HTTrack MCP Server

Servidor FastMCP que envuelve HTTrack: los agentes de IA duplican sitios web completos en un archivo local sin conexión (trabajos en segundo plano) y luego navegan, leen y buscan en las páginas descargadas a través de MCP. Un espejo aislado por proyecto con protección de concurrencia.

GitHubPrueba este MCPPatrocinado

Documentación

Servidor MCP de HTTrack

Un servidor FastMCP (Protocolo de Contexto de Modelo) que envuelve el clásico copiador de sitios web HTTrack, para que los agentes de IA puedan duplicar sitios web en un archivo compartido y luego navegar, leer y buscar el contenido descargado, todo a través de MCP.

Por qué

HTTrack está probado en batalla para la copia de sitios web sin conexión, pero no tiene una API de scripting, solo una GUI y una CLI. Este servidor lo hace nativo para agentes: un agente LLM puede llamar a mirror_site para iniciar una descarga en segundo plano, consultar mirror_status, y luego responder preguntas desde el archivo mediante catalog, list_files, read_file y search_files.

Herramientas

Herramienta	Propósito
`mirror_site(url, project, depth, max_rate, filters)`	Inicia un espejo en segundo plano dentro del archivo (`/data/<project>`). Un espejo activo por proyecto: una solicitud concurrente para el mismo proyecto devuelve `already_running` con el `job_id` en vivo; proyectos diferentes se ejecutan en paralelo.
`mirror_status(job_id)`	Estado del trabajo (`running` / `done` / `failed` + cola de registros). Omítelo para listar trabajos recientes; también acepta el nombre del proyecto.
`catalog()`	Todos los proyectos: nombre corto, descripción corta (derivada automáticamente del `<title>`/descripción meta de cada sitio), URL de origen, estado, recuentos de páginas/archivos, tamaño.
`list_files(project, subpath)`	Listado de directorios dentro de un proyecto (nombre, tipo, tamaño, modificado).
`read_file(project, path, max_bytes)`	Lee un archivo de texto (HTML/JS/CSS/txt/json/md). Rechaza binarios; limita el contenido a 256 KB para mantener el contexto del agente razonable.
`search_files(project, query, max_results)`	Búsqueda de subcadenas sin distinción de mayúsculas y minúsculas en los archivos de texto de un proyecto, con resultados limitados.

Inicio rápido

Requisitos previos: Docker.

docker build -t httrack-mcp-server .

docker run -d --name httrack-mcp --restart unless-stopped \
  -p 9050:8000 \
  -v /path/to/your/archive:/data:rw \
  httrack-mcp

El contenedor expone el servidor MCP a través de HTTP transmisible en http://<host>:9050/mcp.

Registro en un cliente MCP

Ejemplo para pasarelas estilo MCPHub (streamable-http):

{
  "httrack": {
    "type": "streamable-http",
    "url": "http://192.168.1.35:9050/mcp",
    "enabled": true,
    "description": "HTTrack site mirroring + archive browsing",
    "owner": "admin"
  }
}

Los clientes que hablan HTTP transmisible directamente pueden conectarse a /mcp sin autenticación adicional (nadie está autenticado; ejecuta esto en una red de confianza, o colócalo detrás de la autenticación de tu pasarela). Consulta HELP.md para uso completo, ejemplos y solución de problemas.

Modelo de concurrencia

Un proceso httrack por proyecto, aislado por su propio directorio de salida: sin estado compartido entre proyectos, por lo que múltiples agentes pueden duplicar diferentes sitios en paralelo.
mirror_site protege contra la duplicación doble del mismo proyecto (tabla de trabajos en proceso + un escaneo de /proc para procesos httrack que escriben en ese directorio de proyecto).

CI

GitHub Actions se ejecuta en cada PR y push: verificación de sintaxis de Python de server.py, aserciones de sanidad del Dockerfile y una compilación de imagen Docker.

Licencia

Este programa es software libre: puedes redistribuirlo y/o modificarlo bajo los términos de la GNU Affero General Public License publicada por la Free Software Foundation, ya sea la versión 3 de la Licencia, o (a tu elección) cualquier versión posterior.

Si ejecutas una versión modificada de este servidor como servicio de red, AGPL §13 requiere que ofrezcas a tus usuarios el código fuente correspondiente de esa versión modificada.