Internet Archive

Busca dentro de libros digitalizados, explora el catálogo de Internet Archive y lee capturas de Wayback.

Documentación

mcp-archiveorg

El Internet Archive es una biblioteca sin fines de lucro que conserva lo que el mundo publica: libros escaneados, películas, música grabada, radio, software y las páginas de la propia web, capturadas una y otra vez desde 1996 en la Wayback Machine. Millones de sus libros y documentos han pasado por reconocimiento óptico de caracteres, de modo que las palabras en su interior pueden buscarse, y el índice de Open Library que lo acompaña describe obras, sus ediciones y sus temas.

Este servidor conecta un cliente de chat con esa biblioteca. Puedes buscar el texto completo dentro de sus documentos, buscar en su catálogo de elementos, leer el registro de un elemento y sus archivos, buscar un libro por tema, lugar, época o persona, y leer la web tal como estaba en un día determinado. No requiere clave de API ni cuenta.

Versión francesa

Instalación

Instalación en un clic

Claude Code

claude mcp add archiveorg -- npx -y mcp-archiveorg

Claude Desktop, Cursor y cualquier cliente que use el formato de configuración estándar

{
  "mcpServers": {
    "archiveorg": {
      "command": "npx",
      "args": ["-y", "mcp-archiveorg"]
    }
  }
}

Se requiere Node 24 o posterior, y no es necesario establecer ninguna variable de entorno.

Con Docker

{
  "mcpServers": {
    "archiveorg": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "ghcr.io/smeet666/mcp-archiveorg:2.0.2"]
    }
  }
}

-i mantiene abierta la entrada estándar, que es por donde viaja el protocolo, y -t se omite porque una TTY reescribe el flujo. El contenedor necesita HTTPS de salida hacia archive.org, web.archive.org y openlibrary.org, y nada más: sin volumen, sin puerto, sin credenciales.

Paquete, sin npm

Descarga mcp-archiveorg-2.0.2.mcpb desde la última versión y ábrelo. Un cliente que admita paquetes MCP lo instala por sí solo, sin npm y sin archivo de configuración que editar. El paquete incluye sus dependencias, así que no se descarga nada en el momento de la instalación.

Lo que puedes preguntar

"¿Qué libros mencionan el faro de Beaumont?"
"Encuéntrame elementos sobre el terremoto de San Francisco de 1906."
"¿Qué archivos contiene ese elemento y bajo qué licencia está?"
"Encuéntrame libros sobre apicultura en Francia publicados antes de 1900."
"¿Cómo se veía ese sitio web en marzo de 2001?"

El camino habitual va de una búsqueda a un registro: una fila lleva un identifier, y get_item lo lee.

Herramientas

Herramienta	Qué hace
`search_inside`	Busca las palabras dentro de los documentos escaneados del archivo.
`search_items`	Busca en el catálogo por título, creador, tema y tipo de medio.
`get_item`	Lee el registro de un elemento, sus archivos y su licencia.
`search_books`	Encuentra libros por tema, lugar, época, persona, extensión o año.
`list_snapshots`	Enumera las capturas que la Wayback Machine tiene para una dirección.
`get_snapshot`	Lee una captura de una dirección, en o cerca de una fecha.

`search_inside`

Busca el texto dentro de los documentos del archivo, que salió de la página mediante reconocimiento óptico de caracteres, por lo que un pasaje puede contener errores de lectura de ese proceso.

Argumento	Tipo	Obligatorio	Qué hace
`query`	cadena, de 2 a 300 caracteres	sí	La frase a buscar dentro de los documentos.
`limit`	entero, de 1 a 50, por defecto `10`	no	Coincidencias a servir.
`page`	entero, de 1 a 100, por defecto `1`	no	Qué página de coincidencias.
`max_excerpt_chars`	entero, de 80 a 1200, por defecto `300`	no	Cuánto de un pasaje servir.
`max_excerpts_per_match`	entero, de 1 a 10, por defecto `3`	no	Pasajes servidos por documento coincidente.

