Cari Apify Store — Minta asisten Anda untuk menemukan scraper dan alat otomatisasi menggunakan search-actors, lalu periksa detailnya dengan fetch-actor-details.
Jalankan Actor apa pun — Minta asisten Anda untuk menjalankan scraper seperti call-actor atau apify--rag-web-browser yang telah dikonfigurasi sebelumnya untuk mengekstrak data dari situs web, media sosial, atau peta.
Ambil hasil run — Dapatkan item dataset yang dipaginasi dengan get-dataset-items atau periksa status run dan log melalui get-actor-run dan get-actor-log.
Kelola penyimpanan — Akses data dari dataset dan penyimpanan nilai-kunci menggunakan get-dataset, get-key-value-store-record, dan alat daftar terkait.
Buat dan kelola tugas — Simpan konfigurasi Actor yang dapat digunakan kembali dengan create-actor-task, perbarui melalui update-actor-task, dan publikasikan halaman arahan dengan publish-actor-task.
Cari dokumentasi Apify — Lihat dokumentasi platform dengan search-apify-docs dan ambil halaman lengkap melalui fetch-apify-docs untuk konteks.
Server Model Context Protocol (MCP) Apify di mcp.apify.com memungkinkan agen AI Anda untuk mengekstrak data dari media sosial, mesin pencari, peta, situs e-commerce, dan situs web lainnya menggunakan ribuan scraper, crawler, dan alat otomasi siap pakai dari Apify Store. Server ini mendukung OAuth, sehingga Anda dapat terhubung dari klien seperti Claude.ai atau Visual Studio Code hanya dengan menggunakan URL.
🚀 Gunakan Server MCP Apify yang di-hosting!
Untuk pengalaman terbaik, hubungkan asisten AI Anda ke server yang di-hosting di https://mcp.apify.com. Server yang di-hosting mendukung fitur terbaru - termasuk inferensi skema keluaran untuk hasil Actor terstruktur - yang tidak tersedia saat dijalankan secara lokal melalui stdio.
⚠️ Transport SSE lama telah dihapus. Endpoint https://mcp.apify.com/sse telah dihapus dan diganti dengan Streamable HTTP. Migrasikan klien Anda ke https://mcp.apify.com — hapus akhiran /sse dari konfigurasi Anda.
💰 Server ini juga mendukung pembayaran agenik: beli token dari AGI untuk menjalankan Actor apa pun, atau bayar per-permintaan melalui x402 langsung (khusus Actor Pay Per Event) atau Skyfire.
Server MCP Apify kompatibel dengan Claude Code, Claude.ai, Cursor, VS Code dan klien mana pun yang mematuhi Model Context Protocol.
Lihat bagian klien MCP untuk detail lebih lanjut atau kunjungi halaman konfigurasi MCP.
Menggunakan Instagram Scraper untuk mengikis postingan, profil, tempat, foto, dan komentar Instagram.
Menggunakan RAG Web Browser untuk mencari di web, mengikis N URL teratas, dan mengembalikan kontennya.
Menggunakan Web Fetch untuk mengambil URL apa pun dan mengembalikan kontennya sebagai Markdown, teks biasa, HTML, atau tautan — dengan rendering JavaScript dan perlindungan anti-bot.
Tutorial video: Integrasikan 8.000+ Actor dan Agen Apify dengan Claude
🚀 Panduan Memulai Cepat
Anda dapat menggunakan Server MCP Apify dengan dua cara:
Endpoint HTTPS (mcp.apify.com): Hubungkan dari klien MCP Anda melalui OAuth atau dengan menyertakan header Authorization: Bearer <APIFY_TOKEN> dalam permintaan Anda. Ini adalah metode yang disarankan untuk sebagian besar kasus penggunaan. Karena mendukung OAuth, Anda dapat terhubung dari klien seperti Claude.ai atau Visual Studio Code hanya dengan menggunakan URL: https://mcp.apify.com.
Transport streamable https://mcp.apify.com
Input/Output Standar (stdio): Ideal untuk integrasi lokal dan alat baris perintah seperti klien Claude for Desktop.
