Offizieller Apify MCP-Server für KI-Agenten zum Ausführen von Actors, Extrahieren von Website-Daten und Automatisieren von Web-Scraping- und Crawling-Workflows.
Apify Store durchsuchen — Bitten Sie Ihren Assistenten, mit search-actors nach Scrapern und Automatisierungstools zu suchen und anschließend Details mit fetch-actor-details zu prüfen.
Beliebigen Actor ausführen — Lassen Sie Ihren Assistenten einen Scraper wie call-actor oder den vorkonfigurierten apify--rag-web-browser ausführen, um Daten von Websites, sozialen Medien oder Karten zu extrahieren.
Ausführungsergebnisse abrufen — Rufen Sie paginierte Dataset-Elemente mit get-dataset-items ab oder prüfen Sie den Ausführungsstatus und die Logs über get-actor-run und get-actor-log.
Speicher verwalten — Greifen Sie mit get-dataset, get-key-value-store-record und verwandten Listentools auf Daten aus Datasets und Key-Value-Stores zu.
Aufgaben erstellen und verwalten — Speichern Sie wiederverwendbare Actor-Konfigurationen mit create-actor-task, aktualisieren Sie sie über update-actor-task und veröffentlichen Sie Landingpages mit publish-actor-task.
Apify-Dokumentation durchsuchen — Schlagen Sie Plattformdokumentation mit search-apify-docs nach und rufen Sie vollständige Seiten über fetch-apify-docs für Kontext ab.
Der Apify Model Context Protocol (MCP)-Server unter mcp.apify.com ermöglicht es Ihren KI-Agenten, Daten aus sozialen Medien, Suchmaschinen, Karten, E-Commerce-Websites und jeder anderen Website mithilfe von Tausenden vorgefertigter Scraper, Crawler und Automatisierungstools aus dem Apify Store zu extrahieren. Er unterstützt OAuth, sodass Sie sich von Clients wie Claude.ai oder Visual Studio Code nur über die URL verbinden können.
🚀 Nutzen Sie den gehosteten Apify MCP-Server!
Für die beste Erfahrung verbinden Sie Ihren KI-Assistenten mit unserem gehosteten Server unter https://mcp.apify.com. Der gehostete Server unterstützt die neuesten Funktionen – einschließlich der Ausgabeschema-Inferenz für strukturierte Actor-Ergebnisse – die bei lokaler Ausführung über stdio nicht verfügbar sind.
⚠️ Legacy-SSE-Transport entfernt. Der https://mcp.apify.com/sse-Endpunkt wurde zugunsten von Streamable HTTP entfernt. Migrieren Sie Ihren Client zu https://mcp.apify.com – entfernen Sie das /sse-Suffix aus Ihrer Konfiguration.
💰 Der Server unterstützt auch agentische Zahlungen: Kaufen Sie ein Token von AGI, um jeden Actor auszuführen, oder zahlen Sie pro Anfrage über direktes x402 (nur Pay-Per-Event-Actors) oder Skyfire.
Der Apify MCP-Server ist kompatibel mit Claude Code, Claude.ai, Cursor, VS Code und jedem Client, der das Model Context Protocol einhält.
Weitere Details finden Sie im Abschnitt MCP-Clients oder auf der MCP-Konfigurationsseite.
Der Apify MCP-Server ermöglicht es einem KI-Assistenten, jeden Apify Actor als Tool zur Ausführung einer bestimmten Aufgabe zu verwenden.
Zum Beispiel kann er:
Facebook Posts Scraper verwenden, um Daten aus Facebook-Beiträgen von mehreren Seiten/Profilen zu extrahieren.
Instagram Scraper verwenden, um Instagram-Beiträge, Profile, Orte, Fotos und Kommentare zu scrapen.
RAG Web Browser verwenden, um das Web zu durchsuchen, die Top-N-URLs zu scrapen und deren Inhalt zurückzugeben.
Web Fetch verwenden, um jede URL abzurufen und deren Inhalt als Markdown, Klartext, HTML oder Links zurückzugeben – mit JavaScript-Rendering und Anti-Bot-Schutz.