A cambio: hits, cada uno con identifier, que get_item toma; title, creator y year; excerpts, los pasajes tal como la máquina los leyó de la página; matched_file, que nombra lo que realmente contiene el pasaje; y source_url. inside_container es verdadero cuando el elemento agrupa varios documentos y el pasaje está en uno de ellos, en cuyo caso el título, el creador y el año pertenecen al contenedor.

total cuenta documentos y pagina. Es un número de documentos y la última página de un conjunto de coincidencias es más corta que la primera. No hay número de página disponible: el índice informa dónde está el texto dentro del elemento, que es 1 en casi todas las coincidencias, así que nada aquí indica una página de un libro y ningún enlace afirma una.

`search_items`

Busca en el propio catálogo, en todo tipo de cosas que el archivo conserva.

Argumento	Tipo	Obligatorio	Qué hace
`query`	cadena, de 1 a 300 caracteres	sí	Palabras a buscar en el catálogo.
`media_type`	`texts`, `movies`, `audio`, `image`, `software`, `data` o `web`	no	El tipo de cosa a conservar.
`year_from`	entero, de 1 a 2200	no	Año más temprano.
`year_to`	entero, de 1 a 2200	no	Año más reciente.
`sort`	`relevance`, `downloads`, `newest`, `oldest` o `title`, por defecto `relevance`	no	Cómo se ordenan las filas.
`limit`	entero, de 1 a 50, por defecto `10`	no	Filas a servir.
`page`	entero, de 1 a 100, por defecto `1`	no	Qué página de filas.

A cambio: items, cada uno con identifier, title, creator, year, media_type, downloads y source_url; un campo que el registro deja vacío es null. total cuenta los elementos que coinciden en todo el catálogo, que es más que el número devuelto.

`get_item`

Lee el registro de un elemento. Las partes más pesadas se solicitan en lugar de servirse por defecto, ya que un registro puede ser largo.

Argumento	Tipo	Obligatorio	Qué hace
`identifier`	cadena, de 1 a 200 caracteres	sí	El identificador que lleva una fila de búsqueda.
`sections`	matriz de `basic`, `files`, `full_metadata`, por defecto `["basic"]`	no	Qué partes devolver.
`file_format`	cadena, hasta 60 caracteres	no	Conservar los archivos de un formato.
`max_files`	entero, de 1 a 200, por defecto `25`	no	Límite de archivos devueltos.
`max_description_chars`	entero, de 100 a 20000, por defecto `2000`	no	Cuánto de la descripción servir.

A cambio: el elemento con su title, creator, year, media_type y source_url, más description, date, publisher, language, collections y license_url, cada null donde el registro no indica nada. file_count cuenta los archivos que tiene el elemento, sea lo que sea lo que esta respuesta devolvió, y total_bytes su peso. files y full_metadata están presentes solo cuando se solicitan en sections.

`search_books`

Encuentra libros a través del índice de obras junto al archivo, que describe una obra y sus ediciones en lugar de una copia escaneada.

Argumento	Tipo	Obligatorio	Qué hace
`query`	cadena, de 2 a 300 caracteres	no	Texto libre, cuando lo hay.
`subject`	cadena, de 2 a 100 caracteres	no	Un tema bajo el que el índice archiva obras.
`place`	cadena, de 2 a 100 caracteres	no	Un lugar sobre el que trata una obra.
`time`	cadena, de 2 a 100 caracteres	no	Una época sobre la que trata una obra.
`person`	cadena, de 2 a 100 caracteres	no	Una persona sobre la que trata una obra.
`language`	cadena, de 2 a 20 caracteres	no	El idioma de la obra.
`year_from`	entero, de 1 a 2200	no	Primera publicación más temprana.
`year_to`	entero, de 1 a 2200	no	Primera publicación más reciente.
`pages_min`	entero, de 1 a 100000	no	Obra aceptable más corta.
`pages_max`	entero, de 1 a 100000	no	Obra aceptable más larga.
`sort`	`relevance`, `rating`, `readers`, `newest` o `oldest`, por defecto `relevance`	no	Cómo se ordenan las filas.
`limit`	entero, de 1 a 50, por defecto `10`	no	Filas a servir.
`page`	entero, de 1 a 100, por defecto `1`	no	Qué página de filas.

