dsh-bing-search

简体中文

Búsqueda web para DeepSeek Harness (DSH), implementada como un pequeño servidor MCP y basada en curl_cffi.

orden de search:

1. Comprueba el HTML de DuckDuckGo (html.duckduckgo.com) y cachea la accesibilidad durante unos 60 segundos. Desde la China continental esta comprobación suele fallar a menos que se configure un proxy.

2. Usa DDG cuando sea accesible.

3. Recurre a Bing cuando DDG está caído, limitado por tasa (HTTP 202 / challenge), o el conjunto de resultados es quality_label=poor.

4. Enruta Bing por idioma: los mercados chinos / zh-* van a cn.bing.com, de lo contrario a www.bing.com.

Cada respuesta de búsqueda incluye quality_score (0–1) y quality_label (good / weak / poor). Trata poor como no utilizable (páginas de diccionario, basura de primer token). No cites esos títulos.

Ofrece a un agente DSH tres herramientas de estilo navegador:

• mcp__web__search — busca en la web pública y devuelve resultados orgánicos normalizados.

• mcp__web__open — abre una página web pública y extrae texto legible.

• mcp__web__find — encuentra texto dentro de una página larga y devuelve el contexto cercano.

DSH agent
  -> @deepseek-ai/dsh-mcp-client
  -> dsh-bing-search (MCP/stdio)
  -> curl_cffi.AsyncSession(impersonate="chrome")
  -> html.duckduckgo.com          (if reachable)
  -> else cn.bing.com / www.bing.com

China continental: DuckDuckGo suele ser inaccesible sin un proxy o VPN. Esto es lo esperado. El plugin entonces usa Bing y establece warnings a duckduckgo_unreachable. El proceso hijo MCP no hereda tu HTTP_PROXY / HTTPS_PROXY del shell (trust_env=False). Para forzar un proxy, establece DSH_WEB_PROXY en el proceso del plugin (por ejemplo http://127.0.0.1:10808 en el mapa env: de cordis). No asumas que DDG funcionará en una red doméstica o universitaria típica de China continental.

Plugin comunitario: DeepSeek Harness pide a los plugins de terceros que usen el tema de GitHub dsh-plugin para su descubrimiento.

Instalación más rápida: dale este repositorio a un agente

Si tu agente de codificación tiene acceso al terminal y al sistema de archivos (Codex, Claude Code, Pi, OpenCode, etc.), pega esto:

Install this DeepSeek Harness plugin into my current DSH setup:
https://github.com/Biogod2020/dsh-bing-search

Read the repository README and INSTALL.md first. Install it with uv, detect my active
DSH profile, add it through cordis.patch.yml using the required `insert` patch form,
preserve all unrelated config, use the absolute path of the installed dsh-bing-search
executable, then verify that mcp__web__search, mcp__web__open, and mcp__web__find are
registered. Finally run one real web search smoke test and report what changed.

Ese es el camino recomendado. INSTALL.md contiene un contrato de instalación determinista escrito para agentes.

Related MCP server: webmcp

Instalación manual

1. Instala el ejecutable

Se requiere Python 3.10+. Con uv:

uv tool install --force git+https://github.com/Biogod2020/dsh-bing-search.git

Encuentra el directorio bin de la herramienta:

uv tool dir --bin

Usa la ruta absoluta a dsh-bing-search (o dsh-bing-search.exe en Windows) en la configuración de DSH de abajo.

Para desarrollo en lugar de una instalación de herramienta:

git clone https://github.com/Biogod2020/dsh-bing-search.git
cd dsh-bing-search
uv sync --extra dev

El repositorio incluye uv.lock para instalaciones de desarrollo reproducibles.

2. Añádelo a DSH

Los perfiles de DSH combinan un cordis.yml raíz con una capa de parche cordis.patch.yml. Al añadir un nuevo plugin mediante la capa de parche, la entrada debe estar envuelta en insert:

- insert:
    - id: mcp-web
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: web
        transport: stdio
        command: /ABSOLUTE/PATH/TO/dsh-bing-search
        args: []
        toolCallTimeoutMs: 30000
        failOnStartupError: true
        reconnect:
          enabled: true
          initialDelayMs: 500
          maxDelayMs: 30000
          maxAttempts: 10

No añadas una entrada simple - id: mcp-web a cordis.patch.yml: las entradas simples parchean IDs existentes y un ID desconocido puede omitirse. Si editas directamente el cordis.yml raíz, una entrada simple de plugin normal es correcta. Consulta cordis.example.yml.

3. Verifica

Después de que DSH recargue el perfil, el modelo debería ver:

mcp__web__search
mcp__web__open
mcp__web__find

Luego pide al agente que busque algo actual y abra un resultado. Un viaje de ida y vuelta exitoso verifica tanto el acceso a la búsqueda como el registro MCP. Reinicia DSH (o el hijo MCP) después de cambiar el código del plugin; el proceso stdio no recarga Python en caliente.

