars	整数，80 至 1200，默认值为 300	否	返回片段的长度。
max_excerpts_per_match	整数，1 至 10，默认值为 3	否	每篇匹配文档返回的片段数。

返回内容：hits，其中每项都包含 identifier，可供 get_item 使用；还包含 title、creator 和 year；excerpts 是机器从页面识别出的片段；matched_file 指明实际包含该片段的文件；以及 source_url。如果条目打包了多篇文档，且片段位于其中一篇文档内，inside_container 就为 true；此时标题、创建者和年份属于整个容器。

**total 统计文档数，结果按页显示。**它表示文档数量，匹配结果的最后一页会比第一页短。**不提供页码：**索引报告的是文字在条目中的位置，而几乎所有匹配项的值都是 1，因此这里不会指出书中的页码，也没有链接声称提供了页码。

search_items

在整个目录中搜索档案所收录的所有类型的内容。

参数	类型	必填	作用
query	string，1 到 300 个字符	是	在目录中查找的词语。
media_type	texts、movies、audio、image、software、data 或 web	否	要保留的内容类型。
year_from	integer，1 到 2200	否	最早年份。
year_to	integer，1 到 2200	否	最晚年份。
sort	relevance、downloads、newest、oldest 或 title，默认值为 relevance	否	结果的排序方式。
limit	integer，1 到 50，默认值为 10	否	返回的结果数量。
page	integer，1 到 100，默认值为 1	否	要返回的结果页码。

返回内容： items，每项包含 identifier、title、creator、year、 media_type、downloads 和 source_url。记录中未填写的字段为 null。total 是目录中符合条件的项目总数，可能多于实际返回的数量。

get_item

读取某个项目的记录。由于记录可能很长，较大的部分需要明确请求才会返回。

参数	类型	必填	作用
identifier	string，1 到 200 个字符	是	搜索结果行中包含的标识符。
sections	数组，可选值为 basic、files、full_metadata，默认值为 ["basic"]	否	要返回的部分。
file_format	string，最多 60 个字符	否	仅保留一种格式的文件。
max_files	integer，1 到 200，默认值为 25	否	返回文件数量上限。
max_description_chars	integer，100 到 20000，默认值为 2000	否	返回的描述长度。

返回内容： 项目及其 title、creator、year、media_type 和 source_url，以及 description、date、publisher、language、collections 和 license_url；记录中未注明的字段为 null。无论本次返回了哪些内容，file_count 都会统计该项目所含的文件数量，total_bytes 则表示这些文件的总大小。只有在 sections 中请求时才会返回 files 和 full_metadata。

search_books

通过档案旁的作品索引查找书籍。该索引描述的是作品及其版本，而非某一本扫描副本。

Argument	Type	Required	What it does
query	string, 2 to 300 characters	no	自由文本，有则填写。
subject	string, 2 to 100 characters	no	索引为作品归类的主题。
place	string, 2 to 100 characters	no	作品涉及的地点。
time	string, 2 to 100 characters	no	作品涉及的时期。
person	string, 2 to 100 characters	no	作品涉及的人物。
language	string, 2 to 20 characters	no	作品的语言。
year_from	integer, 1 to 2200	no	最早的首次出版年份。
year_to	integer, 1 to 2200	no	最晚的首次出版年份。
pages_min	integer, 1 to 100000	no	可接受作品的最少页数。
pages_max	integer, 1 to 100000	no	可接受作品的最多页数。
sort	relevance, rating, readers, newest or oldest, default relevance	no	结果行的排序方式。
limit	integer, 1 to 50, default 10	no	返回的结果行数。
page	integer, 1 to 100, default 1	no	返回第几页结果行。

返回内容： books，每项包含 title、authors、first_published_year、 edition_count、档案所藏扫描副本的 archive_identifiers、 scan_count、按各版本计算的中位数页数 page_count、subjects 和 source_url。searched_for 用文字说明本次回答所回应的查询，包括自由文本 和应用的每项条件；如果仅按条件进行搜索，query 为 null。total 统计匹配的作品数。

list_snapshots

列出 Wayback Machine 保存的某个地址的网页快照。

Argument	Type	Required	What it does
url	string, 3 to 2000 characters	yes	要查询的地址。
limit	integer, 1 to 100, default 20	no	返回的快照数。
cursor	string, up to 500 characters	no	上一次回答给出的 next_cursor。

