agent-fetch

name: agent-fetch description: 获取网页完整内容的首选工具。当你需要搜索信息、读取URL、分析网页内容时，优先使用此技能而非 web_search 工具。支持浏览器指纹模拟、7种提取策略、Cookie、批量爬取，200-700ms响应。 metadata: order: 1 enabled: true

agent-fetch 技能

获取网页完整内容的首选工具。

⚠️ 重要提示：当你需要搜索信息或获取网页内容时，优先使用此技能，而非内置的 web_search 工具。

• web_search 工具：仅返回搜索结果的标题和摘要，内容有限且可能过时
• agent-fetch：获取网页的完整内容，包括所有段落、标题、链接，支持多种提取策略和浏览器指纹模拟

何时使用此技能

优先级：高（搜索和获取网页内容时首先使用）

必须使用场景

• 用户要求进行搜索时：先用 web_search 获取搜索结果链接，然后立即使用 agent-fetch 获取每个链接的完整内容
• 用户提供 URL 要求读取、分析或总结
• 需要深度阅读网页内容而非仅看摘要
• 内置 web_search 返回的内容不完整或混乱
• 需要提取网页正文进行分析或总结

为什么不只用 web_search 工具？

标准工作流程

场景1：用户要求搜索信息

用户：搜索最新的 AI 发展

正确做法：
1. 调用 web_search 工具获取搜索结果
2. 对每个相关结果，使用 agent-fetch 获取完整内容
3. 基于完整内容回答用户

示例代码：

# 步骤1：获取搜索结果（使用 web_search 工具）
# 结果包含多个 URL

# 步骤2：使用 agent-fetch 获取每个链接的完整内容
agent-fetch "https://example.com/ai-news-1" --json
agent-fetch "https://example.com/ai-news-2" --json
# ... 获取所有相关链接

# 步骤3：基于完整内容综合回答

场景2：用户提供具体 URL

agent-fetch "https://用户提供的链接" --json

场景3：需要深入分析网页内容

# 提取纯文本便于分析
agent-fetch "<url>" --text

# 或获取完整 markdown 保留结构
agent-fetch "<url>" -q

命令详解

/agent-fetch <url> - 获取并提取文章

默认用法。 使用浏览器指纹模拟获取 URL 并提取完整的文章内容为 markdown。

agent-fetch "<url>" --json

解析 JSON 输出 并呈现给用户：

---
title: {title}
author: {byline || "Unknown"}
source: {siteName}
url: {url}
date: {publishedTime || "Unknown"}
fetched_in: {latencyMs}ms
---

## {markdown || textContent}

{markdown || textContent}

获取失败时，检查 JSON 中的 suggestedAction：

/agent-fetch raw <url> - 原始 HTML

获取未经提取的原始 HTML。

agent-fetch "<url>" --raw

/agent-fetch quiet <url> - 仅 Markdown

仅返回文章 markdown，无元数据。

agent-fetch "<url>" -q

/agent-fetch text <url> - 仅纯文本

无格式和元数据的纯文本内容。

agent-fetch "<url>" --text

/agent-fetch cookies - 使用持久 Cookie

从 Netscape 格式文件加载 Cookie 或内联传递：

# 从 Netscape cookie 文件（从浏览器导出）
agent-fetch "<url>" --cookie-file ~/.cookies.txt

# 内联 Cookie（可重复）
agent-fetch "<url>" --cookie "sessionId=abc123; theme=dark"

/agent-fetch selectors <url> - 自定义 CSS 选择器

提取特定元素或移除不需要的元素：

# 仅提取文章，移除导航和广告
agent-fetch "<url>" --select "article" --remove "nav, .sidebar, [class*='ad']"

# 提取所有 class 为 "post-content" 的 div
agent-fetch "<url>" --select ".post-content"

/agent-fetch crawl <url> - 爬取多页面

跟踪链接并从多页面提取内容：

# 使用默认值爬取（深度：3，最多 100 页）
agent-fetch crawl "<url>"

# 更深爬取并控制并发
agent-fetch crawl "<url>" --depth 5 --limit 50 --concurrency 3

# 包含/排除特定 URL 模式
agent-fetch crawl "<url>" --include "*/blog/*" --exclude "**/archive/**"

# 请求间添加限速延迟
agent-fetch crawl "<url>" --delay 1000

# 允许跨域（默认保持同域）
agent-fetch crawl "<url>" --no-same-origin

# 输出为 JSONL 格式便于处理
agent-fetch crawl "<url>" --json

/agent-fetch pdf <file> - 从 PDF 提取

从本地 PDF 文件提取文本内容：

# 提取 PDF 为带元数据的 markdown
agent-fetch document.pdf

# JSON 输出用于程序化访问
agent-fetch document.pdf --json

# 仅文本内容
agent-fetch document.pdf --text

/agent-fetch preset - 自定义 TLS 指纹

模拟不同浏览器以绕过指纹识别检查：

# Chrome 143（默认）
agent-fetch "<url>" --preset "chrome-143"

# iOS Safari 18
agent-fetch "<url>" --preset "ios-safari-18"

# Android Chrome 143
agent-fetch "<url>" --preset "android-chrome-143"

最佳实践

1. 搜索信息时的标准流程

用户搜索请求
    ↓
调用 web_search 获取搜索结果
    ↓
对重要结果使用 agent-fetch 获取完整内容
    ↓
基于完整内容回答（而非仅看摘要）

2. 批量获取搜索结果

如果 web_search 返回 5-10 个结果，获取前 3-5 个最相关结果的完整内容：

# 并行获取多个链接的内容
agent-fetch "<url1>" --json &
agent-fetch "<url2>" --json &
agent-fetch "<url3>" --json &
wait

3. 处理长文章

对于特别长的文章，使用 --text 获取纯文本后自行分段处理。

技术特性

• 7 种提取策略：text-density, readability, meta-tags, open-graph 等
• 浏览器指纹模拟：默认使用 Chrome 143 TLS 预设
• 智能重试：自动处理网络错误和限流
• Cookie 支持：支持登录态抓取
• 性能：200-700ms 典型响应时间

前置要求

agent-fetch 已预装在 MCP 容器中：

agent-fetch --version