Apify

官方

官方 Apify MCP 伺服器，供 AI 代理執行 Actors、擷取網站資料，並自動化網頁抓取與爬取工作流程。

GitHub
5.4k
試用此 MCP贊助

你可以用 Apify MCP 做什麼？

  • 搜尋 Apify Store — 請您的助理使用 search-actors 尋找爬蟲與自動化工具，再透過 fetch-actor-details 檢視詳細資訊。
  • 執行任何 Actor — 讓您的助理執行如 call-actor 或預先設定的 apify--rag-web-browser 等爬蟲，從網站、社群媒體或地圖中擷取資料。
  • 取得執行結果 — 使用 get-dataset-items 取得分頁的資料集項目，或透過 get-actor-run 與 get-actor-log 檢查執行狀態與日誌。
  • 管理儲存空間 — 使用 get-dataset、get-key-value-store-record 及相關列表工具，存取資料集與鍵值儲存中的資料。
  • 建立與管理工作 — 使用 create-actor-task 儲存可重複使用的 Actor 設定，透過 update-actor-task 更新它們，並使用 publish-actor-task 發布登陸頁面。
  • 搜尋 Apify 文件 — 使用 search-apify-docs 查詢平台文件，並透過 fetch-apify-docs 取得完整頁面內容以獲取上下文。

文件

Apify MCP Server
mcp.apify.com

NPM latest version Downloads Build Status smithery badge

位於 mcp.apify.com 的 Apify 模型上下文協定（MCP）伺服器，讓您的 AI 代理程式能夠使用 Apify Store 中數千個現成的爬蟲、抓取器和自動化工具，從社交媒體、搜尋引擎、地圖、電子商務網站以及任何其他網站中提取資料。它支援 OAuth，讓您可以僅使用 URL 即可從 Claude.ai 或 Visual Studio Code 等用戶端連線。

🚀 使用託管的 Apify MCP 伺服器！

為了獲得最佳體驗，請將您的 AI 助理連線到位於 https://mcp.apify.com 的託管伺服器。託管伺服器支援最新的功能——包括結構化 Actor 結果的輸出結構推論——這些功能在透過 stdio 於本機執行時無法使用。

⚠️ 舊版 SSE 傳輸已移除。 https://mcp.apify.com/sse 端點已移除，改為支援 Streamable HTTP。請將您的用戶端遷移至 https://mcp.apify.com——從您的設定中移除 /sse 後綴。

💰 此伺服器也支援 代理程式付費：從 AGI 購買代幣以執行任何 Actor，或透過 直接 x402（僅限 Pay Per Event Actors）或 Skyfire 按請求付費。

Apify MCP 伺服器相容於 Claude Code, Claude.ai, Cursor, VS Code 以及任何遵循模型上下文協定的用戶端。 請參閱 MCP 用戶端章節 以了解更多詳情，或造訪 MCP 設定頁面。

Apify-MCP-server

目錄

🌐 Apify MCP 伺服器簡介

Apify MCP 伺服器允許 AI 助理將任何 Apify Actor 用作執行特定任務的工具。 例如，它可以：

  • 使用 Facebook Posts Scraper 從多個頁面/個人檔案的 Facebook 貼文中提取資料。
  • 使用 Google Maps Email Extractor 從 Google 地圖中提取聯絡資訊。
  • 使用 Google Search Results Scraper 抓取 Google 搜尋引擎結果頁面（SERPs）。
  • 使用 Instagram Scraper 抓取 Instagram 貼文、個人檔案、地點、照片和留言。
  • 使用 RAG Web Browser 搜尋網路、抓取前 N 個 URL，並回傳其內容。
  • 使用 Web Fetch 擷取任何 URL，並以 Markdown、純文字、HTML 或連結形式回傳其內容——具備 JavaScript 渲染和反機器人保護功能。