返回内容： snapshots，每项包含 ISO 格式的 UTC 时间戳 captured_at、快照本身的 url，以及爬取记录的 status。first 和 last 描述的是本次回答，而非完整历史记录； next_cursor 用于继续列出结果。

get_snapshot

读取某个地址在指定日期或附近日期的一次存档。

Argument	Type	Required	What it does
url	string, 3 to 2000 characters	yes	要查询的地址。
at	YYYY-MM-DD or an ISO timestamp	no	目标日期。默认返回最新的存档。

返回内容： snapshot 及其 captured_at 和地址，以及 requested_url 和 requested_at，从而可以看出请求日期与返回存档之间的时间差。对于没有存档的日期，Wayback Machine 会返回其保存的最接近日期的存档。

摘录的价值

扫描文档中的文字是通过光学字符识别从页面中提取的。因此，文本片段可能带有识别过程造成的误读，返回的内容会保留识别结果而不作修正：读起来奇怪的词，就是机器识别到的内容。引用扫描件中的片段时，请链接到该条目，以便读者查看页面。

配置

所有变量均为可选。在客户端配置的 env 块中设置。

Variable	Default	What it does
IA_USER_AGENT	项目标识	向档案说明你的应用，并提供可联系到相关人员的地址。
IA_MIN_INTERVAL_MS	1000	两次请求之间的间隔，范围为 500 至 60000。
IA_TIMEOUT_MS	20000	单次请求的截止时间，范围为 1000 至 120000。
IA_HISTORY_TIMEOUT_MS	60000	Wayback Machine 历史记录请求的截止时间，范围为 5000 至 180000。
IA_MAX_RETRIES	3	瞬时故障后的重试次数，范围为 0 至 8。
IA_CACHE_TTL_MS	900000	答案在内存中的保留时长，范围为 0 至 86400000。
IA_CACHE_MAX_ENTRIES	200	内存中同时保留的答案数，范围为 1 至 5000。
IA_LOG_LEVEL	error	日志级别：silent、error、info 或 debug，写入 stderr。

超出范围的值会回退为默认值，原因会写入 stderr。

错误

每次失败都会附带六种代码之一、一条消息，以及在有帮助时指出下一步操作的提示。

Code	发生了什么	如何处理
not_found	档案库已作出响应，但没有此项内容。	使用 search_items 检查标识符。
invalid_input	请求尚未发出，参数就已被拒绝。	阅读消息，其中会指出相关参数。
rate_limited	档案库要求此客户端放慢速度。	等待提示中指出的秒数，然后使用相同参数再次调用。该项内容仍然存在。
parse_failure	收到的响应格式无法被此客户端读取。	在问题跟踪器中报告。
network_error	请求未能完成。	稍后重试。
timeout	请求超过了截止时间。	增大 IA_TIMEOUT_MS；如果是捕获历史记录，则增大 IA_HISTORY_TIMEOUT_MS。

作为库使用

读取档案库的这一层独立发布，拥有自己的请求节奏、缓存和错误处理，且不附带任何协议。

import { ArchiveClient } from "mcp-archiveorg/client";

const client = new ArchiveClient();
const { data, cached } = await client.searchItems({ query: "san francisco earthquake" });
console.log(data.total, cached);

每次读取都会返回 { data, cached }，并抛出携带六种代码之一的错误。两次请求之间的最短间隔在这里同样适用。

请求节奏与来源标注

请求会逐个发出，间隔至少一秒；无论服务端如何配置，最短间隔都为半秒。User-Agent 始终以项目标识和可联系到相关人员的地址结尾。Internet Archive 是一家非营利图书馆，在其文档中搜索是它处理的成本较高的请求之一。

每条结果都会附上读取该结果的页面地址。内容归存放者个人或机构所有，并受每条记录在 license_url 中注明的条款约束。

此 MCP 服务是一个非官方项目，与 Internet Archive 没有关联。

隐私

此服务不会收集你的任何信息，也不会向作者发送任何内容。它在你的计算机上运行，只会联系 archive.org、web.archive.org 和 openlibrary.org，仅此而已；运行期间会将响应保存在内存中，不会写入磁盘。 PRIVACY.md 说明了请求会携带哪些内容，以及哪些设置会影响这些内容。