A cambio: books, cada uno con title, authors, first_published_year, edition_count, archive_identifiers para las copias escaneadas que el archivo conserva, scan_count, page_count como mediana entre ediciones, subjects y source_url. searched_for dice en palabras qué responde esta respuesta, texto libre y cada criterio aplicado, y query es null cuando la búsqueda se hizo solo con criterios. total cuenta las obras que coinciden.

`list_snapshots`

Lista las capturas que la Wayback Machine guarda de una dirección.

Argumento	Tipo	Obligatorio	Qué hace
`url`	cadena, de 3 a 2000 caracteres	sí	La dirección a consultar.
`limit`	entero, de 1 a 100, por defecto `20`	no	Capturas a servir.
`cursor`	cadena, hasta 500 caracteres	no	El `next_cursor` que nombró una respuesta anterior.

A cambio: snapshots, cada una con su captured_at como marca de tiempo ISO en UTC, el url de la captura en sí y el status que registró el rastreo. first y last describen esta respuesta y no todo el historial, y next_cursor continúa la lista.

`get_snapshot`

Lee una captura de una dirección, en una fecha o cerca de ella.

Argumento	Tipo	Obligatorio	Qué hace
`url`	cadena, de 3 a 2000 caracteres	sí	La dirección a consultar.
`at`	`YYYY-MM-DD` o una marca de tiempo ISO	no	La fecha a la que apuntar. La captura más reciente por defecto.

A cambio: el snapshot con su captured_at y su dirección, junto al requested_url y requested_at, de modo que la distancia entre la fecha solicitada y la captura servida sea visible. La Wayback Machine responde a una fecha sin captura con la más cercana que tenga.

Qué valen los extractos

El texto dentro de un documento escaneado salió de la página mediante reconocimiento óptico de caracteres. Un pasaje, por tanto, lleva los errores de lectura de ese proceso, y se sirve tal como se leyó, sin corregir: una palabra que se lee de forma extraña es lo que vio la máquina. Cita un pasaje como extracto de un escaneo y enlaza el elemento para que quien lea pueda ver la página.

Configuración

Todas las variables son opcionales. Configúralas en el bloque env de la configuración de tu cliente.

Variable	Por defecto	Qué hace
`IA_USER_AGENT`	la identidad del proyecto	Nombra tu aplicación ante el archivo, con una dirección donde se pueda contactar a una persona.
`IA_MIN_INTERVAL_MS`	`1000`	Intervalo entre dos solicitudes, de 500 a 60000.
`IA_TIMEOUT_MS`	`20000`	Plazo para una solicitud, de 1000 a 120000.
`IA_HISTORY_TIMEOUT_MS`	`60000`	Plazo para un historial de la Wayback Machine, de 5000 a 180000.
`IA_MAX_RETRIES`	`3`	Intentos tras un fallo transitorio, de 0 a 8.
`IA_CACHE_TTL_MS`	`900000`	Cuánto tiempo permanece una respuesta en memoria, de 0 a 86400000.
`IA_CACHE_MAX_ENTRIES`	`200`	Respuestas retenidas en memoria a la vez, de 1 a 5000.
`IA_LOG_LEVEL`	`error`	`silent`, `error`, `info` o `debug`, escritos en stderr.

Un valor fuera de su rango vuelve al valor por defecto, y el motivo se escribe en stderr.

Errores

Cada fallo lleva uno de seis códigos, un mensaje y, cuando ayuda, una pista que indica el siguiente paso.

Código	Qué ocurrió	Qué hacer
`not_found`	El archivo respondió y no tiene ese elemento.	Comprueba el identificador con `search_items`.
`invalid_input`	Los argumentos fueron rechazados antes de enviar ninguna solicitud.	Lee el mensaje, que nombra el argumento.
`rate_limited`	El archivo pidió a este cliente que fuera más lento.	Espera los segundos que indique la pista y vuelve a llamar con los mismos argumentos. El elemento sigue ahí.
`parse_failure`	La respuesta llegó en un formato que este cliente no puede leer.	Repórtalo en el rastreador de incidencias.
`network_error`	La solicitud no se completó.	Inténtalo de nuevo en breve.
`timeout`	La solicitud superó su plazo.	Aumenta `IA_TIMEOUT_MS`, o `IA_HISTORY_TIMEOUT_MS` para un historial de capturas.