影片教學：整合 8,000+ 個 Apify Actors 與 Claude

Apify MCP Server Tutorial: Integrate 5,000+ Apify Actors and Agents with Claude

🚀 快速入門

您可以使用兩種方式使用 Apify MCP 伺服器：

HTTPS 端點（mcp.apify.com）：透過 OAuth 或將 Authorization: Bearer <APIFY_TOKEN> 標頭包含在請求中，從您的 MCP 用戶端連線。這是大多數使用案例的建議方法。由於它支援 OAuth，您可以使用僅 URL 從 Claude.ai 或 Visual Studio Code 等用戶端連線：https://mcp.apify.com。

  • https://mcp.apify.com streamable 傳輸

標準輸入/輸出（stdio）：適合本機整合和命令列工具，例如 Claude for Desktop 用戶端。

  • 將 MCP 用戶端伺服器命令設定為 npx @apify/actors-mcp-server，並將 APIFY_TOKEN 環境變數設定為您的 Apify API 代碼。
  • 更多選項請參閱 npx @apify/actors-mcp-server --help。

您可以在 Apify 文件 中找到設定 MCP 伺服器的詳細說明。

🤖 MCP 用戶端

Apify MCP 伺服器相容於任何遵循 模型上下文協定 的 MCP 用戶端，但對動態工具探索和其他功能的支援程度可能因用戶端而異。

若要與 Apify MCP 伺服器互動，您可以使用 Claude Desktop、Visual Studio Code 或 Apify Tester MCP Client 等用戶端。

造訪 mcp.apify.com 為您偏好的用戶端設定伺服器。

Apify-MCP-configuration-clients

已測試的用戶端

🪄 立即試用 Apify MCP

想要無需任何設定即可試用 Apify MCP 嗎？

請查看 Apify Tester MCP Client

這個互動式、類似聊天的介面提供了一種簡單的方式來探索 Apify MCP 的功能，無需任何本機設定。 使用您的 Apify 帳戶登入，開始體驗網頁抓取、資料提取和自動化工具！

或者使用 MCP 套件檔案（先前稱為 Anthropic Desktop 擴充功能檔案或 DXT）進行一鍵安裝：Apify MCP Server MCPB file

💰 代理程式付費

您可以使用 AGI、直接 x402 或 Skyfire，在沒有 Apify API 代碼的情況下支付 Actor 執行費用。

  • AGI（agi.apify.com）以 x402 或 MPP 付款換取預付的 Apify API 代碼。將此代碼像一般 API 代碼一樣用於 mcp.apify.com 和 api.apify.com——適用於任何 Actor，不僅限於 Pay Per Event 的 Actor。建議用於新的整合；請參閱下方的 AGI（建議）。
  • 直接 x402 在 Base 上以 USDC 按請求付費，不需要單獨的平台帳戶。mcpc（brew install apify/tap/mcpc 或 npm install -g @apify/mcpc）完全支援此方式。我們使用 mcpc，因為它是少數原生支援最新功能和 x402 協定的 MCP 用戶端之一。
  • Skyfire 以 PAY 代幣付費，需要一個有資金錢包的 Skyfire 帳戶。它不需要特殊的 MCP 用戶端；整個付款流程直接透過 MCP 工具呼叫參數處理。

ℹ️ 範圍： 直接 x402 和 Skyfire 都僅限於 Pay Per Event Actors，不支援 Standby Actors，並且按執行結算，而不是鑄造代幣。

代理程式付費的運作方式

Actor 執行成本各不相同，因此兩種付款方式都使用預付餘額模型。付款流程分為四個步驟：

  1. 探索：代理程式使用 search-actors 或 fetch-actor-details 探索 Actors。這些呼叫是免費的。
  2. 預付：在執行付費 Actor 工具之前，代理程式會為預付餘額充值。
    • 直接 x402：mcpc 自動簽署一筆 $1.00 USDC 交易。
    • Skyfire：代理程式使用 Skyfire 的 create-pay-token 工具建立一個 PAY 代幣（最低 $5.00）。
  3. 執行：代理程式呼叫 Actor 工具。
    • 直接 x402：由 mcpc 使用預付餘額自動處理。
    • Skyfire：代理程式在 skyfire-pay-id 輸入屬性中明確傳遞 PAY 代幣。
  4. 結算：工具回傳 Actor 結果。未使用的資金會保留供後續執行使用。
    • 直接 x402：在 60 分鐘無活動後，伺服器會將任何未使用的餘額退還至 Base 上的錢包。
    • Skyfire：Skyfire 會在代幣到期時退還未使用的資金。

