Kimi K3 + Scrapeless：为模型提供实时Web访问

Alex Johnson

Senior Web Scraping Engineer

21-Aug-2026

TL;DR:

Kimi K3 可以推理工具调用，但模型并不会自动拥有一个新鲜的网页副本。 客户端必须暴露搜索、页面提取或浏览器工具并将其结果返回给模型。
Scrapeless MCP 服务器提供了实时网页工具边界。 通过一个远程的 MCP 连接，代理可以执行类型化搜索、抓取和云浏览器操作，而无需将浏览器基础设施放入模型进程中。
OpenCode 可以承载集成的双方。 将 Kimi K3 配置为模型提供者，将 Scrapeless 配置为远程 MCP 服务器，然后在请求模型进行研究之前验证该服务器。
有依据的提示需要证据合同。 需要源 URL、提取字段、可为空值和新鲜时间戳，而不是接受不支持的叙述答案。
两个凭证保持独立。 MOONSHOT_API_KEY 授权模型提供者；SCRAPELESS_KEY 授权网页工具层。
免费开始。 新的 Scrapeless 账户包含免费试用积分 — 在 app.scrapeless.com 注册。

介绍：模型和网页工具是不同的组件

Kimi K3 可以规划、推理并发出结构化的工具调用。实时网页访问依然通过客户端和工具服务器到达。

这种分离是有用的。模型决定它需要什么证据；MCP 客户端验证类型请求；Scrapeless 执行搜索、提取或浏览器工作；结果返回给模型并附有可见的来源轨迹。模型从不需要直接访问浏览器凭证或网络接入。

本指南使用 OpenCode 作为具备 MCP 能力的客户端，因为其项目配置可以声明模型提供者和远程 MCP 服务器。同样的边界适用于任何符合标准的客户端。

您可以用 Kimi K3 和 Scrapeless 构建的内容

Kimi K3 加 Scrapeless 最佳工作方式是模型负责分析，工具层负责当前观察。

研究简报。 搜索一个主题，打开相关页面，提取声明和日期，然后返回一个源链接的简报。
产品监控。 阅读公共产品和更新日志页面，规范可见字段，并标记需要审查的实质性差异。
技术文档代理。 定位当前引用页面并从提取的内容中回答，而不是使用模型记忆。
市场地图。 发现公共组织或产品，提取固定架构，并为每条记录保留 URL。
证据感知的 RAG。 按需获取实时来源，并在内容进入检索索引之前附加来源信息。
浏览器研究。 当页面需要 JavaScript 渲染或多步骤导航时，使用云浏览器。

Scrapeless MCP 启动文章描述了工具表面，而 LangChain 集成显示了框架管理代理中的相同边界。

为什么实时网页访问很重要

Kimi K3 的训练和上下文窗口并不会让页面变得当前。发布说明、政策、价格或可用性字段在模型训练后或先前对话开始后可能会发生变化。

官方 Kimi K3 仓库 记录了模型 ID kimi-k3、与 OpenAI 兼容的访问、工具调用和保留的思维历史。它还明确了模型/客户端合同：多轮工具工作流必须将 API 返回的完整助手消息传回下一个请求。

MCP 解决的是一个不同的问题。MCP 生命周期规范 在正常工具操作之前定义了初始化和能力协商。因此，工具发现是第一个集成测试——而不是提示。

为什么选择 Scrapeless MCP 服务器

Scrapeless MCP 服务器为具有 MCP 能力的代理提供了一个类型化边界，以进行当前的网络工作：搜索、直接页面提取、屏幕截图和持久的云浏览器操作。

远程端点是 https://api.scrapeless.com/mcp 并使用 x-api-token 头。本地 stdio 包是 scrapeless-mcp-server。两者都保持浏览器和网络执行在 Kimi K3 的模型进程之外。

前提条件

Node.js 20 或更高版本。
一个支持 MCP 的客户端。本指南使用 OpenCode 的项目配置。
Kimi K3 API 访问权限和 MOONSHOT_API_KEY。
一个 Scrapeless 账户和 SCRAPELESS_KEY。
有权限访问每个目标，并存储返回的公共数据。

本地验证环境未包含任何服务密钥。已运行包安装、配置验证和客户端构建；已认证的模型生成和 MCP 工具发现仍被标记为前提条件。

安装集成包

安装验证工具所用的确切 MCP 客户端和本地服务器包：

bash Copy

npm install \
  @modelcontextprotocol/sdk@1.30.0 \
  scrapeless-mcp-server@0.5.0

包的边界与客户端 UI 独立。OpenCode 可以直接使用远程服务器；SDK 仍然对低级连接测试有用，且 stdio 包提供本地传输选项。

在 OpenCode 中连接 Kimi K3 和 Scrapeless

OpenCode 接受 opencode.json 中的项目配置。它的 提供者配置 支持 OpenAI 兼容的端点，其 MCP 配置接受带有头部的远程可流式 HTTP 服务器。