Atur perintah server klien MCP ke npx @apify/actors-mcp-server dan variabel lingkungan APIFY_TOKEN ke token API Apify Anda.
Lihat npx @apify/actors-mcp-server --help untuk opsi lainnya.
Anda dapat menemukan instruksi terperinci untuk menyiapkan server MCP di dokumentasi Apify.
🤖 Klien MCP
Server MCP Apify kompatibel dengan klien MCP mana pun yang mematuhi Model Context Protocol, tetapi tingkat dukungan untuk penemuan alat dinamis dan fitur lainnya dapat bervariasi antar klien.
Antarmuka interaktif seperti obrolan ini menyediakan cara mudah untuk menjelajahi kemampuan Apify MCP tanpa pengaturan lokal apa pun.
Masuk dengan akun Apify Anda dan mulailah bereksperimen dengan pengikisan web, ekstraksi data, dan alat otomasi!
Atau gunakan file bundel MCP (sebelumnya dikenal sebagai file ekstensi Anthropic Desktop, atau DXT) untuk instalasi satu klik: File MCPB Server MCP Apify
💰 Pembayaran Agenik
Anda dapat membayar untuk menjalankan Actor tanpa token API Apify menggunakan AGI, x402 langsung, atau Skyfire.
AGI (agi.apify.com) mencetak token API Apify prabayar sebagai ganti pembayaran x402 atau MPP. Gunakan token seperti token API normal terhadap mcp.apify.com dan api.apify.com — berfungsi untuk Actor apa pun, bukan hanya Actor Pay Per Event. Disarankan untuk integrasi baru; lihat AGI (disarankan) di bawah.
x402 Langsung membayar dengan USDC di Base per permintaan dan tidak memerlukan akun platform terpisah. Sepenuhnya didukung oleh mcpc (brew install apify/tap/mcpc atau npm install -g @apify/mcpc). Kami menggunakan mcpc karena ini adalah salah satu dari sedikit klien MCP yang mendukung fitur terbaru dan protokol x402 secara native.
Skyfire membayar dengan token PAY dan memerlukan akun Skyfire dengan dompet yang didanai. Ini tidak memerlukan klien MCP khusus; seluruh alur pembayaran ditangani langsung melalui parameter panggilan alat MCP.
ℹ️ Cakupan: Baik x402 langsung maupun Skyfire terbatas pada Actor Pay Per Event, tidak mendukung Actor Standby, dan menyelesaikan per proses, bukan mencetak token.
Cara kerja pembayaran agenik
Biaya menjalankan Actor bervariasi, jadi kedua metode pembayaran menggunakan model saldo prabayar. Alur pembayaran terjadi dalam empat langkah:
Penemuan: Agen menemukan Actor dengan search-actors atau fetch-actor-details. Panggilan tersebut gratis.
Prabayar: Sebelum menjalankan alat Actor berbayar, agen mendanai saldo prabayar.
x402 Langsung: mcpc secara otomatis menandatangani transaksi USDC $1,00.
Skyfire: Agen membuat token PAY (minimal $5,00) menggunakan alat create-pay-token Skyfire.
Eksekusi: Agen memanggil alat Actor.
x402 Langsung: Ditangani secara otomatis oleh mcpc menggunakan saldo prabayar.
Skyfire: Agen secara eksplisit meneruskan token PAY dalam properti input skyfire-pay-id.
Penyelesaian: Alat mengembalikan hasil Actor. Dana yang tidak terpakai tetap tersedia untuk proses berikutnya.
x402 Langsung: Setelah 60 menit tidak aktif, server mengembalikan saldo yang tidak terpakai ke dompet di Base.
Skyfire: Skyfire mengembalikan dana yang tidak terpakai saat token kedaluwarsa.
🪙 AGI (disarankan)
AGI (Apify Agent General Interface) adalah cara yang disarankan bagi agen otonom untuk membayar penggunaan Apify tanpa akun. Bayar sekali melalui x402 atau MPP, terima token API Apify prabayar dengan batas pengeluaran, dan gunakan langsung terhadap mcp.apify.com dan api.apify.com (Authorization: Bearer <token>) — untuk Actor apa pun.
