开源 AI 网络搜索工具:OpenWebSearch MCP 全新升级,支持多引擎 + 流式响应!

开源 AI 网络搜索工具:OpenWebSearch MCP 全新升级,支持多引擎 + 流式响应!

🚀 开源 AI 联网搜索工具:Open-WebSearch MCP 全新升级,支持多引擎 + 流式响应!

💡「让你的 AI 插件真正能联网」—— 不需要 API Key,搜索结果可控、开箱即用!

大家好,我最近开源了一个 AI 插件开发工具 —— Open-WebSearch MCP。这个项目旨在解决 AI 在实际应用中无法联网联网费用高昂的问题,特别适合在 Claude、LangChain、RAG 方案中添加“实时搜索”能力。


🧠 项目亮点一览

多引擎实时搜索

  • 支持 Bing百度ZEEKLOGDuckDuckGoExaBrave(目前 linux.do 暂不支持)
  • 支持HTTP代理配置,轻松解决网络访问限制
  • 支持HTTP代理配置,轻松解决网络访问限制
  • 可配置引擎组合搜索,获取更全面的内容

流式响应(MCP协议)

  • 完美兼容 Claude 插件(MCP)协议
  • 更新为支持 streamableHttpSSE 两种方式返回搜索结果,体验丝滑流畅

文章正文抓取

  • 支持提取 ZEEKLOG 博客文章全文
  • 支持提取 Linux.do(开发中)

完全免费 & 无需 API Key

  • 不再依赖 Bing API / Google Custom Search
  • 可自托管,无额度限制,数据可控

Docker 一键部署

  • 提供 docker-compose 和镜像:ghcr.io/aas-ee/open-web-search

⚙️ 如何使用?

安装非常简单:

git clone https://github.com/Aas-ee/open-webSearch cd open-webSearch npminstallnpm run build node build/index.js 

或者直接使用 Docker 启动:

docker run -d \ --name web-search \ -p 3000:3000 \ -e ENABLE_CORS=true \ -e CORS_ORIGIN=* \ ghcr.io/aas-ee/open-web-search:latest 

配置环境变量说明(可选):

# 启用CORS (默认: false)ENABLE_CORS=true # CORS来源配置 (默认: *)CORS_ORIGIN=* # 默认搜索引擎 (可选值: bing, duckduckgo, exa, brave,默认: bing)DEFAULT_SEARCH_ENGINE=duckduckgo # 启用HTTP代理 (默认: false)USE_PROXY=true # 代理服务器URL (默认: http://127.0.0.1:10809)PROXY_URL=http://your-proxy-server:port 
配合 Claude Dev Extension、Claude Desktop、Cherry Studio 使用效果更佳!

⚙️ MCP 客户端配置指南

💻 Cherry Studio

{"mcpServers":{"web-search":{"name":"Web Search MCP","type":"streamableHttp","description":"Multi-engine web search with article fetching","isActive":true,"baseUrl":"http://localhost:3000/mcp"},"web-search-sse":{"name":"Web Search SSE","type":"sse","description":"SSE version of web search","isActive":true,"url":"http://localhost:3000/sse"}}}

🔍 Claude Dev Extension (VSCode)

{"mcpServers":{"web-search":{"transport":{"type":"streamableHttp","url":"http://localhost:3000/mcp"}},"web-search-sse":{"transport":{"type":"sse","url":"http://localhost:3000/sse"}}}}

💻 Claude Desktop

{"mcpServers":{"web-search":{"transport":{"type":"streamableHttp","url":"http://localhost:3000/mcp"}},"web-search-sse":{"transport":{"type":"sse","url":"http://localhost:3000/sse"}}}}
如果你是 Docker 部署,请把 localhost 换成实际 IP 地址

🧩 MCP 工具支持

🔍 search:多引擎搜索工具

{ query:"Claude 插件开发", limit:5, engines:["bing","ZEEKLOG"]}

✅ 返回结构化数据(标题、URL、摘要、来源)


📄 fetchZEEKLOGArticle:提取 ZEEKLOG 文章全文

{ url:"https://blog.ZEEKLOG.net/xxx/article/details/xxx"}

✅ 获取正文,支持摘要分析、RAG、训练语料等场景


🧪 fetchLinuxDoArticle:抓取 Linux.do 文章(目前不稳定)


📦 CI/CD:支持 Docker 镜像自动构建发布

如果你想 Fork 并发布自己的版本,也完全没问题:

  • 支持 GitHub Actions 自动构建并发布到:
    • GitHub Container Registry(ghcr.io)
    • 阿里云容器镜像服务(可选配置 ACR)

✅ 提供详细 CI/CD 配置文档
✅ 开发者可自由部署在内网、私有云环境下


🧱 后续计划

🛠 支持更多搜索引擎(Google、知乎、Reddit)
🛠 支持文档类内容全文抽取(如微信公众号、掘金)


⭐ 项目地址

🧩 GitHub 地址:https://github.com/Aas-ee/open-webSearch
📦 Docker 镜像:ghcr.io/aas-ee/open-web-search:latest

如果你觉得这个项目对你有帮助,请 Star 一下再走 💖,你的支持是我继续迭代的最大动力!