注意：加载以下配置需要有效的 MOONSHOT_API_KEY 和 SCRAPELESS_KEY 环境变量。JSON 形状已在本地验证；未呈现已认证连接作为完整运行。

json Copy

{
  "$schema": "https://opencode.ai/config.json",
  "model": "moonshot/kimi-k3",
  "providers": {
    "moonshot": {
      "name": "Moonshot AI",
      "env": ["MOONSHOT_API_KEY"],
      "package": "@opencode-ai/ai/providers/openai-compatible",
      "settings": {
        "baseURL": "https://api.moonshot.ai/v1"
      },
      "models": {
        "kimi-k3": {
          "name": "Kimi K3",
          "modelID": "kimi-k3"
        }
      }
    }
  },
  "mcp": {
    "servers": {
      "scrapeless": {
        "type": "remote",
        "url": "https://api.scrapeless.com/mcp",
        "oauth": false,
        "headers": {
          "x-api-token": "{env:SCRAPELESS_KEY}"
        }
      }
    }
  }
}

OpenCode 的 远程 MCP 服务器架构 使用绝对 URL 和一个头部对象。环境替换使凭证避免出现在代码库中。

开始使用 Scrapeless 抓取

使用 Scrapeless 启动您的网络抓取和自动化工作流程！
今天注册并获得 5 美元的免费信用— 无需信用卡。

立即在 Scrapeless 仪表板申请您的免费信用。

在提示 Kimi K3 之前验证工具边界

配置并不能证明连接正常。正确的检查初始化 MCP 客户端，协商能力，并在模型介入之前列出工具。

注意：此握手需要 SCRAPELESS_KEY。已安装的 SDK 和客户端构造函数已在本地验证，但已认证的 listTools() 调用在此无凭证环境中仍然是前提条件。

javascript Copy

import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StreamableHTTPClientTransport } from "@modelcontextprotocol/sdk/client/streamableHttp.js";

const transport = new StreamableHTTPClientTransport(
  new URL("https://api.scrapeless.com/mcp"),
  {
    requestInit: {
      headers: { "x-api-token": process.env.SCRAPELESS_KEY },
    },
  },
);

const client = new Client({ name: "kimi-k3-web-check", version: "1.0.0" });
await client.connect(transport);

const { tools } = await client.listTools();
console.log(tools.map(({ name }) => name).sort());

await client.close();

当密钥缺失时，测试应关闭失败。使用有效密钥时，检查返回的名称和模式，而不是从旧帖子中硬编码假设。

如何实际使用：提示 Kimi K3

服务器在客户端中出现后，以证据和输出的术语请求工作，而不是产品命令。

你可以粘贴的提示

目标	提示
当前技术简报	“研究此主题的当前公共文档。返回每一行的声明、证据 URL、页面标题和观察日期。”
产品比较	“仅使用每个页面上可见的字段比较这些公共产品页面。将缺失字段标记为 null。”
更改检查	“阅读此更改日志和产品页面。确定影响 API 用户的更改，并引用周围的证据。”
源发现	“首先搜索主要来源，打开最相关的页面，并解释每个来源为何具有权威性。”
结构化提取	“将可见项目提取到提供的 JSON 模式中。保留每条记录的标准 URL。”
浏览器工作流程	“在浏览器中打开页面，等待命名的用户界面元素，提取仅公共字段，然后关闭会话。”

实际示例：研究和提取

你输入：

从 Moonshot AI 的公共代码库中研究当前的 Kimi K3 部署指南。返回支持的 API 模型 ID、兼容接口、推荐推理引擎、源 URL，以及任何无法确认的字段为 null。使用当前的网络工具；不要凭记忆回答。

代理的计划应保持可见：

搜索 Moonshot AI 的第一方 Kimi K3 代码库。
打开仓库页面并识别部署部分。
只提取请求的字段。
保留源 URL 和页面标题。
对于页面上不存在的任何请求字段返回 null。

输出契约是紧凑的：

jsonc Copy

// illustrative sample
{
  "model_id": "kimi-k3",
  "api_style": ["OpenAI-compatible", "Anthropic-compatible"],
  "recommended_inference_engines": ["vLLM", "SGLang", "TokenSpeed"],
  "source_url": "https://github.com/MoonshotAI/Kimi-K3",
  "source_title": "MoonshotAI/Kimi-K3",
  "unconfirmed": []
}

所示值来自第一方仓库。在生产中，保持原始工具结果与规范化记录并排，以便审核者可以追踪每个字段。

生成可靠的输出

可靠的代理输出始于狭窄的数据契约。

命名源类。 当需要时，请求第一方文档、标准或公开记录。
指定字段。 固定模式可以防止有说服力的段落替代缺失证据。
保留规范 URL。 源 URL 使审查和后续更改检测成为可能。
允许 null。 缺失的信息比模型从记忆中填补空白更好。
将观察与推论分开。 将提取的字段和任何模型解释存储在不同的键中。
要求行动前审核。 研究可以自动化；发布、外联、采购和账户更改需要明确批准。

JSON-RPC 在客户端下承载 MCP 消息。JSON-RPC 2.0 规范 定义了将调用与结果配对的请求标识符和方法/参数结构。

限制和先决条件

Kimi K3 和 Scrapeless 解决系统的不同部分，因此故障出现在不同的边界。

边界	典型症状	正确响应
模型凭证	提供者拒绝生成	确认 Moonshot 账户和环境变量
MCP 凭证	工具发现未授权	确认 Scrapeless 账户和 `x-api-token` 头部
客户端模式	服务器未加载	验证 OpenCode 配置与当前版本
页面访问	公开内容缺失或受限	停止并返回访问限制
提取	某字段缺失	返回 null 并保留证据页面
操作批准	任务将更改外部状态	暂停以等待授权人员