Como biblioteca

La capa que lee el archivo se publica por separado, con su ritmo, su caché y sus errores, y sin protocolo asociado.

import { ArchiveClient } from "mcp-archiveorg/client";

const client = new ArchiveClient();
const { data, cached } = await client.searchItems({ query: "san francisco earthquake" });
console.log(data.total, cached);

Cada lectura responde { data, cached } y lanza un error con uno de los seis códigos. El intervalo mínimo entre dos solicitudes también se aplica aquí.

Ritmo y atribución

Las solicitudes salen de una en una con al menos un segundo entre ellas, y el mínimo de medio segundo se mantiene sin importar cómo esté configurado el servidor. El User-Agent siempre termina con la identidad del proyecto y una dirección donde se pueda contactar a una persona. El Internet Archive es una biblioteca sin fines de lucro, y una búsqueda dentro de sus documentos es una de las preguntas más costosas que responde.

Cada resultado lleva la dirección de la página de la que se leyó. Los elementos pertenecen a las personas e instituciones que los depositaron, bajo los términos que cada registro indica en license_url.

Este servidor MCP es un proyecto no oficial, sin afiliación con el Internet Archive.

Privacidad

Este servidor no recopila nada sobre ti y no envía nada a su autor. Se ejecuta en tu máquina, contacta con archive.org, web.archive.org y openlibrary.org y nada más, mantiene sus respuestas en memoria mientras se ejecuta y no escribe nada en disco. PRIVACY.md indica qué lleva una solicitud y qué ajustes cambian algo de eso.

Desarrollo

npm install
npm run build:fixtures
npm test
npm run check

Las pruebas se ejecutan contra datos generados y no hacen ninguna solicitud de red. La suite en vivo, npm run test:live, hace una solicitud por ruta y se ejecuta cada noche contra el propio archivo.

Contribuciones

Errores, preguntas e ideas van en el rastreador de incidencias. Las solicitudes de extracción son bienvenidas; abrir una incidencia primero ayuda a acordar la forma del cambio. Consulta CONTRIBUTING.md.

Licencia

MIT, consulta LICENSE. Los elementos pertenecen a sus depositantes, bajo los términos que cada registro indica.

mcp-archiveorg (français)

English version

L'Internet Archive est une bibliothèque à but non lucratif qui conserve ce que le monde publie : livres numérisés, films, musique enregistrée, radio, logiciels, et les pages du web elles-mêmes, capturées encore et encore depuis 1996 dans la Wayback Machine. Des millions de ses livres et documents sont passés par la reconnaissance optique de caractères, si bien que les mots qu'ils contiennent sont cherchables, et l'index Open Library qui la côtoie décrit les œuvres, leurs éditions et leurs sujets.

Ce serveur relie un client de conversation à cette bibliothèque. On peut y chercher dans le texte intégral de ses documents, chercher dans son catalogue, lire la fiche d'un document et ses fichiers, trouver un livre par sujet, lieu, période ou personne, et lire le web tel qu'il était un jour donné. Aucune clé d'API, aucun compte.

Installation

Installation en un clic

Claude Code

claude mcp add archiveorg -- npx -y mcp-archiveorg

Claude Desktop, Cursor, et tout client au format de configuration standard

{
  "mcpServers": {
    "archiveorg": {
      "command": "npx",
      "args": ["-y", "mcp-archiveorg"]
    }
  }
}

Node 24 ou plus récent est nécessaire, et aucune variable d'environnement n'est à renseigner.

Avec Docker

{
  "mcpServers": {
    "archiveorg": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "ghcr.io/smeet666/mcp-archiveorg:2.0.2"]
    }
  }
}

-i garde l'entrée standard ouverte, qui est le canal du protocole, et -t est omis parce qu'un TTY réécrit le flux. Le conteneur a besoin d'un accès HTTPS sortant vers archive.org, web.archive.org et openlibrary.org, et de rien d'autre : aucun volume, aucun port, aucun identifiant.

Bundle, sans npm

Téléchargez mcp-archiveorg-2.0.2.mcpb depuis la dernière publication et ouvrez-le. Un client qui gère les bundles MCP l'installe seul, sans npm et sans fichier de configuration à modifier. Le bundle emporte ses dépendances, donc rien n'est téléchargé à l'installation.