Protokol lengkap, metode pembayaran yang didukung, dan ketentuan saat ini (jumlah minimum, masa berlaku token, kebijakan pengembalian dana) didokumentasikan di agi.apify.com/AGENTS.md — perlakukan sebagai sumber kebenaran tunggal.
💸 x402 Langsung
Protokol x402 memungkinkan pembayaran langsung antar mesin. Klien MCP Anda dapat menggunakannya untuk membayar proses Actor dengan USDC di blockchain Base, sepenuhnya melewati kebutuhan token API Apify.
# 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
mcpc @apify tools-call call-actor actor:="apify/rag-web-browser" input:='{"query": "latest AI news"}'
🔥 Skyfire
Skyfire menyediakan infrastruktur pembayaran terkelola untuk agen AI. Alih-alih mengautentikasi dengan token API Apify, agen Anda meneruskan token pembayaran Skyfire untuk menutupi biaya setiap panggilan alat menggunakan token PAY.
Server MCP menyediakan seperangkat alat untuk berinteraksi dengan Actor Apify.
Karena Apify Store besar dan berkembang pesat, server MCP menyediakan cara untuk menemukan dan menggunakan Actor baru secara dinamis.
Actor
Actor Apify apa pun dapat digunakan sebagai alat.
Secara default, server telah dikonfigurasi sebelumnya dengan dua Actor, apify/rag-web-browser dan apify/web-fetch, dan beberapa alat bantu.
Server MCP memuat skema input Actor dan membuat alat MCP yang sesuai.
Ini memungkinkan agen AI untuk mengetahui dengan tepat argumen apa yang harus diteruskan ke Actor dan apa yang diharapkan sebagai hasilnya.
Misalnya, untuk Actor apify/rag-web-browser, parameter inputnya adalah:
{
"query": "restaurants in San Francisco",
"maxResults": 3
}
Anda tidak perlu menentukan secara manual Actor mana yang akan dipanggil atau parameter inputnya; LLM menangani ini secara otomatis.
Saat alat dipanggil, argumen secara otomatis diteruskan ke Actor oleh LLM.
Anda dapat merujuk ke dokumentasi Actor tertentu untuk daftar argumen yang tersedia.
Alat bantu
Salah satu fitur paling kuat dari penggunaan MCP dengan Apify adalah penemuan alat dinamis.
Ini memungkinkan agen AI untuk menemukan alat baru (Actor) sesuai kebutuhan dan menggabungkannya.
Berikut adalah beberapa operasi MCP khusus dan bagaimana Server MCP Apify mendukungnya:
Actor Apify: Cari Actor, lihat detailnya, dan gunakan sebagai alat untuk AI.
Dokumentasi Apify: Cari dokumentasi Apify dan ambil dokumen tertentu untuk memberikan konteks kepada AI.
Proses Actor: Dapatkan daftar proses Actor Anda, periksa detailnya, dan ambil log.
Penyimpanan Apify: Akses data dari kumpulan data dan penyimpanan kunci-nilai Anda.
Tugas Actor: Buat, periksa, dan perbarui tugas Actor yang disimpan, serta publikasikan atau batalkan publikasi halaman arahan publiknya.
Ringkasan alat yang tersedia
Berikut ini adalah daftar ringkasan semua alat yang disediakan oleh Apify MCP Server.
Legenda untuk kolom Diaktifkan secara default:
✅ — dalam kumpulan alat default.
⚡ — disuntikkan otomatis saat call-actor, alat Actor, atau get-actor-run tersedia (yang berlaku dalam konfigurasi default).
✅¹ — disediakan secara default, tetapi hanya jika telemetri diaktifkan dan klien tidak disembunyikan: permukaan Anthropic (Claude.ai / Claude Desktop / Claude Code) atau local-agent-mode-apify. Untuk menonaktifkannya, berikan daftar tools= eksplisit yang menghilangkannya.
Nama alat
Kategori
Deskripsi
Diaktifkan secara default
search-actors
actors
Cari Actor di Apify Store.
✅
fetch-actor-details
actors
Ambil informasi terperinci tentang Actor tertentu, termasuk skema input, README (ringkasan jika tersedia, lengkap jika tidak), harga, dan skema output Actor.