Video-Tutorial: Integrieren Sie 8.000+ Apify Actors und Agenten mit Claude
🚀 Schnellstart
Sie können den Apify MCP-Server auf zwei Arten verwenden:
HTTPS-Endpunkt (mcp.apify.com): Verbinden Sie sich von Ihrem MCP-Client über OAuth oder indem Sie den Authorization: Bearer <APIFY_TOKEN>-Header in Ihre Anfragen aufnehmen. Dies ist die empfohlene Methode für die meisten Anwendungsfälle. Da OAuth unterstützt wird, können Sie sich von Clients wie Claude.ai oder Visual Studio Code nur über die URL verbinden: https://mcp.apify.com.
https://mcp.apify.com Streamable-Transport
Standard Input/Output (stdio): Ideal für lokale Integrationen und Befehlszeilentools wie den Claude für Desktop-Client.
Setzen Sie den MCP-Client-Serverbefehl auf npx @apify/actors-mcp-server und die APIFY_TOKEN-Umgebungsvariable auf Ihr Apify-API-Token.
Weitere Optionen finden Sie unter npx @apify/actors-mcp-server --help.
Detaillierte Anweisungen zur Einrichtung des MCP-Servers finden Sie in der Apify-Dokumentation.
🤖 MCP-Clients
Der Apify MCP-Server ist mit jedem MCP-Client kompatibel, der das Model Context Protocol einhält, aber der Grad der Unterstützung für dynamische Tool-Erkennung und andere Funktionen kann zwischen Clients variieren.
Diese interaktive, chatähnliche Oberfläche bietet eine einfache Möglichkeit, die Funktionen von Apify MCP ohne lokale Einrichtung zu erkunden.
Melden Sie sich mit Ihrem Apify-Konto an und beginnen Sie mit Experimenten zu Web-Scraping, Datenextraktion und Automatisierungstools!
Oder verwenden Sie die MCP-Bundle-Datei (ehemals Anthropic Desktop-Erweiterungsdatei oder DXT) für die Ein-Klick-Installation: Apify MCP Server MCPB-Datei
💰 Agentische Zahlungen
Sie können für Actor-Ausführungen ohne Apify-API-Token mit AGI, direktem x402 oder Skyfire bezahlen.
AGI (agi.apify.com) prägt ein vorausbezahltes Apify-API-Token im Austausch für eine x402- oder MPP-Zahlung. Verwenden Sie das Token wie ein normales API-Token gegen mcp.apify.com und api.apify.com – funktioniert für jeden Actor, nicht nur für Pay-Per-Event-Actors. Empfohlen für neue Integrationen; siehe AGI (empfohlen) unten.
Direktes x402 zahlt mit USDC auf Base pro Anfrage und erfordert kein separates Plattformkonto. Es wird vollständig von mcpc (brew install apify/tap/mcpc oder npm install -g @apify/mcpc) unterstützt. Wir verwenden mcpc, weil es einer der wenigen MCP-Clients ist, der die neuesten Funktionen und das x402-Protokoll nativ unterstützt.
Skyfire zahlt mit PAY-Tokens und erfordert ein Skyfire-Konto mit einer finanzierten Wallet. Es erfordert keinen speziellen MCP-Client; der gesamte Zahlungsablauf wird direkt über die MCP-Tool-Aufrufparameter abgewickelt.
ℹ️ Umfang: Sowohl direktes x402 als auch Skyfire sind auf Pay-Per-Event-Actors beschränkt, unterstützen keine Standby-Actors und wickeln pro Ausführung ab, anstatt ein Token zu prägen.
So funktionieren agentische Zahlungen
Die Kosten für Actor-Ausführungen variieren, daher verwenden beide Zahlungsmethoden ein Modell mit vorausbezahltem Guthaben. Der Zahlungsablauf erfolgt in vier Schritten:
Erkennung: Der Agent entdeckt Actors mit search-actors oder fetch-actor-details. Diese Aufrufe sind kostenlos.
Vorauszahlung: Vor der Ausführung eines kostenpflichtigen Actor-Tools finanziert der Agent ein vorausbezahltes Guthaben.
Direktes x402: mcpc signiert automatisch eine USDC-Transaktion über 1,00 $.
Skyfire: Der Agent erstellt ein PAY-Token (mindestens 5,00 $) mit dem create-pay-token-Tool von Skyfire.
