mcp-webresearch

你是否曾经希望Claude能够自己去网上查找资料，像一个真正的研究助理那样？你提出一个主题，它自动搜索、浏览页面、收集信息，甚至还能截图保存证据。最后给你一份带有来源引用的研究报告。

现在有一个工具可以实现这个愿景。mcp-webresearch是一个MCP服务器，它让AI能够自主进行网络研究。配置好之后，你只需要给AI一个研究主题，它就会执行Google搜索，访问相关页面，提取内容，并记录下整个研究过程。你甚至可以通过预设的提示词模板，引导AI进行更系统、更深入的研究。

项目基本信息

一、项目介绍

mcp-webresearch是一个基于Node.js的MCP服务器，专门为AI客户端提供网络研究能力。它的核心功能是让AI能够自主执行“研究”这个复杂任务：搜索、浏览、记录、迭代。这个项目是从mzxrai/mcp-webresearch复刻（Fork）而来的，原作者是mzxrai，复刻者Hawstein主要进行了bug修复和维护。

这个服务器提供了三个核心工具：

search_google（搜索工具）

执行Google搜索并提取搜索结果。输入一个查询词，它会返回相关的搜索结果列表，包括标题、链接和摘要信息。这是整个研究流程的起点，AI通过它来发现相关的网页资源。

visit_page（页面访问工具）

访问一个具体的URL并提取页面内容。这个工具使用Playwright来渲染页面，因此可以处理JavaScript动态加载的内容。它还支持takeScreenshot参数，设置为true时会在访问页面的同时截取屏幕截图。截图会作为MCP资源保存下来。

take_screenshot（截图工具）

对当前浏览器页面进行截图。这个工具没有参数，它会对最近访问的页面进行截图。截图同样作为MCP资源保存。

除了这三个工具，这个服务器还提供了一个很有用的功能：一个名叫agentic-research的预设提示词模板。你可以通过Claude Desktop的附件菜单（纸夹图标）选择这个模板。它会引导AI按照以下原则进行研究：

• 从宽泛的搜索开始，理解主题的整体情况
• 优先使用高质量、权威的信息源
• 根据找到的结果迭代地调整研究方向
• 在研究过程中与你互动，让你指导方向
• 始终用URL标注信息来源

这个服务器还暴露了两个MCP资源：截图和研究会话记录。研究会话记录包含了所有的搜索查询、访问过的页面、提取的内容、截图和时间戳。这意味着AI可以看到自己的“研究足迹”，用户可以随时检查研究过程。

二、核心优势

自主的研究能力

这是这个项目最突出的特点。它不仅仅是给AI提供了搜索和抓取工具，而是通过研究会话跟踪和预设提示词，让AI能够进行有目的、有步骤的探索。AI可以记住自己访问过哪些页面，搜索过哪些关键词，从而做出更明智的下一步决策。

截图支持

很多MCP抓取工具只返回文本内容。mcp-webresearch的截图功能很有价值。当AI研究一个网页的布局、设计、或者某个视觉元素时，截图可以作为证据保存下来。这些截图会作为MCP资源暴露，用户可以在Claude Desktop中直接查看。

研究过程的可视化

通过研究会话资源，你可以清晰地看到AI做了什么：搜索了哪些关键词、访问了哪些页面、在什么时候做的。这种透明性对于需要验证AI信息来源的场景很重要。

简单的配置

配置只需要在Claude Desktop的配置文件中添加几行JSON，然后重启即可。不需要申请API密钥（注意：Google搜索似乎不需要官方API密钥，可能使用了非官方的方式，请注意合规性）。

轻量级

项目代码量小，依赖主要是Playwright（用于浏览器渲染）。启动速度快，资源占用低。

开箱即用的研究提示词

agentic-research提示词模板为用户提供了一个现成的研究方法论。即使你不熟悉如何引导AI进行研究，这个模板也能让AI表现出相当专业的研究行为。

三、适用场景

深度主题研究

当你需要了解一个不熟悉的领域时，可以让AI先去做初步研究。例如：“研究一下‘边缘计算在工业互联网中的应用现状’，采用agentic-research的方式。” AI会自行搜索、阅读相关文章，然后给你一份综合报告。