✅
call-actor
actors
Panggil Actor dan dapatkan hasil prosesnya. Gunakan fetch-actor-details terlebih dahulu untuk mendapatkan skema input Actor.
✅
get-actor-run
runs
Dapatkan informasi terperinci tentang proses Actor tertentu.
⚡
get-dataset-items
storage
Ambil item dari dataset dengan dukungan untuk pemfilteran dan penomoran halaman.
⚡
get-key-value-store-record
storage
Dapatkan nilai yang terkait dengan kunci tertentu di penyimpanan kunci-nilai.
⚡
abort-actor-run
runs
Batalkan proses Actor yang sedang berjalan, secara opsional dengan lancar.
⚡
search-apify-docs
docs
Cari dokumentasi Apify untuk halaman yang relevan.
✅
fetch-apify-docs
docs
Ambil konten lengkap halaman dokumentasi Apify berdasarkan URL-nya.
Alat Actor untuk mengambil URL dan mengembalikan kontennya.
✅
report-problem
dev
Laporkan masalah dengan alat atau Actor Apify ke tim Apify.
✅¹
get-actor-run-list
runs
Dapatkan daftar proses Actor, yang dapat difilter berdasarkan status.
get-actor-log
runs
Ambil log untuk proses Actor tertentu.
get-dataset
storage
Dapatkan metadata tentang dataset tertentu.
get-dataset-schema
storage
Buat skema JSON dari item dataset.
get-key-value-store
storage
Dapatkan metadata tentang penyimpanan kunci-nilai tertentu.
get-key-value-store-keys
storage
Daftar kunci dalam penyimpanan kunci-nilai tertentu.
get-dataset-list
storage
Daftar semua dataset yang tersedia untuk pengguna.
get-key-value-store-list
storage
Daftar semua penyimpanan kunci-nilai yang tersedia untuk pengguna.
create-actor-task
tasks
Buat tugas Actor yang disimpan (konfigurasi Actor yang dapat digunakan kembali dan diberi nama).
get-actor-task
tasks
Dapatkan tugas Actor yang disimpan, status publikasinya, dan konfigurasi tampilan publik.
update-actor-task
tasks
Perbarui input tugas, opsi proses, atau konfigurasi tampilan publik.
publish-actor-task
tasks
Publikasikan tugas di halaman arahan publiknya.
unpublish-actor-task
tasks
Batalkan publikasi tugas dari halaman arahan publiknya.
Catatan:
Saat call-actor, alat Actor, atau get-actor-run tersedia, server menyuntikkan get-actor-run, get-dataset-items, get-key-value-store-record, dan abort-actor-run secara otomatis.
Saat Anda memanggil Actor — melalui call-actor atau langsung melalui alat Actor (misalnya, apify--rag-web-browser) — respons berisi metadata proses, ID penyimpanan, dan summary + nextStep, tetapi tidak ada item dataset. Untuk mengambil item, ikuti nextStep dan panggil get-dataset-items (disuntikkan otomatis), dengan meneruskan datasetId yang dikembalikan dari panggilan.
Anotasi alat
Semua alat menyertakan anotasi metadata untuk membantu klien MCP dan LLM memahami perilaku alat:
title: Nama tampilan singkat untuk alat (misalnya, "Search Actors", "Call Actor", "apify/rag-web-browser")
readOnlyHint: true untuk alat yang hanya membaca data tanpa mengubah status (misalnya, get-dataset, fetch-actor-details)
openWorldHint: true untuk alat yang mengakses sumber daya eksternal di luar platform Apify (misalnya, call-actor menjalankan Actor eksternal). Alat yang hanya berinteraksi dengan platform Apify (seperti search-actors atau fetch-apify-docs) tidak memiliki petunjuk ini.
Konfigurasi alat
Parameter konfigurasi tools digunakan untuk menentukan alat yang dimuat – baik kategori atau alat tertentu secara langsung, dan Actor Apify. Misalnya, tools=storage,runs memuat dua kategori; tools=call-actor hanya memuat satu alat.