Ausführung: Der Agent ruft das Actor-Tool auf.
Direktes x402: Wird automatisch von mcpc mit dem vorausbezahlten Guthaben abgewickelt.
Skyfire: Der Agent übergibt das PAY-Token explizit in der skyfire-pay-id-Eingabeeigenschaft.
Abschluss: Das Tool gibt die Actor-Ergebnisse zurück. Nicht verwendete Mittel bleiben für spätere Ausführungen verfügbar.
Direktes x402: Nach 60 Minuten Inaktivität erstattet der Server nicht verwendetes Guthaben an die Wallet auf Base.
Skyfire: Skyfire gibt nicht verwendete Mittel zurück, wenn das Token abläuft.
🪙 AGI (empfohlen)
AGI (Apify Agent General Interface) ist der empfohlene Weg für autonome Agenten, um für die Apify-Nutzung ohne Konto zu bezahlen. Zahlen Sie einmalig über x402 oder MPP, erhalten Sie ein vorausbezahltes, ausgabebegrenztes Apify-API-Token und verwenden Sie es direkt gegen mcp.apify.com und api.apify.com (Authorization: Bearer <token>) – für jeden Actor.
Das vollständige Protokoll, unterstützte Zahlungsmethoden und aktuelle Bedingungen (Mindestbetrag, Token-Lebensdauer, Rückerstattungsrichtlinie) sind unter agi.apify.com/AGENTS.md dokumentiert – behandeln Sie es als die einzige maßgebliche Quelle.
💸 Direktes x402
Das x402-Protokoll ermöglicht direkte Maschine-zu-Maschine-Zahlungen. Ihr MCP-Client kann es verwenden, um für Actor-Ausführungen mit USDC auf der Base-Blockchain zu bezahlen, wodurch die Notwendigkeit eines Apify-API-Tokens vollständig umgangen wird.
# Create a new wallet
mcpc x402 init
# Import an existing wallet
mcpc x402 import <private-key>
# Show the wallet address and a funding QR code, so you can fund it with USDC on Base (https://base.org)
mcpc x402
Verbinden Sie sich mit dem Server mit aktiviertem x402:
Sie können jetzt ein kostenpflichtiges Tool aufrufen:
mcpc @apify tools-call call-actor actor:="apify/rag-web-browser" input:='{"query": "latest AI news"}'
🔥 Skyfire
Skyfire bietet verwaltete Zahlungsinfrastruktur für KI-Agenten. Anstatt sich mit einem Apify-API-Token zu authentifizieren, übergibt Ihr Agent ein Skyfire-Zahlungstoken, um die Kosten jedes Tool-Aufrufs mit PAY-Tokens zu decken.
Der MCP-Server bietet eine Reihe von Tools für die Interaktion mit Apify Actors.
Da der Apify Store groß ist und schnell wächst, bietet der MCP-Server eine Möglichkeit, neue Actors dynamisch zu entdecken und zu verwenden.
Actors
Jeder Apify Actor kann als Tool verwendet werden.
Standardmäßig ist der Server mit zwei Actors vorkonfiguriert, apify/rag-web-browser und apify/web-fetch, sowie mehreren Hilfstools.
Der MCP-Server lädt das Eingabeschema eines Actors und erstellt ein entsprechendes MCP-Tool.
Dadurch weiß der KI-Agent genau, welche Argumente er an den Actor übergeben muss und was er als Rückgabe erwarten kann.
Zum Beispiel sind für den apify/rag-web-browser-Actor die Eingabeparameter:
{
"query": "restaurants in San Francisco",
"maxResults": 3
}
Sie müssen nicht manuell angeben, welchen Actor Sie aufrufen oder welche Eingabeparameter Sie verwenden; das LLM übernimmt dies automatisch.
Wenn ein Tool aufgerufen wird, werden die Argumente automatisch vom LLM an den Actor übergeben.
Eine Liste der verfügbaren Argumente finden Sie in der Dokumentation des jeweiligen Actors.
Hilfstools
Eine der leistungsstärksten Funktionen der Verwendung von MCP mit Apify ist die dynamische Tool-Erkennung.
