关键词

AI工具LLM上下文网页内容提取智能搜索文本图像处理

项目简介

Jina AI MCP 服务器是基于 Model Context Protocol (MCP) 构建的远程应用后端，旨在以标准化方式向大型语言模型 (LLM) 客户端提供丰富的上下文信息和外部功能。它托管并管理各类工具 (Tools)，允许 LLM 调用 Jina AI 的 Reader、Embeddings 和 Reranker API，以实现如网页内容提取、网络搜索、图像搜索、文本与图像的嵌入及重排序等功能。

主要功能点

该服务器提供了一系列强大的工具，LLM 可以通过这些工具执行复杂任务：

  • 上下文感知：'primer' 工具提供实时本地化信息，如当前时间、用户位置和网络环境，帮助 LLM 生成更具情境感的响应。
  • 网页内容处理：
    • 'read_url'：从网页或 PDF 文件中提取并转换为干净、可读的 Markdown 文本，并可选择性地提取所有链接和图片信息。
    • 'capture_screenshot_url'：捕获网页的高质量截图，支持截取首屏或整个页面。
    • 'guess_datetime_url'：分析网页，精确估算其上次更新或发布的时间，并提供置信度。
  • 智能搜索：
    • 'search_web'：在整个网络上进行搜索，获取最新的信息、新闻和文章。
    • 'search_arxiv'：搜索 arXiv 预印本库中的学术论文和研究资料。
    • 'search_images'：在网络上搜索图像，并可选择返回图片链接或直接下载为 Base64 格式。
    • 'parallel_search_web'：并行执行多项网络搜索，以获取更全面和多样化的主题覆盖。
    • 'parallel_search_arxiv'：并行执行多项 arXiv 搜索，以涵盖更广泛的学术研究视角。
  • 文本与图像处理：
    • 'expand_query'：基于查询扩展模型，扩展和重写搜索查询，用于更深入和多样化的搜索。
    • 'sort_by_relevance'：使用 Jina Reranker API，根据查询的相关性对文档列表进行重排序。
    • 'deduplicate_strings'：利用 Jina Embeddings 和子模优化，从字符串列表中获取语义上独一无二的顶 K 个字符串。
    • 'deduplicate_images'：使用 Jina CLIP v2 嵌入和子模优化，从图像列表（URL 或 Base64 编码）中获取语义上独一无二的顶 K 个图像。

安装步骤

该服务器主要设计为远程服务，但您也可以选择在本地运行或部署到 Cloudflare Workers。

  • 本地开发运行：
    1. 克隆仓库：'git clone https://github.com/jina-ai/MCP.git'
    2. 进入目录：'cd MCP'
    3. 安装依赖：'npm install'
    4. 启动开发服务器：'npm run start'
  • 部署到 Cloudflare Workers： 您可以点击 Deploy to Workers 按钮，一键部署到您的 Cloudflare Workers 账户。部署后，您将获得一个类似 'jina-mcp-server.<your-account>.workers.dev/sse' 的服务 URL。

服务器配置

Jina AI MCP 服务器作为一个远程服务运行，您需要将其配置到支持 MCP 协议的 LLM 客户端中。

1. 对于直接支持远程 MCP 服务器的客户端 (如 LM Studio, Cursor)：

您只需在客户端的 MCP 服务器配置中提供远程 URL 和可选的授权信息。'JINA_API_KEY' 是您在 jina.ai 免费获取的 API 密钥。

{
  "mcpServers": {
    "jina-mcp-server": {
      "url": "https://mcp.jina.ai/sse",
      "headers": {
        "Authorization": "Bearer ${JINA_API_KEY}" // 可选：您的 Jina AI API 密钥
      }
    }
  }
}
  • 'jina-mcp-server'：自定义的 MCP 服务器名称。
  • 'url'：MCP 服务器的端点 URL。推荐使用 '/sse' (Server-Sent Events) 端点，它支持流式传输和更稳定的连接。
  • 'headers.Authorization'：用于 API 身份验证的 Bearer Token。如果您有 Jina AI API 密钥，请替换 '${JINA_API_KEY}' 为您的实际密钥。部分工具需要此密钥才能使用，或获得更高的速率限制。

2. 对于尚不支持远程 MCP 服务器的客户端 (需要本地代理)：

如果您的 LLM 客户端无法直接连接远程 MCP 服务器，您可以使用 'mcp-remote' 作为本地代理。首先确保您已安装 Node.js 和 npm。

{
  "mcpServers": {
    "jina-mcp-server": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "https://mcp.jina.ai/sse",
        "--header",
        "Authorization: Bearer ${JINA_API_KEY}" // 可选：您的 Jina AI API 密钥
      ]
    }
  }
}
  • 'command'：用于启动 'mcp-remote' 代理的命令，通常是 'npx'。
  • 'args'：传递给 'mcp-remote' 命令的参数列表。
    • 第一个参数是远程 MCP 服务器的 URL（'https://mcp.jina.ai/sse'）。
    • '--header'：用于传递 HTTP 请求头，例如 'Authorization: Bearer ${JINA_API_KEY}' 来包含您的 API 密钥。

基本使用方法

  1. 配置客户端：将上述 MCP 服务器配置添加到您选择的 LLM 客户端（如 Cursor、LM Studio）的设置中。
  2. 启动客户端：确保客户端已正确加载并识别 Jina AI MCP 服务器。
  3. 调用工具：在与 LLM 交互时，LLM 将能够自动识别并调用 Jina AI MCP 服务器提供的工具，例如：
    • 当 LLM 需要获取网页内容时，它可能会自动调用 'read_url'。
    • 当 LLM 需要最新信息时，它可能会调用 'search_web'。
    • 您可以尝试在对话中明确要求 LLM 使用某个工具，例如“请使用 'read_url' 工具读取 [网页链接] 的内容”。

信息

分类

AI与计算

访问项目