Saat tidak ada parameter kueri yang diberikan, server MCP memuat tools berikut secara default:
actors
docs
apify/rag-web-browser
apify/web-fetch
Jika parameter alat ditentukan, hanya alat atau kategori yang terdaftar yang akan diaktifkan – tidak ada alat default yang akan disertakan.
report-problem disediakan secara default (tergantung pada pembatasan di catatan kaki di atas) tetapi berada dalam kategori dev, sehingga tools=dev eksplisit juga memilihnya. Untuk menonaktifkannya, berikan daftar tools= eksplisit yang menghilangkannya (misalnya tools=actors,docs).
Konfigurasi mudah:
Gunakan pengonfigurasi UI untuk mengonfigurasi server Anda, lalu salin konfigurasi ke klien Anda.
Mengonfigurasi server yang dihosting:
Server yang dihosting dapat dikonfigurasi menggunakan parameter kueri di URL. Misalnya, untuk memuat alat default, gunakan:
Untuk konfigurasi minimal, jika Anda hanya ingin menggunakan satu alat Actor - tanpa alat penemuan atau pemanggilan generik apa pun, server dapat dikonfigurasi sebagai berikut:
https://mcp.apify.com?tools=apify/my-actor
Pengaturan ini hanya mengekspos Actor tertentu (apify/my-actor) sebagai alat. Tidak ada alat lain yang akan tersedia.
Mengonfigurasi CLI:
CLI dapat dikonfigurasi menggunakan flag baris perintah. Misalnya, untuk memuat alat yang sama seperti dalam konfigurasi server yang dihosting, gunakan:
Seperti di atas, ini hanya mengekspos Actor tertentu (apify/my-actor) sebagai alat. Tidak ada alat lain yang akan tersedia.
⚠️ Rekomendasi penting
Konfigurasi alat default dapat berubah di versi mendatang. Saat tidak ada parameter tools yang ditentukan, server saat ini memuat alat default, tetapi perilaku ini dapat berubah.
Untuk penggunaan produksi dan antarmuka yang stabil, selalu tentukan parameter tools secara eksplisit untuk memastikan konfigurasi Anda tetap konsisten di seluruh pembaruan.
Konfigurasi mode UI
Parameter ui mengaktifkan rendering widget MCP Apps dalam respons alat. Saat diaktifkan, alat seperti search-actors mengembalikan respons MCP App interaktif.
Mengonfigurasi server yang dihosting:
Aktifkan mode UI menggunakan parameter kueri ui:
https://mcp.apify.com?ui=true
Anda dapat menggabungkannya dengan parameter lain:
https://mcp.apify.com?tools=actors,docs&ui=true
Mengonfigurasi CLI:
CLI dapat dikonfigurasi menggunakan flag baris perintah. Misalnya, untuk mengaktifkan mode UI:
npx @apify/actors-mcp-server --ui true
Anda juga dapat mengaturnya melalui variabel lingkungan UI_MODE:
export UI_MODE=true
npx @apify/actors-mcp-server
Kompatibilitas mundur
Konfigurasi v2 mempertahankan kompatibilitas mundur dengan penggunaan v1. Catatan:
Parameter actors (URL) dan flag --actors (CLI) masih didukung.
Secara internal, keduanya digabungkan ke dalam pemilih tools.
enableAddingActors (URL), enable-adding-actors (CLI), dan alias enableActorAutoLoading lama telah dihapus. Untuk memanggil Actor secara dinamis, gunakan tools=call-actor (disertakan secara default melalui kategori actors). Nilai mentah yang tersisa akan diabaikan.
Default tetap kompatibel: saat tidak ada tools yang ditentukan, server memuat actors, docs, apify/rag-web-browser, dan apify/web-fetch.
Jika ada tools yang ditentukan, default tidak ditambahkan (sama dengan maksud v1 untuk pemilihan eksplisit).
call-actor sekarang disertakan secara default melalui kategori actors (perubahan aditif). Untuk mengecualikannya, tentukan daftar tools eksplisit tanpa actors.
tools=add-actor, tools=experimental, dan tools=preview sudah pensiun: keduanya diabaikan dan tidak memuat alat. Gunakan tools=call-actor (atau kategori actors default) sebagai gantinya.
URL dan perintah yang ada yang menggunakan ?actors=... atau --actors terus berfungsi tanpa perubahan.