Sie ermöglicht es einem KI-Agenten, neue Tools (Actors) bei Bedarf zu finden und einzubinden.
Hier sind einige spezielle MCP-Operationen und wie der Apify MCP-Server sie unterstützt:
Apify Actors: Suchen Sie nach Actors, sehen Sie sich deren Details an und verwenden Sie sie als Tools für die KI.
Apify-Dokumentation: Durchsuchen Sie die Apify-Dokumentation und rufen Sie bestimmte Dokumente ab, um der KI Kontext zu liefern.
Actor-Ausführungen: Rufen Sie Listen Ihrer Actor-Ausführungen ab, prüfen Sie deren Details und rufen Sie Protokolle ab.
Apify-Speicher: Greifen Sie auf Daten aus Ihren Datasets und Key-Value-Stores zu.
Actor-Aufgaben: Erstellen, prüfen und aktualisieren Sie Ihre gespeicherten Actor-Aufgaben und veröffentlichen oder heben Sie die Veröffentlichung ihrer öffentlichen Landingpages auf.
Übersicht der verfügbaren Tools
Hier ist eine Übersichtsliste aller Tools, die vom Apify MCP-Server bereitgestellt werden.
Legende für die Spalte Standardmäßig aktiviert:
✅ — im Standard-Toolset enthalten.
⚡ — wird automatisch injiziert, wenn call-actor, ein Actor-Tool oder get-actor-run vorhanden ist (was in der Standardkonfiguration der Fall ist).
✅¹ — wird standardmäßig bereitgestellt, jedoch nur, wenn Telemetrie aktiviert ist und der Client nicht zurückgehalten wird: Anthropic-Oberflächen (Claude.ai / Claude Desktop / Claude Code) oder local-agent-mode-apify. Zum Deaktivieren übergeben Sie eine explizite tools=-Liste, die es auslässt.
Tool-Name
Kategorie
Beschreibung
Standardmäßig aktiviert
search-actors
actors
Suche nach Actors im Apify Store.
✅
fetch-actor-details
actors
Detaillierte Informationen zu einem bestimmten Actor abrufen, einschließlich Eingabeschema, README (Zusammenfassung, falls verfügbar, sonst vollständig), Preisgestaltung und Actor-Ausgabeschema.
✅
call-actor
actors
Einen Actor aufrufen und seine Ausführungsergebnisse abrufen. Verwenden Sie zuerst fetch-actor-details, um das Eingabeschema des Actors zu erhalten.
✅
get-actor-run
runs
Detaillierte Informationen zu einer bestimmten Actor-Ausführung abrufen.
⚡
get-dataset-items
storage
Elemente aus einem Dataset mit Unterstützung für Filterung und Paginierung abrufen.
⚡
get-key-value-store-record
storage
Den Wert abrufen, der einem bestimmten Schlüssel in einem Key-Value-Store zugeordnet ist.
⚡
abort-actor-run
runs
Eine laufende Actor-Ausführung abbrechen, optional ordentlich.
⚡
search-apify-docs
docs
In der Apify-Dokumentation nach relevanten Seiten suchen.
✅
fetch-apify-docs
docs
Den vollständigen Inhalt einer Apify-Dokumentationsseite anhand ihrer URL abrufen.
Ein Actor-Tool zum Abrufen einer URL und Zurückgeben ihres Inhalts.
✅
report-problem
dev
Ein Problem mit einem Apify-Tool oder Actor dem Apify-Team melden.
✅¹
get-actor-run-list
runs
Eine Liste der Ausführungen eines Actors abrufen, filterbar nach Status.
get-actor-log
runs
Die Protokolle für eine bestimmte Actor-Ausführung abrufen.
get-dataset
storage
Metadaten zu einem bestimmten Dataset abrufen.
get-dataset-schema
storage
Ein JSON-Schema aus Dataset-Elementen generieren.
get-key-value-store
storage
Metadaten zu einem bestimmten Key-Value-Store abrufen.
get-key-value-store-keys
storage
Die Schlüssel innerhalb eines bestimmten Key-Value-Stores auflisten.
get-dataset-list
storage
Alle verfügbaren Datasets für den Benutzer auflisten.
get-key-value-store-list
storage
Alle verfügbaren Key-Value-Stores für den Benutzer auflisten.