事实核查与证据收集

当你看到一篇文章或一个观点，想验证其真实性时，可以让AI去搜索权威来源。例如：“帮我查证‘全球变暖导致北极冰川融化速度加快’这个说法，从Reuters或AP等权威新闻机构找证据。” 它可以提供带有链接的证据。

竞品分析

市场分析师可以让AI研究竞争对手。例如：“调查一下我们的主要竞争对手‘公司X’和‘公司Y’最近一个月发布的新闻和产品更新。” AI会收集相关信息，并可能附上相关新闻页面的截图。

创建带参考材料的简报

在准备报告或演示文稿时，可以让AI收集相关的背景数据和案例。例如：“为‘人工智能在医疗影像诊断中的应用’这个主题收集最新进展、主要公司和效果数据，我需要带引用的内容。”

学习助手

学生可以用AI来研究复杂的课题。例如：“研究一下‘量子计算的基本原理’，不要只搜索一两个页面，多找几个来源，然后给我一个容易理解的解释。”

自动化监测

虽然没有调度功能，但你可以手动触发AI去定期研究某个话题。例如：“今天关于‘大语言模型’领域有什么新的研究论文或重大新闻吗？”

四、安装教程

前置准备

在开始之前，请确保：

• 你的系统上安装了Node.js 18或更高版本。你可以通过node -v检查。
• 你已经安装并配置好了Claude Desktop应用。
• （可选）如果你在Windows上使用，可能需要安装Microsoft Visual C++ Redistributable，因为Playwright依赖它。

第一步：配置Claude Desktop

找到Claude Desktop的配置文件：

• macOS: ~/Library/Application\ Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json
• Linux: ~/.config/Claude/claude_desktop_config.json

用文本编辑器打开这个文件。如果文件不存在，创建一个。

第二步：添加服务器配置

在mcpServers对象中添加以下条目：

{
  "mcpServers": {
    "webresearch": {
      "command": "npx",
      "args": ["-y", "@mzxrai/mcp-webresearch@latest"]
    }
  }
}

注意：这里使用的是原作者的包名@mzxrai/mcp-webresearch。复刻者Hawstein没有发布自己独立的npm包。

第三步：重启Claude Desktop

完全退出Claude Desktop应用（不仅仅是关闭窗口），然后重新启动。

第四步：首次运行

当你第一次让Claude使用这个服务器时，npx会自动下载所需的包（包括Playwright）。下载可能需要一些时间，请耐心等待。Playwright还会在首次运行时下载浏览器二进制文件。

第五步：验证安装

重启Claude后，你可以发送一个简单的测试请求：

“Use the webresearch MCP to search Google for 'latest news about artificial intelligence'.”

如果配置成功，Claude应该会调用search_google工具并返回结果。

使用预设的“研究”提示词

为了获得更好的研究效果，你可以使用agentic-research提示词模板。步骤如下：

1. 在Claude Desktop的聊天输入框中，点击纸夹图标（附件按钮）。
2. 选择 Choose an integration。
3. 选择 webresearch。
4. 选择 agentic-research。

这会自动填充一个结构化的提示词。然后你就可以根据这个提示词，告诉AI你具体想研究什么了。

注意：Windows用户的特殊说明

根据Playwright的文档，Windows用户可能需要安装Visual Studio 2022的Visual C++ Redistributable。如果运行时出现错误，请安装后重启。

五、使用示例

配置完成后，你可以通过以下几种方式使用。

示例一：直接要求AI搜索

你可以直接命令AI进行搜索，而不使用预设提示词。

“Search Google for 'best practices in React 19' and give me the top 3 results with titles and URLs.”

AI会调用search_google工具，返回搜索结果。然后你可以基于这些结果，要求它进一步访问某个页面。

示例二：访问页面并截图

“Visit the page at https://claude.ai/changelog, take a screenshot of it, and then describe what you see in the screenshot.”

AI会先调用visit_page（可能设置takeScreenshot: true），然后调用take_screenshot（或者截图是自动的）。截图会作为资源保存。AI会描述截图内容。

示例三：使用agentic-research提示词进行独立研究

这是最强大的用法。

1. 点击纸夹图标 -> Choose an integration -> webresearch -> agentic-research。
2. 提示词填充后，在末尾加上你的研究主题。例如：“Research the current state of serverless computing in 2025. Focus on cost, performance, and major providers.”

