图像生成与网页抓取服务器

用于Windsurf/Roocode的MCP服务器

这是一个模型上下文协议（MCP）服务器，为Windsurf提供图像生成和网络抓取功能。

特性

• 图像生成：使用Flux Pro模型生成图像
• Web剪贴：使用ScrapeGraph从网页中提取内容

入门指南

1. 克隆并设置项目：

   复制

   git clone https://github.com/bananabit-dev/mcp.git
   cd mcp
   python -m venv .venv
   source .venv/bin/activate  # On Windows: .venv\Scripts\activate
   pip install -r requirements.txt
   

2. 设置环境变量：

   复制

   cp .env.example .env
   

   然后编辑 .env 添加API密钥：

   复制

   AIMLAPI_KEY=your_flux_pro_api_key
   SGAI_API_KEY=your_scrapegraph_api_key
   

MCP服务器配置

1. 将此配置添加到 ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "bananabit-mcp": {
      "command": "/absolute/path/to/your/.venv/bin/python",
      "args": ["-m", "app.mcp_server"],
      "cwd": "/absolute/path/to/mcp",
      "env": {
        "PYTHONPATH": "/absolute/path/to/mcp",
        "AIMLAPI_KEY": "${env:AIMLAPI_KEY}",
        "SGAI_API_KEY": "${env:SGAI_API_KEY}"
      }
    }
  }
}

2. 在Windsurf中，单击锤子图标并“刷新”以加载MCP服务器。

示例用法

图像生成

让我们创造一个舒适的川崎客厅！以下是与Windsurf的对话示例：

User: Generate a image of a cozy warm living room in kawaii and anime style.

Assistant: I'll help you generate a cozy warm living room image in kawaii and anime style!

[Generated image saved as cozy_kawaii_living_room.png]

User: Try again with an even more cozy and kawaii living room.

Assistant: I'll enhance the kawaii and cozy elements even more in this new version!

[Generated image saved as super_cozy_kawaii_living_room.png]

MCP服务器每次都会生成唯一的图像，但它们将遵循提示中指定的样式和元素。尝试创建自己的舒适空间或其他创意图像！

Web剪贴

MCP服务器通过ScrapeGraph API提供强大的web抓取功能。以下是主要特征：

1. 内容提取

   复制

   # Extract main content from a webpage
   result = await extract_webpage_content(
       url="https://example.com"
   )
   

2. Markdown转换

   复制

   # Convert webpage to clean markdown
   result = await markdownify_webpage(
       url="https://example.com",
       clean_level="medium"  # Options: light, medium, aggressive
   )
   

3. 智能刮擦

   复制

   # Extract specific information using AI
   result = await scrape_webpage(
       url="https://example.com"
   )
   

特性

• 人工智能驱动的提取：智能识别和提取主要内容
• 清洁输出：删除广告、导航和其他杂乱内容
• 格式选项：获取原始HTML、markdown或结构化数据中的内容
• 错误处理：提取失败后的巧妙回退
• 定制：控制清洁级别和输出格式

示例用例

1. 文档生成

   复制

   # Create local documentation from online sources
   content = await markdownify_webpage(
       url="https://docs.example.com/guide",
       clean_level="medium"
   )
   with open(".docs/guide.md", "w") as f:
       f.write(content)
   

2. 内容分析

   复制

   # Extract and analyze webpage sentiment
   content = await extract_webpage_content(
       url="https://example.com/article"
   )
   sentiment = await analyze_text_sentiment(
       text=content["text"]
   )
   

3. 数据收集

   复制

   # Extract structured data
   data = await scrape_webpage(
       url="https://example.com/products"
   )
   # Process extracted data
   for item in data["structured_data"]:
       process_item(item)
   

最佳实践

1. 速率限制

   • 遵守网站费率限制
   • 增加请求之间的延迟
   • 尽可能使用缓存

2. 错误处理

   复制

   try:
       content = await extract_webpage_content(url)
   except Exception as e:
       # Fall back to simpler extraction
       content = await markdownify_webpage(url)
   

3. 内容物清理

   • 从“中等”清洁级别开始
   • 对于非常嘈杂的页面使用“攻击性”
   • 在保留格式很重要时使用“轻”

4. 输出处理

   • 验证提取的内容
   • 处理空结果或部分结果
   • 适当处理结构化数据

许可证

麻省理工学院