create-actor-task
tasks
Eine gespeicherte Actor-Aufgabe erstellen (eine benannte, wiederverwendbare Actor-Konfiguration).
get-actor-task
tasks
Eine gespeicherte Actor-Aufgabe, ihren Veröffentlichungsstatus und ihre öffentliche Anzeigekonfiguration abrufen.
update-actor-task
tasks
Die Eingabe, Ausführungsoptionen oder öffentliche Anzeigekonfiguration einer Aufgabe aktualisieren.
publish-actor-task
tasks
Eine Aufgabe auf ihrer öffentlichen Landingpage veröffentlichen.
unpublish-actor-task
tasks
Eine Aufgabe von ihrer öffentlichen Landingpage zurückziehen.
Hinweis:
Wenn call-actor, ein Actor-Tool oder get-actor-run vorhanden ist, injiziert der Server automatisch get-actor-run, get-dataset-items, get-key-value-store-record und abort-actor-run.
Wenn Sie einen Actor aufrufen – über call-actor oder direkt über ein Actor-Tool (z. B. apify--rag-web-browser) – enthält die Antwort Ausführungsmetadaten, Speicher-IDs und ein summary + nextStep, jedoch keine Dataset-Elemente. Um Elemente abzurufen, folgen Sie nextStep und rufen Sie get-dataset-items (automatisch injiziert) auf, wobei Sie das datasetId übergeben, das vom Aufruf zurückgegeben wurde.
Tool-Anmerkungen
Alle Tools enthalten Metadaten-Anmerkungen, die MCP-Clients und LLMs helfen, das Tool-Verhalten zu verstehen:
title: Kurzer Anzeigename für das Tool (z. B. „Search Actors", „Call Actor", „apify/rag-web-browser")
readOnlyHint: true für Tools, die nur Daten lesen, ohne den Zustand zu ändern (z. B. get-dataset, fetch-actor-details)
openWorldHint: true für Tools, die auf externe Ressourcen außerhalb der Apify-Plattform zugreifen (z. B. führt call-actor externe Actors aus). Tools, die nur mit der Apify-Plattform interagieren (wie search-actors oder fetch-apify-docs), haben diesen Hinweis nicht.
Tool-Konfiguration
Der tools-Konfigurationsparameter wird verwendet, um geladene Tools anzugeben – entweder Kategorien oder bestimmte Tools direkt sowie Apify-Actors. Beispielsweise lädt tools=storage,runs zwei Kategorien; tools=call-actor lädt nur ein Tool.
Wenn keine Abfrageparameter angegeben werden, lädt der MCP-Server standardmäßig die folgenden tools:
actors
docs
apify/rag-web-browser
apify/web-fetch
Wenn der Tools-Parameter angegeben ist, werden nur die aufgelisteten Tools oder Kategorien aktiviert – keine Standard-Tools werden eingeschlossen.
report-problem wird standardmäßig bereitgestellt (vorbehaltlich der Einschränkung in der obigen Fußnote), befindet sich jedoch in der Kategorie dev, sodass eine explizite tools=dev es ebenfalls auswählt. Zum Deaktivieren übergeben Sie eine explizite tools=-Liste, die es auslässt (z. B. tools=actors,docs).
Einfache Konfiguration:
Verwenden Sie den UI-Konfigurator, um Ihren Server zu konfigurieren, und kopieren Sie dann die Konfiguration in Ihren Client.
Konfiguration des gehosteten Servers:
Der gehostete Server kann mithilfe von Abfrageparametern in der URL konfiguriert werden. Um beispielsweise die Standard-Tools zu laden, verwenden Sie:
Für eine minimale Konfiguration, wenn Sie nur ein einzelnes Actor-Tool verwenden möchten – ohne Discovery- oder generische Aufruf-Tools – kann der Server wie folgt konfiguriert werden:
https://mcp.apify.com?tools=apify/my-actor
Dieses Setup stellt nur den angegebenen Actor (apify/my-actor) als Tool bereit. Keine anderen Tools sind verfügbar.