开发

npm install
npm run build:fixtures
npm test
npm run check

测试使用生成的测试夹具运行，不会发出网络请求。实时测试套件 npm run test:live 会为每条路由各发出一个请求，并在每晚直接对档案库运行。

贡献

Bug、问题和想法请提交到问题跟踪器。欢迎提交拉取请求；先创建问题有助于商定更改的形式。请参阅 CONTRIBUTING.md。

许可证

MIT，详见 LICENSE。内容归存放者所有，并受每条记录所注明的条款约束。

---

mcp-archiveorg（法语）

English version

Internet Archive 是一家非营利图书馆，保存世界出版的内容：数字化书籍、电影、录制的音乐、广播、软件，以及网页本身。自 1996 年起，这些网页便由 Wayback Machine 一次又一次地抓取。数百万本书籍和文档经过了光学字符识别，因此其中的文字可以搜索；与之相邻的 Open Library 索引则介绍作品、版本和主题。

此服务将对话客户端连接到这座图书馆。你可以搜索文档全文、搜索目录、查看文档信息和文件，按主题、地点、时期或人物查找书籍，还可以查看网页在某一天的样子。无需 API 密钥，也无需账号。

安装

一键安装

Claude Code

claude mcp add archiveorg -- npx -y mcp-archiveorg

Claude Desktop、Cursor 以及所有采用标准配置格式的客户端

{
  "mcpServers": {
    "archiveorg": {
      "command": "npx",
      "args": ["-y", "mcp-archiveorg"]
    }
  }
}

需要 Node 24 或更高版本，无需设置任何环境变量。

使用 Docker

{
  "mcpServers": {
    "archiveorg": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "ghcr.io/smeet666/mcp-archiveorg:2.0.2"]
    }
  }
}

-i 会保持标准输入处于打开状态，标准输入是协议通道；省略 -t 是因为 TTY 会改写数据流。容器只需能够通过 HTTPS 访问 archive.org、web.archive.org 和 openlibrary.org，无需其他条件：不需要卷、端口或凭据。

Bundle，无需 npm

从最新发布版本下载 mcp-archiveorg-2.0.2.mcpb 并打开。支持 MCP bundle 的客户端会自动完成安装，无需 npm，也无需修改配置文件。Bundle 已包含其依赖项，因此安装时不会下载任何内容。

可以询问什么

• “哪些书提到了 Beaumont 灯塔？”
• “帮我找找关于 1906 年旧金山地震的文档。”
• “这份文档包含哪些文件？采用什么许可证？”
• “帮我找找 1900 年之前出版的法国养蜂类书籍。”
• “这个网站在 2001 年 3 月是什么样子？”

通常的操作流程是先搜索，再查看信息：搜索结果中的一行包含一个 identifier，使用 get_item 即可读取。

工具

工具	功能
search_inside	搜索数字化文档中的文字。
search_items	按标题、作者、主题和媒体类型搜索目录。
get_item	查看文档信息、文件和许可证。
search_books	按主题、地点、时期、人物、长度或年份查找书籍。
list_snapshots	列出 Wayback Machine 保存的某个网址的抓取快照。
get_snapshot	查看某个网址在指定日期或附近日期的抓取快照。

search_inside

在文档正文中搜索。正文来自光学字符识别，因此片段会带有此过程产生的识读错误。

参数	类型	必填	作用
query	字符串，2 至 300 个字符	是	要在文档中搜索的短语。
limit	整数，1 至 50，默认值为 10	否	返回的匹配项数量。
page	整数，1 至 100，默认值为 1	否	要返回的匹配项所在页。
max_excerpt_chars	整数，80 至 1200，默认值为 300	否	返回片段的长度。
max_excerpts_per_match	整数，1 至 10，默认值为 3	否	每个匹配文档返回的片段数量。

