Использование с OpenCode

Об OpenCode

OpenCode - это терминальный AI-агент для написания кода (по форме похож на Claude Code или Aider) с нативной поддержкой Model Context Protocol: как локальных stdio-серверов, так и удалённых HTTP-серверов, с хелперами OAuth и bearer-auth для удалённого варианта. MCP-сервер Crawlbase - это локальный stdio-сервер, поэтому вам нужен блок локальной конфигурации ниже.

Установка OpenCode

Пропустите этот раздел, если OpenCode у вас уже запущен. В противном случае канонический способ установки такой:

# macOS / Linux / WSL - one-liner installer
curl -fsSL https://opencode.ai/install | bash

# Or via npm / Homebrew / paru - see opencode.ai for details

Файл конфигурации

OpenCode читает MCP-серверы из JSON-конфига рядом с остальными своими настройками. Выберите подходящую область: global означает, что каждый проект, который вы открываете в OpenCode, видит инструменты Crawlbase; per-project означает только тот репозиторий, в котором лежит файл.

Конфигурация

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "crawlbase": {
      "type": "local",
      "command": ["npx", "-y", "@crawlbase/mcp@latest"],
      "enabled": true,
      "environment": {
        "CRAWLBASE_TOKEN": "YOUR_TOKEN",
        "CRAWLBASE_JS_TOKEN": "YOUR_JS_TOKEN"
      }
    }
  }
}

Обратите внимание на специфичные для OpenCode ключи: mcp (а не mcpServers), type: "local" (а не "stdio"), command как массив строк и environment (а не env). Пакет Crawlbase MCP в npm тот же самый, что используют все остальные клиенты: отличается только схема обёртки конфига.

Сохраните файл и перезапустите OpenCode. Инструменты Crawlbase появляются как стандартные MCP-инструменты, которые агент может задействовать прямо посреди диалога; вам не нужно упоминать их по имени в промпте.

Использование в чате

Запустите сессию OpenCode и попросите что-то, чему пригодится актуальный веб-контекст. Агент сам решает, когда обратиться к инструментам Crawlbase: вам не нужно вызывать их явно.

Pull the latest TanStack Query docs from
https://tanstack.com/query/latest and refactor our hooks
in src/hooks/useUser.ts to match the v5 API.

Сценарии, которые хорошо работают

• Поиск актуальной документации: «Прочитай свежую документацию library и обнови наш код» - лучше, чем то, что зашито в обучающую выборку модели.
• Анализ конкурентов: «Посмотри, как конкурент реализует фичу на своём публичном сайте, и предложи эквивалент в нашей кодовой базе».
• Скрейпинг во время сборки: разовые загрузки данных прямо изнутри задачи агента - полезно, когда данные слишком эфемерны или слишком специфичны для конкретной цели, чтобы хранить их в кодовой базе.