Konfiguration der CLI:
Die CLI kann mithilfe von Befehlszeilenflags konfiguriert werden. Um beispielsweise dieselben Tools wie in der gehosteten Serverkonfiguration zu laden, verwenden Sie:
Wie oben stellt dies nur den angegebenen Actor (apify/my-actor) als Tool bereit. Keine anderen Tools sind verfügbar.
⚠️ Wichtige Empfehlung
Die Standard-Tool-Konfiguration kann sich in zukünftigen Versionen ändern. Wenn kein tools-Parameter angegeben ist, lädt der Server derzeit Standard-Tools, aber dieses Verhalten kann sich ändern.
Für Produktionsnutzung und stabile Schnittstellen geben Sie immer explizit den tools-Parameter an, um sicherzustellen, dass Ihre Konfiguration über Updates hinweg konsistent bleibt.
UI-Modus-Konfiguration
Der ui-Parameter aktiviert die MCP-Apps-Widget-Darstellung in Tool-Antworten. Wenn aktiviert, geben Tools wie search-actors interaktive MCP-App-Antworten zurück.
Konfiguration des gehosteten Servers:
Aktivieren Sie den UI-Modus mithilfe des ui-Abfrageparameters:
https://mcp.apify.com?ui=true
Sie können ihn mit anderen Parametern kombinieren:
https://mcp.apify.com?tools=actors,docs&ui=true
Konfiguration der CLI:
Die CLI kann mithilfe von Befehlszeilenflags konfiguriert werden. Um beispielsweise den UI-Modus zu aktivieren:
npx @apify/actors-mcp-server --ui true
Sie können ihn auch über die UI_MODE-Umgebungsvariable festlegen:
export UI_MODE=true
npx @apify/actors-mcp-server
Abwärtskompatibilität
Die v2-Konfiguration bewahrt die Abwärtskompatibilität mit der v1-Nutzung. Hinweise:
actors-Parameter (URL) und --actors-Flag (CLI) werden weiterhin unterstützt.
Intern werden sie in tools-Selektoren zusammengeführt.
enableAddingActors (URL), enable-adding-actors (CLI) und der veraltete enableActorAutoLoading-Alias wurden entfernt. Um Actors dynamisch aufzurufen, verwenden Sie tools=call-actor (standardmäßig über die Kategorie actors enthalten). Jeder verbleibende Rohwert wird ignoriert.
Die Standardwerte bleiben kompatibel: Wenn keine tools angegeben sind, lädt der Server actors, docs, apify/rag-web-browser und apify/web-fetch.
Wenn irgendwelche tools angegeben sind, werden die Standardwerte nicht hinzugefügt (wie bei der v1-Absicht für explizite Auswahl).
call-actor ist jetzt standardmäßig über die Kategorie actors enthalten (additive Änderung). Um es auszuschließen, geben Sie eine explizite tools-Liste ohne actors an.
tools=add-actor, tools=experimental und tools=preview sind eingestellt: Sie werden ignoriert und laden keine Tools. Verwenden Sie stattdessen tools=call-actor (oder die Standardkategorie actors).
Bestehende URLs und Befehle, die ?actors=... oder --actors verwenden, funktionieren weiterhin unverändert.
Prompts
Der Server bewirbt die prompts-Fähigkeit, aber derzeit sind keine Prompts registriert – prompts/list gibt eine leere Liste zurück.
Ressourcen
Ihre Apify-Daten werden nicht in resources/list aufgezählt – Lesezugriffe erfolgen bei Bedarf: Übergeben Sie eine beliebige Apify-API-GET-URL (https://api.apify.com/v2/...) an resources/read, und der Server injiziert das Apify-Token der Sitzung und gibt den Antworttext zurück. resources/templates/list zählt die gängigen Formen auf – Dataset-Elemente, Key-Value-Store-Datensätze und -Schlüssel, Ausführungsmetadaten, Ausführungsprotokoll – mit ihren Paginierungsparametern. Antworten werden inline bis zu 256 KB eingebettet; alles Größere gibt eine kurze Notiz mit einer Download-URL anstelle des Texts zurück. API-Lesezugriffe erfordern ein Apify-Token, daher erhält eine reine Zahlungssitzung (x402 oder Skyfire) einen JSON-RPC-Fehler für sie.