Prompts
Server mengiklankan kemampuan prompts, tetapi tidak ada prompt yang saat ini terdaftar — prompts/list mengembalikan daftar kosong.
Resources
Data Apify Anda tidak dihitung dalam resources/list — pembacaan dilakukan sesuai permintaan: berikan URL GET API Apify apa pun (https://api.apify.com/v2/...) ke resources/read dan server menyuntikkan token Apify sesi dan mengembalikan isi respons. resources/templates/list menghitung bentuk umum — item dataset, catatan dan kunci penyimpanan kunci-nilai, metadata proses, log proses — dengan parameter penomoran halamannya. Respons menyertakan hingga 256 KB; apa pun yang lebih besar mengembalikan pemberitahuan singkat dengan URL unduhan alih-alih isi. Pembacaan API memerlukan token Apify, sehingga sesi khusus pembayaran (x402 atau Skyfire) mendapatkan kesalahan JSON-RPC untuk pembacaan tersebut.
💬 Contoh penggunaan
Di bawah ini adalah contoh realistis yang menunjukkan bagaimana asisten AI menggunakan alat Apify MCP Server.
Contoh 1: Cari web menggunakan RAG Web Browser
Prompt pengguna:
Temukan berita terbaru tentang agen AI otonom dan rangkum perkembangan utamanya.
Asisten AI memanggil alat Actor apify--rag-web-browser yang telah dikonfigurasi sebelumnya untuk mencari web dan mengembalikan konten dari hasil teratas.
Alat mengembalikan konten markdown dari 3 hasil pencarian teratas, yang kemudian dirangkum oleh asisten AI untuk pengguna.
Contoh 2: Temukan dan jalankan Actor dari Apify Store
Prompt pengguna:
Ambil data 10 restoran terbaik di Praha dari Google Maps beserta detail kontaknya.
Asisten AI pertama-tama mencari Actor yang sesuai, memeriksa skema inputnya, lalu menjalankannya.
Alat mengembalikan pratinjau data yang diambil termasuk nama restoran, alamat, peringkat, nomor telepon, dan situs web.
Contoh 3: Ambil dan buat halaman hasil proses Actor
Prompt pengguna:
Tampilkan 10 hasil berikutnya dari proses pengambilan data itu.
Asisten AI menggunakan ID dataset dari proses Actor sebelumnya untuk mengambil item tambahan.
Output yang diharapkan: Alat mengembalikan halaman berikutnya dari item data terstruktur dari dataset output Actor.
📡 Telemetri
Apify MCP Server mengumpulkan data telemetri tentang panggilan alat untuk membantu Apify memahami pola penggunaan dan meningkatkan layanan.
Secara default, telemetri diaktifkan untuk semua panggilan alat.
Transport stdio juga menggunakan Sentry untuk pelacakan kesalahan, yang membantu kami mengidentifikasi dan memperbaiki masalah lebih cepat.
Sentry secara otomatis dinonaktifkan saat telemetri tidak diikutsertakan.
Menolak telemetri
Anda dapat menolak telemetri (termasuk pelacakan kesalahan Sentry) dengan mengatur flag CLI --telemetry-enabled ke false atau variabel lingkungan TELEMETRY_ENABLED ke false.
Flag CLI lebih diutamakan daripada variabel lingkungan.
Contoh
Untuk server jarak jauh (mcp.apify.com):
# Disable via URL parameter
https://mcp.apify.com?telemetry-enabled=false
Untuk server stdio lokal:
# 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
⚙️ Pengembangan
Silakan lihat panduan CONTRIBUTING.md untuk pedoman kontribusi dan konvensi pesan commit.
Untuk pengaturan pengembangan terperinci, struktur proyek, dan instruksi pengujian lokal, lihat panduan DEVELOPMENT.md.
Saat diluncurkan, Inspector akan menampilkan URL yang dapat Anda buka di browser untuk mulai men-debug.
Akses tanpa autentikasi
Ketika parameter kueri tools hanya menyertakan alat yang secara eksplisit diaktifkan untuk penggunaan tanpa autentikasi, server yang di-hosting mengizinkan akses tanpa token API.