🪙 AGI（建議）

AGI（Apify Agent General Interface）是自主代理程式在沒有帳戶的情況下支付 Apify 使用費用的建議方式。透過 x402 或 MPP 付款一次，即可收到一個預付、有消費上限的 Apify API 代碼，並直接將其用於 mcp.apify.com 和 api.apify.com（Authorization: Bearer <token>）——適用於任何 Actor。

完整的協定、支援的付款方式以及目前的條款（最低金額、代幣有效期、退款政策）都記錄在 agi.apify.com/AGENTS.md——請將其視為唯一的資訊來源。

💸 直接 x402

x402 協定 實現了直接的機器對機器付款。您的 MCP 用戶端可以使用它在 Base 區塊鏈 上以 USDC 支付 Actor 執行費用，完全無需 Apify API 代碼。

先決條件

  • 一個在 Base 主網上持有 USDC 的錢包。

設定

建立或匯入錢包：

# 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

啟用 x402 連線到伺服器：

mcpc connect "mcp.apify.com?payment=x402" @apify --x402

您現在可以呼叫付費工具：

mcpc @apify tools-call call-actor actor:="apify/rag-web-browser" input:='{"query": "latest AI news"}'

🔥 Skyfire

Skyfire 為 AI 代理程式提供受管理的付款基礎設施。您的代理程式不是使用 Apify API 代碼進行驗證，而是傳遞一個 Skyfire 付款代幣，以使用 PAY 代幣支付每次工具呼叫的費用。

先決條件

  • 一個有資金錢包的 Skyfire 帳戶。
  • 一個支援多個伺服器的 MCP 用戶端，例如 Claude Desktop、OpenCode 或 VS Code。

設定

在您的用戶端中設定 Skyfire MCP 伺服器和 Apify MCP 伺服器。將 payment=skyfire 加入 Apify 伺服器 URL：

{
  "mcpServers": {
    "skyfire": {
      "url": "https://api.skyfire.xyz/mcp/sse",
      "headers": {
        "skyfire-api-key": "<YOUR_SKYFIRE_API_KEY>"
      }
    },
    "apify": {
      "url": "https://mcp.apify.com?payment=skyfire"
    }
  }
}

有關設定詳情，請參閱 Skyfire 整合文件。Agentic Payments with Skyfire 文章提供了更多背景資訊。

🛠️ 工具、資源與提示

MCP 伺服器提供一組用於與 Apify Actors 互動的工具。 由於 Apify Store 規模龐大且快速成長，MCP 伺服器提供了一種動態探索和使用新 Actors 的方式。

Actors

任何 Apify Actor 都可以用作工具。 預設情況下，伺服器預先設定了兩個 Actors，apify/rag-web-browser 和 apify/web-fetch，以及幾個輔助工具。 MCP 伺服器會載入 Actor 的輸入結構，並建立對應的 MCP 工具。 這使得 AI 代理程式能夠確切知道要傳遞哪些參數給 Actor，以及預期會收到什麼回傳。

例如，對於 apify/rag-web-browser Actor，輸入參數為：

{
  "query": "restaurants in San Francisco",
  "maxResults": 3
}

您不需要手動指定要呼叫哪個 Actor 或其輸入參數；LLM 會自動處理。 當呼叫工具時，參數會由 LLM 自動傳遞給 Actor。 您可以參考特定 Actor 的文件以取得可用參數的清單。

輔助工具

將 MCP 與 Apify 搭配使用最強大的功能之一是動態工具探索。 它允許 AI 代理程式在需要時尋找新工具（Actors）並將其納入使用。 以下是一些特殊的 MCP 操作以及 Apify MCP 伺服器如何支援它們：