Herramientas

search

{
  "query": "DeepSeek Harness GitHub",
  "count": 8,
  "offset": 0,
  "market": "en-US",
  "safe_search": "Moderate"
}

Devuelve:

Usa market=zh-CN para consultas en chino. Si la consulta contiene CJK, la reserva de Bing sigue usando cn.bing.com incluso cuando market es en-US.

Los redireccionamientos de DuckDuckGo /l/?uddg= y de Bing /ck/a se decodifican cuando es posible. Los parámetros de seguimiento comunes se eliminan y las URL duplicadas se fusionan.

Para personas, artículos o blogs ilustrados, busca primero el nombre del autor o un nombre propio corto. Si quality_label es poor, no sigas alargando la consulta. Los metadatos académicos chinos pertenecen a un corpus especializado (por ejemplo CNKI), no a esta búsqueda web general.

open

{
  "url": "https://example.com/article",
  "max_chars": 24000
}

Obtiene páginas HTTP(S) públicas con curl_cffi, aplica comprobaciones DNS/IP y redireccionamientos seguros, limita el tamaño de la respuesta y extrae texto legible sin ejecutar JavaScript.

open está diseñado para HTML tipo artículo. No es un navegador. Ejecuciones en vivo de DSH mostraron que los sitios de clima y otros con muchos widgets (tianqi.com, weather.com.cn y similares) a menudo producen una interfaz de navegación o texto casi vacío: Trafilatura no encuentra un artículo principal, y entonces la reserva vuelca todo el DOM. status puede seguir siendo ok. Para esas páginas, confía en el snippet de la búsqueda, o abre una URL de artículo más simple. No esperes temperatura en vivo, mapas u otra interfaz renderizada por JS.

find

{
  "url": "https://example.com/article",
  "pattern": "DeepSeek",
  "max_matches": 5,
  "context_chars": 700
}

Devuelve las regiones coincidentes sin inyectar toda la página en el contexto del modelo.

¿Por qué tres herramientas en lugar de una gran herramienta search_and_summarize?

El plugin mantiene la recuperación determinista y permite que el modelo DSH controle el bucle de investigación:

search -> inspect candidates -> open -> find / search again -> synthesize

El plugin maneja HTTP, análisis, limpieza, caché, reserva de motor, procedencia y una marca de calidad. El agente decide qué buscar, en qué fuentes confiar, cuándo reformular la consulta y cuándo se ha recopilado suficiente evidencia. El agente debe leer quality_label y warnings.

Configuración

Pruebas

Pruebas sin conexión (analizadores, puntuación de calidad, enrutamiento por configuración regional, DDG primero / reserva de Bing):

uv run pytest -m "not live"

Prueba de humo en vivo:

RUN_LIVE_BING=1 uv run pytest -m live -s

El nombre del marcador sigue siendo live / RUN_LIVE_BING. Una ejecución en vivo usa DDG primero y solo utiliza Bing si DDG no está disponible.

CI cubre Python 3.10, 3.12, 3.13 y 3.14.

Notas de diseño y seguridad

Este es un adaptador no oficial de HTML de DuckDuckGo + HTML de Bing. No utiliza la API de Búsqueda de Bing retirada.

• El marcado de DDG se encuentra en src/dsh_bing_search/providers/ddg.py.

• El marcado de Bing se encuentra en src/dsh_bing_search/providers/bing_parser.py.

• La puntuación de calidad se encuentra en src/dsh_bing_search/quality.py y es independiente del motor.

• Las solicitudes usan curl_cffi.AsyncSession con suplantación de navegador.

• Las URL de páginas proporcionadas por el usuario están restringidas a destinos HTTP(S) públicos y se habilita el manejo seguro de redireccionamientos.

• Los cuerpos de respuesta tienen un límite de tamaño.

• Las páginas CAPTCHA / challenge / HTTP 202 se notifican como status="blocked"; el plugin no intenta omitirlas.

• Bing sin interfaz en www.bing.com a menudo devuelve tarjetas estructuralmente válidas pero no relacionadas. cn.bing.com ayuda en algunas consultas chinas populares; los nombres y títulos de cola larga aún pueden colapsarse al primer token. Para eso está la marca de calidad.

• open no reintenta automáticamente los sitios de destino lentos; aumenta las variables de entorno de tiempo de espera si es necesario.

Comunidad

DeepSeek Harness está actualmente en vista previa para desarrolladores, por lo que las interfaces de los plugins aún pueden evolucionar. Para soporte y descubrimiento específicos de DSH:

• Explora el tema dsh-plugin.

• Consulta el repositorio de DeepSeek Harness.

• Únete a los canales de la comunidad DSH enlazados desde el repositorio oficial.

Las contribuciones y correcciones de analizadores son bienvenidas.

Licencia

MIT