Alat yang saat ini diizinkan: search-actors, fetch-actor-details, search-apify-docs, fetch-apify-docs.
Contoh: https://mcp.apify.com?tools=search-actors.
🐦 Rilis PR Canary
Apify MCP terbagi ke dalam dua repositori: repositori ini untuk logika inti MCP dan apify-mcp-server-internal privat untuk server yang di-hosting.
Perubahan harus disinkronkan di antara keduanya.
Untuk membuat rilis canary, tambahkan label beta ke pull request Anda.
Ini akan memublikasikan paket ke pkg.pr.new untuk tahap staging dan pengujian sebelum digabungkan.
Lihat file alur kerja untuk detailnya.
🐋 Integrasi Docker Hub
Server Apify MCP juga tersedia di Docker Hub, terdaftar melalui repositori mcp-registry. Entri di servers/apify-mcp-server/server.yaml harus diterapkan secara otomatis oleh registry MCP Docker Hub (frekuensi penerapan tidak diketahui). Sebelum melakukan perubahan besar pada versi server stdio, uji secara lokal untuk memastikan build Docker berhasil. Untuk menguji, ubah source.branch ke cabang PR Anda dan jalankan task build -- apify-mcp-server. Untuk detail lebih lanjut, lihat CONTRIBUTING.md.
Skema input Actor diproses agar kompatibel dengan sebagian besar klien MCP sambil mematuhi standar JSON Schema. Pemrosesan mencakup:
Deskripsi dipotong hingga 500 karakter (sebagaimana didefinisikan di MAX_DESCRIPTION_LENGTH).
Kolom enum dipotong hingga panjang gabungan maksimum 2000 karakter untuk semua elemen (sebagaimana didefinisikan di ACTOR_ENUM_MAX_LENGTH).
Kolom wajib ditandai secara eksplisit dengan awalan REQUIRED dalam deskripsinya untuk kompatibilitas dengan kerangka kerja yang mungkin tidak menangani JSON schema dengan benar.
Properti bersarang dibangun untuk kasus khusus seperti konfigurasi proxy dan sumber daftar permintaan untuk memastikan struktur input yang benar.
Tipe item array disimpulkan saat tidak didefinisikan secara eksplisit dalam skema, menggunakan urutan prioritas: tipe eksplisit di items > tipe prefill > tipe nilai default > tipe editor.
Nilai enum dan contoh ditambahkan ke deskripsi properti untuk memastikan visibilitas, bahkan jika klien tidak sepenuhnya mendukung JSON schema.
Actor Sewa hanya tersedia untuk digunakan dengan server MCP yang di-hosting di https://mcp.apify.com. Saat menjalankan server secara lokal melalui stdio, Anda hanya dapat mengakses Actor yang sudah ditambahkan ke perangkat alat lokal Anda. Untuk mencari dan menggunakan Actor apa pun dari Apify Store secara dinamis—termasuk Actor sewa—hubungkan ke endpoint yang di-hosting.
🔒 Kebijakan Privasi
Saat Anda menggunakan server ini, permintaan dan input Actor Anda dikirim ke API Apify untuk dieksekusi.
Data tidak dibagikan kepada pihak ketiga di luar yang diperlukan untuk menjalankan Actor yang diminta.
Untuk detail lengkap tentang pengumpulan data, penggunaan, pembagian, dan retensi, lihat Apify Legal.
🤝 Kontribusi
Kami menyambut laporan bug, permintaan fitur, dan perbaikan dokumentasi. Kirimkan masalahnya, bukan tambalannya — masalah yang tepat dengan reproduksi lebih berguna daripada pull request.
🐛 Laporkan bug: Buka issue dengan reproduksi. Hal paling berguna yang dapat Anda kirimkan kepada kami.
💡 Usulkan fitur: Buka issue — masalahnya dan siapa yang mengalaminya, bukan implementasinya.
🔧 Kode: Kerjakan hanya pada issue yang diundang oleh maintainer. Issue yang terbuka bukanlah undangan untuk mengambilnya; pull request yang tidak diminta akan ditutup.
📚 Dokumentasi: Kesalahan ketik, tautan rusak, dan perintah yang salah langsung masuk ke PR.
