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

WebGIS + 无人机 + AI:下一代智能巡检系统?

WebGIS + 无人机 + AI:下一代智能巡检系统?

WebGIS 遇上无人机,再叠加 AI 能力,巡检不再只是“看画面”,而是变成“智能决策系统”。 一、为什么 WebGIS + 无人机 + AI 是趋势? 在传统巡检场景中: * 电力巡检 → 人工拍照 * 工地巡查 → 人工记录 * 农业监测 → 靠经验判断 * 安防巡逻 → 事后回放 问题: * 数据无法实时分析 * 缺乏空间关联 * 没有智能预警能力 * 无法形成可视化决策系统 而结合: * WebGIS(三维可视化) * 无人机(数据采集) * AI(智能识别与分析) 我们可以构建: 一个真正的“空天地一体化智能巡检系统” 二、整体技术架构设计 1、系统分层架构 ┌──────────────────────────────┐ │ 前端可视化层 │ │ Cesium + Three.js + WebGL │ └──────────────┬───────────────┘ │ ┌──────────────▼───────────────┐ │ 业务中台层 │ │ AI推理

YOLO+OpenClaw+SAM微调实战:工业缺陷自动标注的低代码落地

YOLO+OpenClaw+SAM微调实战:工业缺陷自动标注的低代码落地

YOLO+OpenClaw+SAM微调实战:工业缺陷自动标注的低代码落地 不能实时,不代表不能用。微调SAM+云端部署,让工业标注从“人工描边”变“一键验收”。 大家好,我是AI小怪兽。上周有位做PCB质检的读者发来一段视频:标注员正对着一块电路板缺陷图,用鼠标一点点勾勒划痕的边界,一张图花了8分钟。他说:“YOLO能框,但框不准;SAM能分割,但通用模型到我们产线就水土不服。有没有办法让标注员少点鼠标?” 当然有。今天我就结合工业缺陷检测场景,展示一套低代码落地路径:YOLO粗定位 + 微调SAM精分割 + OpenClaw自动调度,让标注员从“动手画”变成“动口验收”。 一、工业自动标注的三道坎 坎1:OpenClaw无法实时推理 OpenClaw从接收指令到调用模型返回结果,5秒以上是常态。产线上的产品不可能等5秒,但标注任务可以——把数千张图丢给AI,让它半夜慢慢跑,员工早上来验收结果,不香吗? 坎2:边缘端算力要求大,且存在安全风险 OpenClaw调用大模型需要至少8GB显存,

机器人导论 第六章 动力学(1)——牛顿欧拉法推导与详述

机器人导论 第六章 动力学(1)——牛顿欧拉法推导与详述

机器人动力学分析复习速通 机器人分析分为 牛顿欧拉法、拉格朗日法、高斯法、凯恩方法 matlab提供的逆动力学采用的是牛顿欧拉法:RNE——Recursive Newton-Euler 需要三个参数,第一个是给定最终的角度,第二个是速度,第三个是角加速度,返回各个关节所需要的力矩。 可选参数有重力加速度和负载fext 牛顿欧拉法 我们的目标是给定机器人的关节位置 q、速度 qd 和加速度 qdd,计算出为了产生这个运动状态,每个关节需要施加多大的驱动力矩 。 一上来看到有人问——我们不是用力域雅可比解决了每个关节应该分配多大力矩的问题了吗? 这是我初学的时候也弄混的问题。 “力域雅可比”解决的是一个不同的问题,属于静力学或外力映射范畴,他的目的是将作用在机器人末端执行器上的外力/力矩 映射到对应的关节空间力矩 。 区别就是一个是给定运动状态,计算每个关节为了达到这个运动状态需要多大力; 另一个则是给定末端的力,计算这个力分配在各个关节上是多大。 牛顿欧拉法的精髓在于正推和逆推,我们来看这个过程: * 正向递推(Forward Recursion):从基

微搭低代码MBA 培训管理系统实战 19——教务管理:从订单到课时卡的自动转化

微搭低代码MBA 培训管理系统实战 19——教务管理:从订单到课时卡的自动转化

目录 * 前情回顾 * 一、 数据源设计 * 1.1 学员档案表 (`MBA_StudentProfiles`) * 1.2 课时卡表 (`MBA_LearningCards`) * 二 创建管理页面 * 2.1 搭建财务布局 * 2.2 搭建待支付列表页面 * 2.3 搭建确认支付弹窗 * 2.4 自动化开课 * 三 配置门户数据 * 最终效果 * 总结 前情回顾 上一篇中我们讲解了销售在订单成交后,录入订单。此时订单的状态还是待支付的状态,需要财务确认收款情况。财务人员点击了"确认收款",订单状态变更为 已清账。此时,资金流已经闭环,但学员在系统里还只是一个"商机客户",没有上课的权限。