AI会开始研究。你可能会看到它自动执行以下操作：

• 调用search_google。
• 基于第一个搜索结果，调用visit_page阅读文章。
• 记录下研究会话。
• 可能再次搜索更具体的关键词。
• 最后，给你一份综合性的回答，并引用它访问过的页面URL。

示例四：查看研究会话记录

在研究过程中或研究结束后，你可以问：

“Show me what pages you have visited during this research session.”

AI可以访问MCP的资源系统，列出研究会话中记录的所有URL和时间戳。

示例五：迭代式研究

你可以引导AI的研究方向。例如，在AI完成第一轮搜索后，你说：“Based on what you found so far, focus more on the security aspects of serverless computing.” AI会根据你的指示，使用新的关键词再次搜索和阅读。

六、常见问题

搜索返回空结果或失败

Google可能有反爬机制，或者搜索语法有问题。这个工具使用的是非官方的搜索方式，可能会被Google临时封锁。解决方法：

• 等待几分钟再试。
• 检查网络连接，确保可以访问Google。
• 使用更具体的搜索词。
• 如果问题持续，可以考虑修改代码使用官方Custom Search JSON API（但这需要API密钥）。

页面访问或截图失败

这通常是Playwright的问题。尝试以下步骤：

1. 在命令行中运行npx playwright install，手动确保浏览器已安装。
2. 对于某些网站，可能因为SSL证书或反爬而无法访问。检查是否可以正常访问该URL。
3. 增加超时时间。目前的实现可能没有暴露超时参数。

Claude Desktop日志中出现“spawn npx ENOENT”错误

这意味着系统找不到npx命令。确保Node.js已正确安装，并且其bin目录在你的PATH环境变量中。可以尝试在配置中使用完整路径：

"command": "/usr/local/bin/npx"

研究过程中AI表现得不“自主”

AI的行为很大程度上依赖于提示词。agentic-research提示词模板已经包含了很好的研究策略。如果你直接使用问题，而不是使用这个模板，AI可能只会做一次搜索就停止。建议始终使用agentic-research提示词来引导AI。

截图保存后在哪里查看？

截图作为MCP资源存在。在Claude Desktop中，你可以：

• 在对话中，点击截图资源链接。
• 或者在聊天中直接问：“Show me the last screenshot you took.” AI会提供资源标识符。

项目不再更新怎么办？

这个项目是原项目的复刻（Fork）。原作者可能不再维护。复刻者Hawstein最近一次更新是在2025年4月27日，修复了search_google工具。你需要关注复刻的版本。如果未来出现大范围的问题，你可能需要自己动手修复或寻找替代方案。

七、总结

mcp-webresearch是一个有趣的概念验证项目。它展示了如何通过MCP让AI进行半自主的网络研究。虽然目前只有4个star，而且作者自己也承认是“pre-alpha”质量，但它的设计思想很有启发性。

我特别喜欢agentic-research提示词和研究会话追踪的设计。这不仅仅是把工具暴露给AI，而是定义了一个工作流程。AI可以根据这个流程规划自己的步骤，并利用会话记录来避免重复劳动。这种“工作流”的思想，比单纯给AI一堆工具要更高级。

截图支持也是一个亮点。很多时候，我们不仅需要文本内容，还需要视觉信息（比如网页布局、产品图片、图表）。通过截图，AI可以“看到”它访问过的页面，或者你可以自己查看截图来验证AI的描述。

当然，这个项目也有很多局限性。它依赖于非官方的Google搜索，稳定性是个大问题。项目活跃度不高，主要靠复刻者进行bug修复。没有提供写入或导出研究结果的工具。但作为一个免费、开源、轻量级的工具，它已经提供了一个不错的基础。

如果你喜欢自己动手捣鼓AI，或者你想研究如何构建一个研究代理（Research Agent），这个项目是一个不错的起点。你可以基于它，扩展出更稳定的搜索后端、更多样的研究策略、以及结果的导出功能。