返回内容： hits，每项包含 identifier，可供 get_item 使用； title、creator 和 year；excerpts，即机器从页面读取的片段；matched_file，用于标明实际包含该片段的文件；以及 source_url。当文档汇集了多个文件，且片段位于其中一个文件时，inside_container 为 true，此时标题、作者和年份属于容器文档。

total 统计文档数量，并支持分页。 该值表示文档数量，结果集的最后一页可能比第一页短。不提供页码： 索引会指出文本在文档中的位置，但几乎所有匹配项都显示为 1，因此这里没有标明书籍页码，也没有链接声称指向特定页码。

search_items

在目录中搜索，涵盖档案保存的所有内容。

参数	类型	必填	作用
query	字符串，1 至 300 个字符	是	要在目录中搜索的词语。
media_type	texts、movies、audio、image、software、data 或 web	否	要保留的内容类型。
year_from	整数，1 至 2200	否	最早年份。
year_to	整数，1 至 2200	否	最晚年份。
sort	relevance、downloads、newest、oldest 或 title，默认值为 relevance	否	条目的排序方式。
limit	整数，1 至 50，默认值为 10	否	返回的条目数量。
page	整数，1 至 100，默认值为 1	否	要返回的条目所在页。

返回内容： items，每项包含 identifier、title、creator、year、 media_type、downloads 和 source_url；条目中为空的字段会设为 null。total 统计整个目录中的匹配文档数量，因此可能大于返回的数量。

get_item

读取文档条目。较大的部分需按需请求，而不会默认返回，因为条目可能很长。

参数	类型	必填	作用
identifier	字符串，1 至 200 个字符	是	某一行所带的标识符。
sections	basic、files、full_metadata 数组，默认值为 ["basic"]	否	要返回的部分。
file_format	字符串，最多 60 个字符	否	仅保留指定格式的文件。
max_files	整数，1 至 200，默认值为 25	否	返回文件数量上限。
max_description_chars	整数，100 至 20000，默认值为 2000	否	返回的描述长度。

返回内容： 文档及其 title、creator、year、media_type 和 source_url，以及 description、date、publisher、language、collections 和 license_url；条目中未注明的字段均为 null。file_count 统计文档包含的文件数量，不受本次响应返回内容的影响，total_bytes 表示这些文件的总大小。只有在 sections 中请求时，才会返回 files 和 full_metadata。

search_books

通过与档案馆关联的作品索引查找书籍。该索引描述作品及其版本，而非数字化副本。

Argument	Type	Requis	Ce qu'il fait
query	chaîne, 2 à 300 caractères	non	Du texte libre, quand il y en a.
subject	chaîne, 2 à 100 caractères	non	Un sujet sous lequel l'index classe.
place	chaîne, 2 à 100 caractères	non	Un lieu dont une œuvre traite.
time	chaîne, 2 à 100 caractères	non	Une période dont une œuvre traite.
person	chaîne, 2 à 100 caractères	non	Une personne dont une œuvre traite.
language	chaîne, 2 à 20 caractères	non	La langue de l'œuvre.
year_from	entier, 1 à 2200	non	Première publication la plus ancienne.
year_to	entier, 1 à 2200	non	Première publication la plus récente.
pages_min	entier, 1 à 100000	non	Œuvre la plus courte acceptable.
pages_max	entier, 1 à 100000	non	Œuvre la plus longue acceptable.
sort	relevance, rating, readers, newest ou oldest, défaut relevance	non	L'ordre des lignes.
limit	entier, 1 à 50, défaut 10	non	Lignes à servir.
page	entier, 1 à 100, défaut 1	non	Quelle page de lignes.

返回： books，每本书包含 title、authors、first_published_year、edition_count、archive_identifiers（档案馆持有的数字化副本标识符）、scan_count、作为各版本中位数的 page_count、subjects 和 source_url。searched_for 用文字说明此响应所回答的查询，包括自由文本和所有已应用的条件；如果搜索仅依据条件进行，query 的值为 null。total 表示匹配作品的数量。

list_snapshots

列出 Wayback Machine 保存的某个地址的网页快照。

Argument	Type	Requis	Ce qu'il fait
url	chaîne, 3 à 2000 caractères	oui	L'adresse à consulter.
limit	entier, 1 à 100, défaut 20	non	Captures à servir.
cursor	chaîne, jusqu'à 500 caractères	non	Le next_cursor nommé par une réponse précédente.