Ce qu'on peut demander

« Quels livres mentionnent le phare de Beaumont ? »
« Trouve-moi des documents sur le tremblement de terre de San Francisco en 1906. »
« Quels fichiers contient ce document, et sous quelle licence ? »
« Trouve-moi des livres sur l'apiculture en France publiés avant 1900. »
« À quoi ressemblait ce site en mars 2001 ? »

Le chemin ordinaire va d'une recherche à une fiche : une ligne porte un identifier, et get_item le lit.

Les outils

Outil	Ce qu'il fait
`search_inside`	Cherche dans les mots contenus dans les documents numérisés.
`search_items`	Cherche dans le catalogue par titre, auteur, sujet et type de média.
`get_item`	Lit la fiche d'un document, ses fichiers et sa licence.
`search_books`	Trouve des livres par sujet, lieu, période, personne, longueur ou année.
`list_snapshots`	Liste les captures que la Wayback Machine garde d'une adresse.
`get_snapshot`	Lit une capture d'une adresse, à une date ou près d'elle.

`search_inside`

Cherche dans le texte contenu dans les documents, texte issu de la reconnaissance optique de caractères, donc un passage porte les erreurs de lecture de ce procédé.

Argument	Type	Requis	Ce qu'il fait
`query`	chaîne, 2 à 300 caractères	oui	La phrase à chercher dans les documents.
`limit`	entier, 1 à 50, défaut `10`	non	Correspondances à servir.
`page`	entier, 1 à 100, défaut `1`	non	Quelle page de correspondances.
`max_excerpt_chars`	entier, 80 à 1200, défaut `300`	non	La longueur de passage à servir.
`max_excerpts_per_match`	entier, 1 à 10, défaut `3`	non	Passages servis par document correspondant.
En retour : `hits`, chacun portant `identifier`, que `get_item` reprend ;
`title`, `creator` et `year` ; `excerpts`, les passages tels qu'une machine les a
lus sur la page ; `matched_file`, qui nomme ce qui contient réellement le
passage ; et `source_url`. `inside_container` est vrai quand le document en
rassemble plusieurs et que le passage se trouve dans l'un d'eux, auquel cas le
titre, l'auteur et l'année appartiennent au contenant.

total compte des documents, et il pagine. C'est un nombre de documents et la dernière page d'un ensemble est plus courte que la première. Aucun numéro de page n'est disponible : l'index indique où le texte se trouve dans le document, ce qui vaut 1 sur presque toutes les correspondances, donc rien ici n'énonce une page de livre et aucun lien n'en revendique.

`search_items`

Cherche dans le catalogue lui-même, à travers tout ce que l'archive conserve.

Argument	Type	Requis	Ce qu'il fait
`query`	chaîne, 1 à 300 caractères	oui	Les mots à chercher au catalogue.
`media_type`	`texts`, `movies`, `audio`, `image`, `software`, `data` ou `web`	non	Le type de chose à garder.
`year_from`	entier, 1 à 2200	non	Année la plus ancienne.
`year_to`	entier, 1 à 2200	non	Année la plus récente.
`sort`	`relevance`, `downloads`, `newest`, `oldest` ou `title`, défaut `relevance`	non	L'ordre des lignes.
`limit`	entier, 1 à 50, défaut `10`	non	Lignes à servir.
`page`	entier, 1 à 100, défaut `1`	non	Quelle page de lignes.

En retour : items, chacun portant identifier, title, creator, year, media_type, downloads et source_url, un champ que la fiche laisse vide valant null. total compte les documents correspondants dans tout le catalogue, ce qui dépasse le nombre rendu.

`get_item`

Lit la fiche d'un document. Les parties lourdes se demandent au lieu d'être servies par défaut, une fiche pouvant être longue.

Argument	Type	Requis	Ce qu'il fait
`identifier`	chaîne, 1 à 200 caractères	oui	L'identifiant que porte une ligne.
`sections`	tableau de `basic`, `files`, `full_metadata`, défaut `["basic"]`	non	Les parties à rendre.
`file_format`	chaîne, jusqu'à 60 caractères	non	Ne garder que les fichiers d'un format.
`max_files`	entier, 1 à 200, défaut `25`	non	Plafond sur les fichiers rendus.
`max_description_chars`	entier, 100 à 20000, défaut `2000`	non	La longueur de description à servir.

