Apify MCP服务器让AI实时获取电商数据

让 Claude 或 ChatGPT 去查一个随机电商网站上的商品价格，它要么会拒绝（无法浏览网页），要么从过时的训练数据里瞎猜。即使是有浏览能力的 AI 助手，实际能查到结果的情况也远比预期少：Apify 自己的测试发现，Claude 直接浏览五大零售商网站，从 100 个商品中只拉取到 0 个——而接上 Apify 的 MCP server 后，变成了 100 个全中。同样的模型，同样的问题，结果却完全不同——因为瓶颈从来不是模型的推理能力，而是缺少一种可靠的方式来读取商品页面。

本指南展示完整的配置步骤：将 Claude Desktop 连接到 Apify 的 MCP server，然后通过它获取干净、结构化的商品数据——包括一个使用专门为此构建的 actor 的真实示例（Product Data for AI Shopping Agents）。

这里实际发生了什么

MCP（Model Context Protocol）是一个标准，允许 AI 模型在对话过程中调用外部工具——不仅仅是生成文本，而是真正获取实时数据或执行操作。Apify 运营着一个 MCP server，将其整个 Store（70,000+ actors——爬虫、提取器、自动化工具）都暴露为可调用的工具。连接后，Claude 可以搜索到合适的工具、用真实输入调用它，并在对话中获取真实输出。

第一步：将 Claude Desktop 连接到 Apify 的 MCP server

打开 Claude Desktop 的配置文件（claude_desktop_config.json），添加以下配置之一：

远程，OAuth（推荐——无需管理 token）：

{
  "mcpServers": {
    "apify": {
      "url": "https://mcp.apify.com"
    }
  }
}

首次连接会打开浏览器进行 Apify 登录和授权，无需其他配置。

远程，带 token（如果你不想走 OAuth 流程）：

{
  "mcpServers": {
    "apify": {
      "url": "https://mcp.apify.com",
      "headers": {
        "Authorization": "Bearer <YOUR_APIFY_TOKEN>"
      }
    }
  }
}

Token 可从 Apify Console → Settings → API & Integrations 获取。

本地（stdio），如果你希望运行在自己的机器上而不是 Apify 的远程端点：

{
  "mcpServers": {
    "apify": {
      "command": "npx",
      "args": ["-y", "@apify/actors-mcp-server"],
      "env": {
        "APIFY_TOKEN": "YOUR_APIFY_TOKEN"
      }
    }
  }
}

重启 Claude Desktop。现在你应该能看到 Apify 的工具可用——search-actors、call-actor、get-dataset-items 等。

使用 ChatGPT 代替

ChatGPT 通过 Developer Mode 而不是配置文件来连接 MCP server。完整的读写访问权限（call-actor 需要，因为运行 actor 是一种写操作）在 Business、Enterprise 和 Edu 计划中可用；Pro 在 developer mode 下只有读/获取权限。Plus 和 Free 目前不支持自定义连接器。

如果你使用的是支持的计划：

Settings → Apps → Advanced Settings → 开启 Developer Mode。

Settings → Apps → Create → 添加一个新的连接器。

粘贴服务器 URL：https://mcp.apify.com，设置认证（OAuth 最简单——与 Claude 相同的流程）。

点击 Scan Tools，等待索引 Apify 的工具列表。

在新对话中，点击工具图标，选择 Apify 连接器，然后像在 Claude 中一样提问——或者在对话中 @提及它当你需要新的调用时。

连接器扫描完成后，以下所有内容——call-actor 的输入、输出结构、定价——都是相同的。

第二步：获取真实商品数据

你不需要记住 actor 的确切名称——只需自然地向 Claude 提问，它会使用 search-actors 来找到合适的：

"Search Apify for an actor that turns e-commerce product pages into structured data for AI agents."

或者直接跳过搜索，用 call-actor 按名称调用 actor：

{
  "actor": "dynamict3ch/product-data-for-ai-shopping-agents",
  "input": {
    "startUrls": [
      { "url": "https://mejuri.com/ca/en/products/bia-mini-hoops" }
    ],
    "maxRequestsPerCrawl": 10
  }
}

这次调用返回的真实输出：

{
  "id": "p134860210",
  "name": "18k Gold Vermeil / Lab Grown White Sapphire",
  "brand": "Mejuri",
  "price": 168,
  "currency": "CAD",
  "availability": "InStock",
  "rating": 4.6,
  "reviewCount": 29,
  "url": "https://mejuri.com/ca/en/products/bia-mini-hoops",
  "imageUrl": "https://cdn.shopify.com/...",
  "description": null,
  "embeddingText": "18k Gold Vermeil / Lab Grown White Sapphire — Mejuri",
  "source": "json-ld",
  "scrapedAt": "2026-09-11T04:01:52.791Z"
}

无论 URL 指向哪家商店，返回的数据结构始终一致——包含 name、brand、price、currency、stock status、rating，以及 source URL，每个字段都明确存在（或明确为 null），而不是出现缺失的键让你需要做防护判断。

第三步：像 Agent 一样使用

连接后，你不必一次只调用一次。真实的 prompt 可能像这样：

"Here are three ring product URLs. Get the current price and rating for each, and tell me which one has the best rating-to-price ratio."

Claude 对每个 URL 调用一次 actor（或者在一个 startUrls 列表中批量处理），获取结构化的记录，然后基于真实数据而非它半记不牢的商品描述来推理。

为什么这比 Agent 直接浏览页面效果更好

大多数电商网站会嵌入 schema.org/JSON-LD 商品标记给 Google 的爬虫用——这个 actor 首先读取那种结构化数据，只有在 JSON-LD 不存在时才回退到 Open Graph 标签。这就是区别：Agent 解析一百种不同的 HTML 布局（每次重新设计都会坏掉）vs. Agent 读取网站已经以机器可读格式发布的数据。

按次计费：按返回的商品记录数收费，而非按页面抓取数。大约每个商品 $0.01——100 个商品的批次大约花费一美元。

Product Data for AI Shopping Agents on Apify Store

Sources: Apify — Real-time product data for AI agents, Apify MCP server documentation