  • Apify Actors：搜尋 Actors、檢視其詳細資訊，並將它們用作 AI 的工具。
  • Apify 文件：搜尋 Apify 文件並擷取特定文件，以提供上下文給 AI。
  • Actor 執行：取得您的 Actor 執行清單、檢視其詳細資訊並擷取日誌。
  • Apify 儲存：存取您的資料集和鍵值儲存中的資料。
  • Actor 任務：建立、檢視和更新您儲存的 Actor 任務，並發佈或取消發佈其公開登陸頁面。

可用工具概覽

以下是 Apify MCP Server 提供的所有工具的概覽清單。

「預設啟用」欄位的圖例：

  • ✅ — 在預設工具集中。
  • ⚡ — 當存在 call-actor、Actor 工具或 get-actor-run 時自動注入（在預設配置中為真）。
  • ✅¹ — 預設提供，但僅在啟用遙測且用戶端未被隱藏時：Anthropic 介面（Claude.ai / Claude Desktop / Claude Code）或 local-agent-mode-apify。若要停用，請傳遞省略它的明確 tools= 清單。
工具名稱類別描述預設啟用
search-actorsactors在 Apify Store 中搜尋 Actors。✅
fetch-actor-detailsactors檢索特定 Actor 的詳細資訊，包括其輸入架構、README（有摘要時提供摘要，否則提供全文）、定價和 Actor 輸出架構。✅
call-actoractors呼叫 Actor 並取得其執行結果。請先使用 fetch-actor-details 取得 Actor 的輸入架構。✅
get-actor-runruns取得特定 Actor 執行的詳細資訊。⚡
get-dataset-itemsstorage從資料集檢索項目，支援篩選和分頁。⚡
get-key-value-store-recordstorage取得鍵值儲存中特定鍵關聯的值。⚡
abort-actor-runruns中止正在執行的 Actor 執行，可選擇優雅中止。⚡
search-apify-docsdocs搜尋 Apify 文件中的相關頁面。✅
fetch-apify-docsdocs透過 URL 取得 Apify 文件頁面的完整內容。✅
apify--rag-web-browserActor（參見 工具配置）用於瀏覽網頁的 Actor 工具。✅
apify--web-fetchActor（參見 工具配置）用於取得 URL 並返回其內容的 Actor 工具。✅
report-problemdev向 Apify 團隊回報 Apify 工具或 Actor 的問題。✅¹
get-actor-run-listruns取得 Actor 的執行清單，可按狀態篩選。
get-actor-logruns檢索特定 Actor 執行的日誌。
get-datasetstorage取得特定資料集的元資料。
get-dataset-schemastorage從資料集項目產生 JSON 架構。
get-key-value-storestorage取得特定鍵值儲存的元資料。
get-key-value-store-keysstorage列出特定鍵值儲存中的鍵。
get-dataset-liststorage列出使用者所有可用的資料集。
get-key-value-store-liststorage列出使用者所有可用的鍵值儲存。
create-actor-tasktasks建立已儲存的 Actor 任務（具名、可重複使用的 Actor 配置）。
get-actor-tasktasks取得已儲存的 Actor 任務、其發布狀態和公開顯示配置。
update-actor-tasktasks更新任務的輸入、執行選項或公開顯示配置。
publish-actor-tasktasks在任務的公開登陸頁面上發布任務。
unpublish-actor-tasktasks從任務的公開登陸頁面取消發布任務。

注意：

當存在 call-actor、Actor 工具或 get-actor-run 時，伺服器會自動注入 get-actor-run、get-dataset-items、get-key-value-store-record 和 abort-actor-run。

當您呼叫 Actor — 透過 call-actor 或直接透過 Actor 工具（例如 apify--rag-web-browser）— 回應包含執行元資料、儲存 ID 和 summary + nextStep，但不包含資料集項目。若要取得項目，請遵循 nextStep 並呼叫 get-dataset-items（自動注入），傳入呼叫返回的 datasetId。

工具註解

所有工具都包含元資料註解，以協助 MCP 用戶端和 LLM 了解工具行為：

  • title：工具的簡短顯示名稱（例如「Search Actors」、「Call Actor」、「apify/rag-web-browser」）
  • readOnlyHint：true 用於僅讀取資料而不修改狀態的工具（例如 get-dataset、fetch-actor-details）
  • openWorldHint：true 用於存取 Apify 平台外部資源的工具（例如 call-actor 執行外部 Actors）。僅與 Apify 平台互動的工具（如 search-actors 或 fetch-apify-docs）不具有此提示。

工具配置

tools 配置參數用於指定載入的工具 — 可以是類別或直接指定特定工具，以及 Apify Actors。例如，tools=storage,runs 載入兩個類別；tools=call-actor 僅載入一個工具。

當未提供查詢參數時，MCP 伺服器預設載入以下 tools：

  • actors
  • docs
  • apify/rag-web-browser
  • apify/web-fetch

如果指定了 tools 參數，則僅啟用列出的工具或類別 — 不會包含預設工具。

report-problem 預設提供（受上述腳註中的門控限制），但位於 dev 類別中，因此明確的 tools=dev 也會選取它。若要停用，請傳遞省略它的明確 tools= 清單（例如 tools=actors,docs）。

簡易配置：

使用 UI 配置器 配置您的伺服器，然後將配置複製到您的用戶端。

配置託管伺服器：

託管伺服器可使用 URL 中的查詢參數進行配置。例如，要載入預設工具，請使用：

https://mcp.apify.com?tools=actors,docs,apify/rag-web-browser,apify/web-fetch

對於最小配置，如果您只想使用單一 Actor 工具 — 不需要任何探索或通用呼叫工具，伺服器可配置如下：

https://mcp.apify.com?tools=apify/my-actor

此設定僅將指定的 Actor（apify/my-actor）作為工具公開。不會有其他工具可用。

配置 CLI：

CLI 可使用命令列旗標進行配置。例如，要載入與託管伺服器配置相同的工具，請使用：

npx @apify/actors-mcp-server --tools actors,docs,apify/rag-web-browser,apify/web-fetch

最小配置與託管伺服器配置類似：

npx @apify/actors-mcp-server --tools apify/my-actor

如上所述，這僅將指定的 Actor（apify/my-actor）作為工具公開。不會有其他工具可用。

⚠️ 重要建議

預設工具配置可能在未來版本中變更。 當未指定 tools 參數時，伺服器目前會載入預設工具，但此行為可能變更。

對於生產使用和穩定介面，請始終明確指定 tools 參數，以確保您的配置在更新期間保持一致。

UI 模式配置

ui 參數啟用工具回應中的 MCP Apps 小工具渲染。啟用後，像 search-actors 這樣的工具會返回互動式 MCP App 回應。

配置託管伺服器：

使用 ui 查詢參數啟用 UI 模式：

https://mcp.apify.com?ui=true

您可以將其與其他參數結合：

https://mcp.apify.com?tools=actors,docs&ui=true

配置 CLI：

CLI 可使用命令列旗標進行配置。例如，要啟用 UI 模式：

npx @apify/actors-mcp-server --ui true

您也可以透過 UI_MODE 環境變數設定：

export UI_MODE=true
npx @apify/actors-mcp-server

向後相容性

v2 配置保留了與 v1 使用的向後相容性。注意事項：

  • actors 參數（URL）和 --actors 旗標（CLI）仍受支援。
    • 內部會將它們合併到 tools 選擇器中。
    • 範例：?actors=apify/rag-web-browser ≡ ?tools=apify/rag-web-browser；--actors apify/rag-web-browser ≡ --tools apify/rag-web-browser。
  • enableAddingActors（URL）、enable-adding-actors（CLI）和舊版 enableActorAutoLoading 別名已移除。若要動態呼叫 Actors，請使用 tools=call-actor（透過 actors 類別預設包含）。任何殘留的原始值將被忽略。
  • 預設值保持相容：當未指定 tools 時，伺服器載入 actors、docs、apify/rag-web-browser 和 apify/web-fetch。
    • 如果指定了任何 tools，則不會加入預設值（與 v1 明確選擇的意圖相同）。
  • call-actor 現在透過 actors 類別預設包含（新增變更）。若要排除它，請指定不含 actors 的明確 tools 清單。
  • tools=add-actor、tools=experimental 和 tools=preview 已退役：它們會被忽略且不載入任何工具。請改用 tools=call-actor（或預設的 actors 類別）。