💬 Nutzungsbeispiele
Im Folgenden finden Sie realistische Beispiele, die zeigen, wie ein KI-Assistent die Apify-MCP-Server-Tools verwendet.
Beispiel 1: Websuche mit RAG Web Browser
Benutzeraufforderung:
Finden Sie die neuesten Nachrichten über autonome KI-Agenten und fassen Sie die wichtigsten Entwicklungen zusammen.
Der KI-Assistent ruft das vorkonfigurierte apify--rag-web-browser-Actor-Tool auf, um das Web zu durchsuchen und Inhalte aus den Top-Ergebnissen zurückzugeben.
Das Tool gibt Markdown-Inhalte aus den Top-3-Suchergebnissen zurück, die der KI-Assistent dann für den Benutzer zusammenfasst.
Beispiel 2: Einen Actor aus dem Apify Store entdecken und ausführen
Benutzeraufforderung:
Scrapen Sie die Top-10-Restaurants in Prag von Google Maps mit ihren Kontaktdaten.
Der KI-Assistent sucht zunächst nach einem geeigneten Actor, prüft dessen Eingabeschema und führt ihn dann aus.
Das Tool gibt eine Vorschau der gescrapten Daten zurück, einschließlich Restaurantnamen, Adressen, Bewertungen, Telefonnummern und Websites.
Beispiel 3: Actor-Ausführungsergebnisse abrufen und paginieren
Benutzeraufforderung:
Zeigen Sie mir die nächsten 10 Ergebnisse dieser Scraping-Ausführung.
Der KI-Assistent verwendet die Dataset-ID aus der vorherigen Actor-Ausführung, um zusätzliche Elemente abzurufen.
Erwartete Ausgabe: Das Tool gibt die nächste Seite strukturierter Datenelemente aus dem Ausgabedataset des Actors zurück.
📡 Telemetrie
Der Apify-MCP-Server sammelt Telemetriedaten über Tool-Aufrufe, um Apify zu helfen, Nutzungsmuster zu verstehen und den Dienst zu verbessern.
Standardmäßig ist Telemetrie für alle Tool-Aufrufe aktiviert.
Der stdio-Transport verwendet auch Sentry für die Fehlerverfolgung, was uns hilft, Probleme schneller zu identifizieren und zu beheben.
Sentry wird automatisch deaktiviert, wenn Telemetrie abgelehnt wird.
Telemetrie ablehnen
Sie können Telemetrie (einschließlich Sentry-Fehlerverfolgung) ablehnen, indem Sie das --telemetry-enabled-CLI-Flag auf false oder die TELEMETRY_ENABLED-Umgebungsvariable auf false setzen.
CLI-Flags haben Vorrang vor Umgebungsvariablen.
Beispiele
Für den Remote-Server (mcp.apify.com):
# Disable via URL parameter
https://mcp.apify.com?telemetry-enabled=false
Für den lokalen stdio-Server:
# Disable via CLI flag
npx @apify/actors-mcp-server --telemetry-enabled=false
# Or set environment variable
export TELEMETRY_ENABLED=false
npx @apify/actors-mcp-server
⚙️ Entwicklung
Bitte lesen Sie den CONTRIBUTING.md-Leitfaden für Beitragsrichtlinien und Commit-Message-Konventionen.
Detaillierte Entwicklungseinrichtung, Projektstruktur und Anweisungen für lokale Tests finden Sie im DEVELOPMENT.md-Leitfaden.
Beim Start zeigt der Inspector eine URL an, die du in deinem Browser öffnen kannst, um mit dem Debugging zu beginnen.
Nicht authentifizierter Zugriff
Wenn der tools-Abfrageparameter nur Tools enthält, die explizit für die nicht authentifizierte Nutzung aktiviert sind, erlaubt der gehostete Server den Zugriff ohne API-Token.
Derzeit erlaubte Tools: search-actors, fetch-actor-details, search-apify-docs, fetch-apify-docs.
Beispiel: https://mcp.apify.com?tools=search-actors.
🐦 Canary-PR-Veröffentlichungen
Apify MCP ist auf zwei Repositorys aufgeteilt: dieses Repository für die zentrale MCP-Logik und das private apify-mcp-server-internal für den gehosteten Server.
Änderungen müssen zwischen beiden synchronisiert werden.