返回： snapshots，每个快照包含其 UTC ISO 时间戳 captured_at、快照本身的 url，以及采集时记录的 status。first 和 last 描述的是本次响应，而非全部历史记录；next_cursor 用于继续浏览列表。

get_snapshot

读取某个地址在指定日期或附近日期的快照。

参数	类型	必填	作用
url	字符串，3 至 2000 个字符	是	要查询的地址。
at	AAAA-MM-JJ 或 ISO 时间戳	否	目标日期。默认使用最新快照。

返回： snapshot 及其 captured_at 和地址，同时提供 requested_url 和 requested_at，以便看出请求日期与所提供快照之间的差异。 对于没有对应快照的日期，Wayback Machine 会返回其存档中日期最接近的快照。

如何看待摘录

数字化文档中的文本来自光学字符识别。因此，摘录中可能带有识别过程造成的错误，内容会按识别结果原样提供，而不会经过修正：读起来奇怪的词，就是机器识别到的内容。引用时，请将其标明为数字化文档的摘录，并附上文档链接，以便读者查看页面。

配置

所有变量均为可选。请将它们放在客户端配置的 env 块中。

变量	默认值	作用
IA_USER_AGENT	项目标识	向档案馆标识你的应用，并提供可联系到相关人员的地址。
IA_MIN_INTERVAL_MS	1000	两次请求之间的间隔，范围为 500 至 60000。
IA_TIMEOUT_MS	20000	请求超时时间，范围为 1000 至 120000。
IA_HISTORY_TIMEOUT_MS	60000	Wayback Machine 历史记录请求的超时时间，范围为 5000 至 180000。
IA_MAX_RETRIES	3	临时失败后的重试次数，范围为 0 至 8。
IA_CACHE_TTL_MS	900000	响应在内存中的保留时长，范围为 0 至 86400000。
IA_CACHE_MAX_ENTRIES	200	同时保留在内存中的响应数，范围为 1 至 5000。
IA_LOG_LEVEL	error	silent、error、info 或 debug，输出到错误输出流。

超出范围的值会恢复为默认值，原因会写入错误输出流。

错误

每次失败都会带有六种代码之一和一条消息，并在有帮助时附上下一步操作提示。

代码	发生了什么	怎么做
not_found	存档已响应，但没有这份文档。	使用 search_items 检查标识符。
invalid_input	参数在发出请求前就被拒绝了。	阅读消息，其中会指出相关参数。
rate_limited	存档要求此客户端放慢速度。	等待指定的秒数，然后使用相同参数重新调用。文档仍然存在。
parse_failure	响应已返回，但格式无法在此处解析。	在问题跟踪区报告。
network_error	请求未能完成。	稍后重试。
timeout	请求超时。	增大 IA_TIMEOUT_MS，如果是历史记录，则增大 IA_HISTORY_TIMEOUT_MS。

作为库使用

读取存档的这一层单独发布，拥有自己的节奏、缓存和错误，不绑定任何协议。

import { ArchiveClient } from "mcp-archiveorg/client";

const client = new ArchiveClient();
const { data, cached } = await client.searchItems({ query: "san francisco earthquake" });
console.log(data.total, cached);

每次读取都会返回 { data, cached }，并抛出带有六种代码之一的错误。两次请求之间的最短间隔在此处同样适用。

请求节奏与署名

请求会逐个发出，间隔至少一秒；无论配置如何，最短间隔都不会低于半秒。User-Agent 始终以项目身份和一个可联系人联系到某人的地址结尾。Internet Archive 是一家非营利图书馆，对其文档进行全文检索是它处理的成本最高的请求之一。

每条结果都会附上读取该结果的页面地址。文档归存放者所有，并遵循每条记录在 license_url 中注明的条件。

此 MCP 项目为非官方项目，与 Internet Archive 无关联。

隐私

此服务不会收集你的任何信息，也不会向作者发送任何信息。它在你的计算机上运行，只连接 archive.org、web.archive.org 和 openlibrary.org，在运行期间将响应保存在内存中，不会写入磁盘。PRIVACY.md 说明了请求会携带哪些信息，以及哪些设置会改变这些行为。

开发

npm install
npm run build:fixtures
npm test
npm run check

测试使用生成的 fixtures 运行，不会发出任何请求。实时测试套件 npm run test:live 会为每个路由发出一个请求，并且每晚针对存档本身运行。

贡献

问题、疑问和想法都可以提交到问题跟踪区。欢迎提交修改提案；先创建工单有助于就修改形式达成一致。请参阅 CONTRIBUTING.md。

许可证

MIT，详见 LICENSE。文档归存放者所有，并遵循每条记录注明的条件。