使用 ?actors=... 或 --actors 的現有 URL 和命令繼續正常運作。

提示詞

伺服器宣告 prompts 能力，但目前未註冊任何提示詞 — prompts/list 返回空清單。

資源

您的 Apify 資料不會在 resources/list 中列舉 — 讀取是按需進行的：將任何 Apify API GET URL（https://api.apify.com/v2/...）傳遞給 resources/read，伺服器會注入工作階段的 Apify token 並返回回應主體。resources/templates/list 列舉常見的形狀 — 資料集項目、鍵值儲存記錄和鍵、執行元資料、執行日誌 — 及其分頁參數。回應內嵌最多 256 KB；任何更大的內容會返回簡短通知及下載 URL，而非主體。API 讀取需要 Apify token，因此僅付費的工作階段（x402 或 Skyfire）會收到 JSON-RPC 錯誤。

💬 使用範例

以下是 AI 助理如何使用 Apify MCP Server 工具的實際範例。

範例 1：使用 RAG Web Browser 搜尋網頁

使用者提示詞：

尋找有關自主 AI 代理的最新新聞並總結關鍵發展。

AI 助理呼叫預先配置的 apify--rag-web-browser Actor 工具來搜尋網頁並從頂部結果返回內容。 工具返回前 3 個搜尋結果的 markdown 內容，AI 助理隨後為使用者總結。

範例 2：從 Apify Store 探索並執行 Actor

使用者提示詞：

從 Google Maps 抓取布拉格前 10 家餐廳及其聯絡資訊。

AI 助理首先搜尋合適的 Actor，檢查其輸入架構，然後執行它。 工具返回抓取資料的預覽，包括餐廳名稱、地址、評分、電話號碼和網站。

範例 3：檢索並分頁瀏覽 Actor 執行結果

使用者提示詞：

顯示那次抓取執行的下 10 個結果。

AI 助理使用先前 Actor 執行的資料集 ID 來取得其他項目。 預期輸出：工具從 Actor 的輸出資料集返回下一頁的結構化資料項目。

📡 遙測

Apify MCP Server 收集有關工具呼叫的遙測資料，以幫助 Apify 了解使用模式並改善服務。 預設情況下，所有工具呼叫都啟用遙測。

stdio 傳輸也使用 Sentry 進行錯誤追蹤，這有助於我們更快地識別和修復問題。 當選擇退出遙測時，Sentry 會自動停用。

選擇退出遙測

您可以透過將 --telemetry-enabled CLI 旗標設定為 false 或將 TELEMETRY_ENABLED 環境變數設定為 false 來選擇退出遙測（包括 Sentry 錯誤追蹤）。 CLI 旗標優先於環境變數。

範例

對於遠端伺服器（mcp.apify.com）：

# Disable via URL parameter
https://mcp.apify.com?telemetry-enabled=false

對於本機 stdio 伺服器：

# 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

⚙️ 開發

請參閱 CONTRIBUTING.md 指南以了解貢獻指南和提交訊息慣例。

有關詳細的開發設定、專案結構和本機測試說明，請參閱 DEVELOPMENT.md 指南。

先決條件

建立環境檔案 .env，內容如下：

APIFY_TOKEN="your-apify-token"

建置 actors-mcp-server 套件：

pnpm run build

啟動 HTTP streamable MCP 伺服器

使用 Apify CLI 執行：

export APIFY_TOKEN="your-apify-token"
export APIFY_META_ORIGIN=STANDBY
apify run -p

一旦伺服器啟動，您可以使用 MCP Inspector 來偵錯暴露於 http://localhost:3001 的伺服器。

啟動標準輸入/輸出（stdio）MCP 伺服器

您可以使用此指令啟動 MCP Inspector：

export APIFY_TOKEN="your-apify-token"
npx @modelcontextprotocol/inspector node ./dist/stdio.js

