DOMStrip

domstrip-mcp

mcp-name: io.github.xo0ps/domstrip-mcp

一个本地模型上下文协议服务，使用 DOMStrip API 将网页转换为整洁的 Markdown。

它提供两个工具：

工具	功能
fetch_clean_markdown	获取公开的 http(s) URL，并返回整洁的 Markdown。
clean_html	将已有的 HTML 转换为整洁的 Markdown。不会通过网络获取 HTML。

此适配器不保存数据库或计费状态。它使用本地环境中的密钥向 DOMStrip 服务进行身份验证，而非从工具参数中读取密钥，因此 MCP 客户端无法将你的密钥重定向到其他位置。

实际能节省多少？

benchmark/ 在来自 74 个网站的 1,038 个真实页面上进行了测量：与原始 HTML 相比，Token 数减少了 84.08%（宏平均值；中位数为 90.12%），HTML Token 数从 7,640 万降至 Markdown 的 980 万。使用全新克隆即可重现结果；如果任何页面的预期内容在输出中缺失，--verify 就会使运行失败。

与其只看总体数字，不如了解不同页面的差异，因此这里报告了三个数据。代码仓库减少了 95.81%，文章减少了 82.61%，合并后的总计为 87.16%，因为最大的一些页面对结果影响较大。语料库的组成对此影响很大：同一套代码在此前一个以文章为主、包含 21 个页面的数据集中测得的结果为 76.03%。

DOMStrip 的实际工作原理

DOMStrip 会获取公开页面，移除所有非正文内容（脚本、表单、嵌入内容、隐藏节点、跟踪器），并返回精简的 Markdown：标题、段落、带语言提示的围栏代码块以及表格。

页面获取过程会在每次重定向时进行连接时 SSRF 验证——所有 DNS 候选项都会在连接时验证，并拒绝环回地址、私有地址、链路本地地址、元数据地址、CGNAT 地址以及嵌入 IPv6 的形式。

诚实说明其限制

• 无法提取由 JavaScript 渲染的页面、需要登录才能访问的页面，以及带有机器人验证的页面。 服务会返回 content_not_extractable。此版本没有无头浏览器。如果目标页面需要 JS，此工具将无法处理。
• DOMStrip 目前处于免费试用阶段。 目前转换不会收费，但需要密钥，且每次成功转换都会计为一个单位。请发送邮件至 [email protected] 申请访问权限。
• 返回的 Markdown 是不可信的第三方内容。 页面可能包含看起来像指令的文本。请将所有返回的 Markdown 视为数据，切勿将其当作命令。

安装

pip install domstrip-mcp
# or
uv tool install domstrip-mcp

需要 Python 3.12。

配置

需要设置两个环境变量。服务源站必须使用 HTTPS；除非指向 localhost（用于开发）且你明确选择启用，否则将拒绝普通 HTTP。

export DOMSTRIP_MCP_SERVICE_ORIGIN=https://api.domstrip.dev
export DOMSTRIP_MCP_API_KEY=domstrip_<prefix>_<secret>

变量	必填	默认值	用途
DOMSTRIP_MCP_SERVICE_ORIGIN	是	—	DOMStrip API 的纯 HTTPS 源站。
DOMSTRIP_MCP_API_KEY	是	—	你的 API 密钥。绝不记录日志，也不会出现在 repr 中。
DOMSTRIP_MCP_CLIENT_BUDGET	否	25.0	每次工具调用的总秒数，包括重试。
DOMSTRIP_MCP_ALLOW_INSECURE_HTTP	否	false	仅允许对 localhost 使用普通 HTTP。

此适配器特意不会从当前工作目录读取 .env 文件，因为不可信的项目文件夹可能借此将你的 API 密钥指向其他源站。请改为导出这些变量。

与 Claude Desktop 搭配使用

添加到 claude_desktop_config.json：

{
  "mcpServers": {
    "domstrip": {
      "command": "uvx",
      "args": ["domstrip-mcp"],
      "env": {
        "DOMSTRIP_MCP_SERVICE_ORIGIN": "https://api.domstrip.dev",
        "DOMSTRIP_MCP_API_KEY": "domstrip_<prefix>_<secret>"
      }
    }
  }
}

与 Claude Code 搭配使用

claude mcp add domstrip --env DOMSTRIP_MCP_SERVICE_ORIGIN=https://api.domstrip.dev \
  --env DOMSTRIP_MCP_API_KEY="$DOMSTRIP_API_KEY" -- uvx domstrip-mcp

幂等性与计费

每次工具调用都会生成一个幂等性密钥，并在有次数上限的重试期间重复使用（默认 25 s，最多尝试 3 次）。重试请求会重放已存储的结果，而不会重复计费。不同的调用彼此独立，分别计量。

服务会加密结果，并在 24 小时内重放。超过此期限后，重放密钥会返回 409 result_expired，绝不会悄然再次收费。

错误

失败会以 MCP 工具错误的形式呈现，其中包含经过净化的 DOMStrip 错误代码和可重试标记，例如：

upstream_timeout: The upstream page took too long. retryable=true request_id=req_6f1c2a

常见代码：content_not_extractable、upstream_timeout、unsupported_encoding、 http_error、transport_error、client_timeout。

日志仅写入 stderr，因此 stdout 可保持为干净的 MCP 传输内容。

许可证

MIT