Readability Parser

Extrae y transforma el contenido de páginas web en Markdown limpio y optimizado para LLM utilizando el algoritmo Readability.

GitHub
4

Documentación

MCP Server Readability Parser (Python / FastMCP)

Créditos/Referencia

Este proyecto se basa en la implementación original server-moz-readability de emzimmer. (Para la documentación original del README, consulte el README.md original.)

Esta implementación en Python adapta el concepto original para ejecutarse como MCP basado en Python utilizando FastMCP

Mozilla Readability Parser MCP Server

Una implementación en Python del servidor Model Context Protocol (MCP) que extrae y transforma el contenido de páginas web en Markdown limpio y optimizado para LLM.

Tabla de contenidos

Características

  • Elimina anuncios, navegación, pies de página y otro contenido no esencial
  • Convierte HTML limpio en Markdown bien formateado
  • Maneja errores con elegancia
  • Optimizado para procesamiento con LLM
  • Ligero y rápido

¿Por qué no simplemente hacer fetch?

A diferencia de las simples solicitudes fetch, este servidor:

  • Extrae solo el contenido relevante utilizando el algoritmo Readability
  • Elimina el ruido como anuncios, ventanas emergentes y menús de navegación
  • Reduce el uso de tokens al eliminar HTML/CSS innecesarios
  • Proporciona un formato Markdown consistente para un mejor procesamiento con LLM
  • Maneja páginas web complejas con contenido dinámico

Instalación

  1. Clone el repositorio:
git clone https://github.com/jmh108/MCP-server-readability-python.git
cd MCP-server-readability-python
  1. Cree y active un entorno virtual:
python -m venv venv
source venv/bin/activate  # On Windows use: venv\Scripts\activate
  1. Instale las dependencias:
pip install -r requirements.txt

Inicio rápido

  1. Inicie el servidor:
fastmcp run server.py
  1. Ejemplo de solicitud:
curl -X POST http://localhost:8000/tools/extract_content \
  -H "Content-Type: application/json" \
  -d '{"url": "https://example.com/article"}'

Referencia de herramientas

extract_content

Obtiene y transforma el contenido de páginas web en Markdown limpio.

Argumentos:

{
  "url": {
    "type": "string",
    "description": "The website URL to parse",
    "required": true
  }
}

Devuelve:

{
  "content": "Markdown content..."
}

Configuración del servidor MCP

Para configurar el servidor MCP, agregue lo siguiente a su archivo de configuración MCP:

{
  "mcpServers": {
    "readability": {
      "command": "fastmcp",
      "args": ["run", "server.py"],
      "env": {}
    }
  }
}

El servidor puede iniciarse entonces mediante el protocolo MCP y accederse a través de la herramienta parse.

Dependencias

Licencia

Licencia MIT - Consulte LICENSE para más detalles.