En retour : le document avec son title, creator, year, media_type et source_url, plus description, date, publisher, language, collections et license_url, chacun null là où la fiche n'indique rien. file_count compte les fichiers que le document contient quel que soit ce que cette réponse a rendu, et total_bytes leur poids. files et full_metadata ne sont là que lorsqu'ils sont demandés dans sections.

`search_books`

Trouve des livres via l'index d'œuvres qui côtoie l'archive, lequel décrit une œuvre et ses éditions plutôt qu'un exemplaire numérisé.

Argument	Type	Requis	Ce qu'il fait
`query`	chaîne, 2 à 300 caractères	non	Du texte libre, quand il y en a.
`subject`	chaîne, 2 à 100 caractères	non	Un sujet sous lequel l'index classe.
`place`	chaîne, 2 à 100 caractères	non	Un lieu dont une œuvre traite.
`time`	chaîne, 2 à 100 caractères	non	Une période dont une œuvre traite.
`person`	chaîne, 2 à 100 caractères	non	Une personne dont une œuvre traite.
`language`	chaîne, 2 à 20 caractères	non	La langue de l'œuvre.
`year_from`	entier, 1 à 2200	non	Première publication la plus ancienne.
`year_to`	entier, 1 à 2200	non	Première publication la plus récente.
`pages_min`	entier, 1 à 100000	non	Œuvre la plus courte acceptable.
`pages_max`	entier, 1 à 100000	non	Œuvre la plus longue acceptable.
`sort`	`relevance`, `rating`, `readers`, `newest` ou `oldest`, défaut `relevance`	non	L'ordre des lignes.
`limit`	entier, 1 à 50, défaut `10`	non	Lignes à servir.
`page`	entier, 1 à 100, défaut `1`	non	Quelle page de lignes.

En retour : books, chacun portant title, authors, first_published_year, edition_count, archive_identifiers pour les exemplaires numérisés que l'archive détient, scan_count, page_count comme médiane sur les éditions, subjects et source_url. searched_for dit en mots ce à quoi cette réponse répond, texte libre et chaque critère appliqué, et query vaut null quand la recherche était faite de critères seuls. total compte les œuvres correspondantes.

`list_snapshots`

Liste les captures que la Wayback Machine garde d'une adresse.

Argument	Type	Requis	Ce qu'il fait
`url`	chaîne, 3 à 2000 caractères	oui	L'adresse à consulter.
`limit`	entier, 1 à 100, défaut `20`	non	Captures à servir.
`cursor`	chaîne, jusqu'à 500 caractères	non	Le `next_cursor` nommé par une réponse précédente.

En retour : snapshots, chacune avec son captured_at en horodatage ISO UTC, l'url de la capture elle-même, et le status que la collecte a enregistré. first et last décrivent cette réponse plutôt que tout l'historique, et next_cursor poursuit la liste.

`get_snapshot`

Lit une capture d'une adresse, à une date ou près d'elle.

Argument	Type	Requis	Ce qu'il fait
`url`	chaîne, 3 à 2000 caractères	oui	L'adresse à consulter.
`at`	`AAAA-MM-JJ` ou horodatage ISO	non	La date visée. La capture la plus récente par défaut.

En retour : la snapshot avec son captured_at et son adresse, à côté de requested_url et requested_at, si bien que l'écart entre la date demandée et la capture servie est visible. La Wayback Machine répond à une date dont elle n'a aucune capture par la plus proche qu'elle détient.

Ce que valent les extraits

Le texte contenu dans un document numérisé est issu de la reconnaissance optique de caractères. Un passage porte donc les erreurs de lecture de ce procédé, et il est servi tel qu'il a été lu plutôt que corrigé : un mot qui se lit bizarrement est ce que la machine a vu. Citez un passage comme l'extrait d'une numérisation, et liez le document pour qu'un lecteur puisse regarder la page.

Configuration

Chaque variable est facultative. Elles se posent dans le bloc env de la configuration du client.