Um eine Canary-Veröffentlichung zu erstellen, füge deinem Pull-Request das Label beta hinzu.
Dadurch wird das Paket für Staging und Tests vor dem Merge auf pkg.pr.new veröffentlicht.
Weitere Details findest du in der Workflow-Datei.
🐋 Docker-Hub-Integration
Der Apify-MCP-Server ist auch auf Docker Hub verfügbar, registriert über das mcp-registry-Repository. Der Eintrag in servers/apify-mcp-server/server.yaml sollte automatisch vom Docker-Hub-MCP-Registry bereitgestellt werden (die Bereitstellungshäufigkeit ist unbekannt). Bevor du größere Änderungen an der stdio-Serverversion vornimmst, teste sie lokal, um sicherzustellen, dass der Docker-Build erfolgreich ist. Zum Testen ändere source.branch auf deinen PR-Zweig und führe task build -- apify-mcp-server aus. Weitere Details findest du in CONTRIBUTING.md.
Das Actor-Eingabeschema wird verarbeitet, um mit den meisten MCP-Clients kompatibel zu sein und gleichzeitig die JSON-Schema-Standards einzuhalten. Die Verarbeitung umfasst:
Beschreibungen werden auf 500 Zeichen gekürzt (wie in MAX_DESCRIPTION_LENGTH definiert).
Enum-Felder werden auf eine maximale Gesamtlänge von 2000 Zeichen für alle Elemente gekürzt (wie in ACTOR_ENUM_MAX_LENGTH definiert).
Pflichtfelder werden in ihren Beschreibungen explizit mit einem REQUIRED-Präfix markiert, um die Kompatibilität mit Frameworks zu gewährleisten, die das JSON-Schema möglicherweise nicht korrekt verarbeiten.
Verschachtelte Eigenschaften werden für Sonderfälle wie Proxy-Konfiguration und Request-Listenquellen erstellt, um die korrekte Eingabestruktur sicherzustellen.
Array-Elementtypen werden abgeleitet, wenn sie nicht explizit im Schema definiert sind, unter Verwendung einer Prioritätsreihenfolge: expliziter Typ in items > Prefill-Typ > Standardwerttyp > Editor-Typ.
Enum-Werte und Beispiele werden zu Eigenschaftsbeschreibungen hinzugefügt, um die Sichtbarkeit zu gewährleisten, auch wenn der Client das JSON-Schema nicht vollständig unterstützt.
Miet-Actors sind nur für die Verwendung mit dem gehosteten MCP-Server unter https://mcp.apify.com. verfügbar. Wenn du den Server lokal über stdio ausführst, kannst du nur auf Actors zugreifen, die bereits zu deinem lokalen Toolset hinzugefügt wurden. Um dynamisch nach Actors aus dem Apify Store zu suchen und sie zu verwenden – einschließlich Miet-Actors – verbinde dich mit dem gehosteten Endpunkt.
🔒 Datenschutzrichtlinie
Wenn du diesen Server verwendest, werden deine Anfragen und Actor-Eingaben zur Ausführung an die Apify-API gesendet.
Daten werden nicht an Dritte weitergegeben, außer was zur Ausführung der angeforderten Actors erforderlich ist.
Vollständige Details zu Datenerfassung, -nutzung, -weitergabe und -aufbewahrung findest du unter Apify Legal.
🤝 Mitwirken
Wir begrüßen Fehlerberichte, Funktionsanfragen und Dokumentationskorrekturen. Sende uns das Problem, nicht den Patch – ein präzises Issue mit einer Reproduktion ist nützlicher als ein Pull-Request.
🐛 Einen Fehler melden: Ein Issue öffnen mit einer Reproduktion. Das Nützlichste, was du uns senden kannst.
💡 Eine Funktion vorschlagen: Ein Issue öffnen – das Problem und wer davon betroffen ist, nicht die Implementierung.
🔧 Code: Arbeite nur an einem von Maintainern eingeladenen Issue. Ein offenes Issue ist keine Einladung, es aufzugreifen; unaufgeforderte Pull-Requests werden geschlossen.
📚 Dokumentation: Tippfehler, defekte Links und falsche Befehle gehen direkt in einen PR.