📣 一句话总结:

「Open-WebSearch MCP:让你的 AI 插件真正实现联网搜索,开源、免费、灵活、强大。」

Read more

无人机数据集汇总无人机航拍各个方面检测分割数据集合集

本数据集集合了面向无人机视觉任务的大规模、多场景、多目标标注数据资源,涵盖了地理环境、智慧城市、基础设施巡检、农业生产、公共安全与灾害监测等多个关键领域。数据主要以两种主流格式提供:适用于目标检测的VOC/YOLO格式与适用于像素级语义分割的LabelMe格式,为算法开发与模型训练提供了高度结构化的标注支持。 在地理与农业监测方面,包含田地、道路、森林、水体等地理要素的分割数据集,以及作物病害、杂草识别、农田农机、牛羊牲畜等农业目标的检测数据,支持精准农业与生态研究。智慧城市与交通领域提供了丰富的城市街道场景数据,涵盖行人、车辆、交通标志、占道经营、消防通道、广告牌等目标的检测与分割,助力城市智能化管理。基础设施巡检是另一重点,覆盖电力线、光伏板、桥梁、铁路、风力发电机等设备的缺陷与异常检测,以及工地车辆、施工人员、物料垃圾的识别,满足工业自动化巡检需求。在灾害与安全监控中,包含滑坡、洪水、火灾烟雾、河道垃圾、违规建筑等应急场景的检测与分割数据,同时提供了溺水人员、海上救援、军事目标等特殊任务的专项数据集。此外,

Lingyuxiu MXJ LoRA集成教程:嵌入Stable Diffusion WebUI插件方案

Lingyuxiu MXJ LoRA集成教程:嵌入Stable Diffusion WebUI插件方案 1. 为什么需要这个LoRA引擎?——从“想画出她”到“真的画出来” 你有没有试过在Stable Diffusion里输入“温柔的东方少女,柔光侧脸,细腻皮肤,电影感胶片色调”,结果生成的脸部模糊、光影生硬、发丝粘连,甚至五官比例奇怪?不是模型不行,而是通用底座模型(如SDXL)并不天然懂“Lingyuxiu MXJ”这种高度风格化的审美语言。 Lingyuxiu MXJ不是一张图、一个提示词模板,而是一套可复现、可迭代、可部署的真人人像美学系统:它聚焦于东方女性面部结构的精准刻画(眼距、鼻梁弧度、下颌线过渡)、皮肤质感的物理级模拟(绒毛级细节+亚光漫反射)、以及光影情绪的统一调度(非高光堆砌,而是用软阴影塑造呼吸感)。这套风格无法靠调参或换Lora随便凑出来——它需要被“教懂”,而本项目,就是那个把“

SpringBoot+Vue+Netty+WebSocket+WebRTC 实现视频聊天

SpringBoot+Vue+Netty+WebSocket+WebRTC 实现视频聊天

实时音视频聊天是当下社交、在线协作类应用的核心功能之一,WebRTC(Web Real-Time Communication)作为浏览器原生支持的实时通信技术,能让前端无需插件即可实现点对点音视频传输;而 Netty 作为高性能的 Java NIO 框架,可提供稳定的 WebSocket 通信通道,配合 SpringBoot 的快速开发能力和 Vue 的前端工程化能力,能快速搭建一套完整的视频聊天系统。本文将详细讲解如何基于这些技术栈实现一对一视频聊天功能。 一、SpringBoot+Vue+Netty+WebSocket+WebRTC 实现视频聊天 技术栈核心作用SpringBoot后端快速开发框架,整合 Netty、配置 WebSocket,提供接口支撑Vue前端工程化框架,负责音视频界面渲染、WebRTC API 调用Netty高性能网络通信框架,实现 WebSocket 服务端,处理客户端连接和信令转发WebSocket全双工通信协议,用于前端和后端之间的信令(如呼叫、应答、ICE 候选)

工业监控系统:C#上位机多PLC数据采集+Web可视化(WPF+SignalR)

工业监控系统:C#上位机多PLC数据采集+Web可视化(WPF+SignalR)

在工业自动化产线、智能工厂监控场景中,多PLC设备的集中数据采集与远程可视化是核心需求。WPF作为C#高端桌面应用框架,具备美观流畅的界面渲染能力;SignalR作为实时通信框架,可实现桌面端与Web端的毫秒级数据推送。本文将从零到一搭建多PLC并行采集(西门子S7系列)+ WPF本地监控 + SignalR实时推送 + Web可视化展示的完整工业监控系统,代码可直接复用,适配工业现场严苛环境。 一、项目核心架构与前期准备 1.1 整体架构设计 系统采用“分层架构+分布式通信”模式,形成“设备层-采集层-通信层-可视化层”的完整闭环: 1. 设备层:多台西门子PLC(S7-200SMART/300/400/1200/1500),提供产线温度、压力、电机转速、IO状态等工业数据; 2. 采集层:WPF上位机(.NET 8),封装多PLC并行采集工具类,支持断线重连、数据缓存、采集频率配置; 3. 通信层: