Fetch MCP：给 AI 抓取网页的轻量连接器

Fetch MCP Server 是一个把“抓取网页内容”做成标准工具的 MCP 连接器，让 AI 助手能直接把任意网址变成可读的 Markdown 文本。

很多 AI 客户端默认只能处理你贴进去的文字，遇到“帮我看看这个网页说了什么”就束手无策。Fetch MCP 填补了这个缺口：它在本地以 stdio 方式启动，把网页 HTML 转成干净的 Markdown 喂给模型，支持分页读取长页面。下面讲清它怎么装、怎么配、注意什么。

工具信息

核心能力

网页抓取转 Markdown。 核心工具 fetch 接收一个 URL，把页面 HTML 转换成 Markdown 返回，模型读取成本更低、噪音更少。场景：让 AI“读一下这个 API 文档页并总结鉴权步骤”，它直接抓回来解析，不用你手动复制粘贴。

分页读取超长页面。 工具支持 start_index 与 max_length 参数（默认最多 5,000 字符），模型可以分多次从指定位置续读。场景：面对几万字的规范文档，AI 先读开头定位章节，再跳到对应位置精读，避免一次性截断丢信息。

只读、安全导向的默认策略。 该工具标注了 readOnlyHint，只读取不修改；默认拒绝抓取私有地址、loopback、链路本地以及云元数据端点（如 169.254.169.254），每一跳重定向都做同样检查。场景：在共享环境里启用时，默认策略能挡住误抓内网资产的风险。

默认遵守 robots.txt。 当请求来自模型（经工具调用）时，服务器默认遵循目标站点的 robots.txt；若是用户主动发起的 prompt 抓取则可不遵守。场景：做合规的数据采集时，默认行为帮你规避违规抓取。

附带 fetch 提示词模板。 除了工具，它还提供一个 fetch prompt，让模型按“抓 URL 并提取为 Markdown”的标准流程工作。场景：新手客户端里直接调用该 prompt，就能获得一致的抓取体验，不必自己拼参数。

使用上手

1. 准备运行环境：任选一种方式——装了 Python 后 pip install mcp-server-fetch，或用 uvx（推荐，自动管依赖），或拉 mcp/fetch 镜像。
2. 写配置文件：在客户端的 MCP 配置里加入下面的 JSON（以 uvx 为例）：

{
  "mcpServers": {
    "fetch": {
      "command": "uvx",
      "args": ["mcp-server-fetch"]
    }
  }
}

3. 选用其它启动方式：用 docker 时把 command 改为 docker、args 改为 ["run", "-i", "--rm", "mcp/fetch"]；用 pip 安装后则 command 用 python、args 用 ["-m", "mcp_server_fetch"]。
4. 重启客户端：保存配置后重启 Claude.app / VS Code / Claude Code 等，确认 fetch 工具已出现在可用工具列表。
5. 调用验证：让模型“抓取 https://modelcontextprotocol.io 的首页并简述”，若返回 Markdown 摘要即配置成功。

优点与不足

• 优点：安装简单、stdio 本地运行无额外服务；把网页变 Markdown 极大提升 AI 读网效率；默认安全策略对内网与元数据端点有保护。
• 不足：默认不抓私有/内网地址，内网文档需显式加 --allow-private-ips（有暴露风险，慎用）；依赖 MCP Python SDK 2.x；抓取效果受目标站反爬与结构影响。

适合谁

需要让 AI 客户端“能上网读页面”的开发者；做研究、文档总结、竞品分析的 agent 工作流；希望用标准 MCP 而非自建爬虫来取网页内容的团队。

下载与访问

• 仓库与文档：https://github.com/modelcontextprotocol/servers （fetch 在 src/fetch）
• MCP 官方站点：https://modelcontextprotocol.io
• Python 包：pip install mcp-server-fetch（PyPI 同名 mcp-server-fetch）

许可证与获取

本文属于「连接器」分类的 AI 资源专栏，更多评测见分类页。