啟動後，Inspector 會顯示一個 URL，您可以在瀏覽器中開啟該 URL 以開始偵錯。

未驗證存取

當 tools 查詢參數僅包含明確啟用於未驗證使用的工具時，託管伺服器允許在沒有 API 權杖的情況下存取。 目前允許的工具：search-actors、fetch-actor-details、search-apify-docs、fetch-apify-docs。 範例：https://mcp.apify.com?tools=search-actors。

🐦 Canary PR 版本

Apify MCP 分佈於兩個儲存庫：此儲存庫用於核心 MCP 邏輯，以及私有的 apify-mcp-server-internal 用於託管伺服器。 變更必須在兩者之間同步。

若要建立 canary 版本，請將 beta 標籤新增至您的 pull request。 這會將套件發佈至 pkg.pr.new，以便在合併前進行暫存和測試。 詳情請參閱工作流程檔案。

🐋 Docker Hub 整合

Apify MCP Server 也可在 Docker Hub 上取得，並透過 mcp-registry 儲存庫註冊。servers/apify-mcp-server/server.yaml 中的條目應由 Docker Hub MCP registry 自動部署（部署頻率未知）。在對 stdio 伺服器版本進行重大變更之前，請先在本地測試以確保 Docker 建置通過。 若要測試，請將 source.branch 變更為您的 PR 分支並執行 task build -- apify-mcp-server。更多詳情請參閱 CONTRIBUTING.md。

🐛 疑難排解

如需逐步疑難排解，請參閱 Apify 文件中的 Claude Desktop 整合指南。

💡 限制

Actor 輸入結構描述會經過處理，以相容於大多數 MCP 用戶端，同時遵循 JSON Schema 標準。處理過程包括：

  • 描述會截斷至 500 個字元（如 MAX_DESCRIPTION_LENGTH 中所定義）。
  • 列舉欄位會截斷至所有元素的合併長度上限 2000 個字元（如 ACTOR_ENUM_MAX_LENGTH 中所定義）。
  • 必填欄位會在其描述中明確標記 REQUIRED 前綴，以相容於可能無法正確處理 JSON 結構描述的框架。
  • 巢狀屬性會針對代理設定和請求清單來源等特殊情況建置，以確保正確的輸入結構。
  • 陣列項目型別會在結構描述中未明確定義時推斷，使用優先順序：items 中的明確型別 > prefill 型別 > 預設值型別 > 編輯器型別。
  • 列舉值和範例會新增至屬性描述中，以確保可見性，即使用戶端不完全支援 JSON 結構描述。
  • 租賃 Actors 僅可與位於 https://mcp.apify.com. 的託管 MCP 伺服器搭配使用。當您透過 stdio 在本地執行伺服器時，只能存取已新增至本地工具集的 Actors。若要動態搜尋並使用 Apify Store 中的任何 Actor（包括租賃 Actors），請連線至託管端點。

🔒 隱私權政策

當您使用此伺服器時，您的請求和 Actor 輸入會傳送至 Apify API 以執行。 除了執行所請求 Actors 所需之必要範圍外，資料不會與第三方分享。 有關資料收集、使用、分享和保留的完整詳情，請參閱 Apify Legal。

🤝 貢獻

我們歡迎錯誤回報、功能請求與文件修正。請將問題發送給我們，而非修補程式 — 附有重現步驟的精確問題比 pull request 更有用。

  • 🐛 回報錯誤：開啟 issue 並附上重現步驟。這是您能提供給我們最有用的東西。
  • 💡 提議功能：開啟 issue — 描述問題及受影響對象，而非實作方式。
  • 🔧 程式碼：僅處理維護者邀請的 issue。開放的 issue 並非邀請您接手；未經請求的 pull request 將被關閉。
  • 📚 文件：錯字、損壞的連結和錯誤的指令可直接提交 PR。

完整規則，包括 AI 輔助貢獻：CONTRIBUTING.md。

📚 了解更多