jina-ai/MCP

解決的問題

本專案提供一個遠端 Model Context Protocol (MCP) 伺服器，讓 LLM 能夠存取一系列基於網路的工具，用於內容擷取、網路搜尋與語意分析。它解決了 LLM 知識過時或受限的問題，透過標準化協定，讓 LLM 能讀取網頁、進行網路搜尋，並處理來自 arXiv 與 SSRN 的學術論文。

運作方式

伺服器使用 Streamable HTTP 傳輸實作 Model Context Protocol (MCP)。它作為 MCP 相容客戶端（如 Cursor、Claude Desktop 或 LM Studio）與 Jina AI 的 API（Reader、Embeddings 與 Reranker）之間的橋樑。當 LLM 請求某個工具時，伺服器會呼叫對應的 Jina AI API 來執行任務——例如將 URL 轉換為 markdown、執行深度網路搜尋，以及對文件進行相關性重排序。

適用對象

使用支援 MCP 標準的 AI 代理與 LLM 客戶端的開發者與使用者，希望將高品質的網路搜尋、學術研究與網路內容擷取整合至 AI 工作流程中。

主要亮點

• 全面的工具集：包含 22 個工具，用於網路搜尋（web、arXiv、arXiv、SSRN）、截圖擷取與 PDF 提取（圖表、表格、公式）。
• 深度搜尋：search_web_deep 工具會讀取每個結果頁面，並使用 Reranker API 從每個頁面返回最佳的段落級內容片段。
• 上下文視窗優化：支援透過查詢參數（include_tools、exclude_tools）進行伺服器端過濾，防止 LLM 將上下文權杖浪費在未使用的工具定義上。
• 平行處理：提供搜尋與讀取工具的 parallel_* 版本，可並行執行多個查詢或 URL，提升效率。
• 基於問題的閱讀：read_url 工具可接受 question 參數，僅返回頁面中最相關的排序片段，而非完整內容。
• 回應長度限制：實作權杖防護機制，防止回應因客戶端固定權杖限制（例如 25k 權杖）而被拒絕。