
Raccoonai Server
通过Raccoon的LAM API实现网络浏览、数据提取和任务自动化,允许用户搜索网站、填写表单、导航UI元素,并根据预定义的结构化模式提取数据。
概述
Raccoon AI MCP 服务器
Raccoon AI 的 Model Context Protocol (MCP) 服务器,可通过 LAM API 实现网页浏览、数据提取和复杂网络任务自动化。
功能特性
- 搜索和浏览网站
- 填写表单并操作 UI 元素
- 根据定义的模式提取结构化数据
- 处理跨网站的多步骤流程
先决条件
使用 Raccoon LAM MCP 服务器前需要准备:
- Python 3.8 或更高版本
- Claude Desktop 或其他 MCP 兼容客户端
- Raccoon AI Secret Key 和 Raccoon 通行码
安装
使用 Smithery
bash
npx -y @smithery/cli@latest install @raccoonaihq/raccoonai-mcp-server --client claude
从源码安装
bash
git clone https://github.com/raccoonaihq/raccoonai-mcp-server.git
bash
cd raccoonai-mcp-server
bash
uv pip install -e .
在 Claude Desktop 中配置
bash
mcp install src/raccoonai_mcp_server/server.py -v RACCOON_SECRET_KEY=<RACCOON_SECRET_KEY> -v RACCOON_PASSCODE=<RACCOON_PASSCODE>
将 <RACCOON_SECRET_KEY>
和 <RACCOON_PASSCODE>
替换为您的实际凭证。您可以在此处找到它们。
示例
以下是可与 Claude 配合使用的示例提示,用于执行各种网络任务:
- 能否从 Amazon.com 提取评分最高的游戏键盘产品信息?
- 查找并总结关于可再生能源技术的最新新闻文章
- 查找最新的 3 款 iPhone 型号并提取详细信息
- 进行深度搜索并生成关于小型语言模型的详细报告
文档
更多信息请参考:

Agent8
Agent8 的 MCP 服务器
Aio Mcp
🚀 集成 AI 搜索、RAG 和多服务整合(GitLab/Jira/Confluence/YouTube)的一体化 MCP 服务器,助力 AI 增强的开发工作流。源自 https://github.com/nguyenvanduocit/all-in-one-model-context-protocol
Datagov Server
一个用于访问 Data.gov 数据的 MCP 服务器,提供与政府数据集交互的工具和资源。
Datahub
DataHub (https://datahubproject.io) 的官方 MCP 服务器,集成了 MCP 协议 (https://modelcontextprotocol.io/introduction)。