Variable	Défaut	Ce qu'elle fait
`IA_USER_AGENT`	l'identité du projet	Nomme votre application auprès de l'archive, avec une adresse où joindre une personne.
`IA_MIN_INTERVAL_MS`	`1000`	Écart entre deux requêtes, de 500 à 60000.
`IA_TIMEOUT_MS`	`20000`	Délai d'une requête, de 1000 à 120000.
`IA_HISTORY_TIMEOUT_MS`	`60000`	Délai d'un historique Wayback Machine, de 5000 à 180000.
`IA_MAX_RETRIES`	`3`	Tentatives après un échec passager, de 0 à 8.
`IA_CACHE_TTL_MS`	`900000`	Durée pendant laquelle une réponse reste en mémoire, de 0 à 86400000.
`IA_CACHE_MAX_ENTRIES`	`200`	Réponses gardées en mémoire à la fois, de 1 à 5000.
`IA_LOG_LEVEL`	`error`	`silent`, `error`, `info` ou `debug`, écrit sur la sortie d'erreur.

Une valeur hors de sa plage retombe sur le défaut, et la raison est écrite sur la sortie d'erreur.

Erreurs

Chaque échec porte un des six codes, un message, et quand cela aide une indication du geste suivant.

Código	Qué ocurrió	Qué hacer
`not_found`	El archivo respondió y no tiene este documento.	Verifique el identificador con `search_items`.
`invalid_input`	Los argumentos fueron rechazados antes de cualquier solicitud.	Lea el mensaje, que nombra el argumento.
`rate_limited`	El archivo pide a este cliente que se ralentice.	Espere los segundos indicados y vuelva a llamar con los mismos argumentos. El documento sigue ahí.
`parse_failure`	La respuesta llegó en una forma ilegible aquí.	Repórtelo en el seguimiento de incidentes.
`network_error`	La solicitud no se completó.	Reintente en breve.
`timeout`	La solicitud superó su tiempo de espera.	Aumente `IA_TIMEOUT_MS`, o `IA_HISTORY_TIMEOUT_MS` para un historial.

Como biblioteca

La capa que lee el archivo se publica sola, con su ritmo, su caché y sus errores, sin protocolo adjunto.

import { ArchiveClient } from "mcp-archiveorg/client";

const client = new ArchiveClient();
const { data, cached } = await client.searchItems({ query: "san francisco earthquake" });
console.log(data.total, cached);

Cada lectura responde { data, cached }, y lanza un error con uno de los seis códigos. El intervalo mínimo entre dos solicitudes también se aplica aquí.

Ritmo y atribución

Las solicitudes salen una a una con al menos un segundo entre ellas, y el intervalo de medio segundo se mantiene independientemente de la configuración. El User-Agent siempre termina con la identidad del proyecto y una dirección donde contactar a una persona. Internet Archive es una biblioteca sin fines de lucro, y una búsqueda en el texto de sus documentos es una de las preguntas más costosas que maneja.

Cada resultado lleva la dirección de la página de donde se leyó. Los documentos pertenecen a las personas e instituciones que los depositaron, bajo las condiciones que cada ficha indica en license_url.

Este MCP es un proyecto no oficial, sin afiliación con Internet Archive.

Privacidad

Este servidor no recopila nada sobre usted y no envía nada a su autor. Se ejecuta en su máquina, solo adjunta archive.org, web.archive.org y openlibrary.org, guarda sus respuestas en memoria mientras se ejecuta, y no escribe nada en el disco. PRIVACY.md dice qué lleva una solicitud y qué ajustes cambian eso.

Desarrollo

npm install
npm run build:fixtures
npm test
npm run check

Las pruebas se ejecutan sobre fixtures generados y no emiten ninguna solicitud. La suite en vivo, npm run test:live, emite una solicitud por ruta y se ejecuta cada noche contra el archivo mismo.

Contribuir

Las anomalías, preguntas e ideas tienen su lugar en el seguimiento de incidentes. Las propuestas de modificación son bienvenidas; abrir un ticket primero ayuda a ponerse de acuerdo sobre la forma del cambio. Ver CONTRIBUTING.md.

Licencia

MIT, ver LICENSE. Los documentos pertenecen a quienes los depositaron, bajo las condiciones que cada ficha indica.