dsh-bing-search
dsh-bing-search
Búsqueda web para DeepSeek Harness (DSH), implementada como un pequeño servidor MCP y basada en curl_cffi.
orden de search:
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.Usa DDG cuando sea accesible.
Recurre a Bing cuando DDG está caído, limitado por tasa (HTTP 202 / challenge), o el conjunto de resultados es
quality_label=poor.Enruta Bing por idioma: los mercados chinos /
zh-*van acn.bing.com, de lo contrario awww.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.comChina 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-pluginpara 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.gitEncuentra el directorio bin de la herramienta:
uv tool dir --binUsa 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 devEl 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: 10No 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__findLuego 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:
Campo | Significado |
|
|
| Resultado orgánico |
| ID estable de la URL canónica |
| Superposición 0–1 de la consulta con títulos/fragmentos |
|
|
| Motivo de la reserva y notas de calidad |
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 -> synthesizeEl 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
Variable de entorno | Predeterminado | Propósito |
|
| Sobrescribir el endpoint HTML de Bing solo cuando se establece a un valor no predeterminado (pruebas). De lo contrario, el host se elige por idioma |
|
| Huella digital del navegador |
| empty | Proxy HTTP/HTTPS/SOCKS. El proceso usa |
|
| Tiempo de espera de transferencia |
|
| Tiempo de espera de conexión |
|
| Tamaño máximo del cuerpo para |
|
| Tamaño máximo del cuerpo de la página de búsqueda |
|
| Máximo de redireccionamientos |
|
| Máximo de solicitudes simultáneas en proceso |
|
| TTL de caché de búsqueda |
|
| TTL de caché de página |
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 -sEl 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.pyy es independiente del motor.Las solicitudes usan
curl_cffi.AsyncSessioncon 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.coma menudo devuelve tarjetas estructuralmente válidas pero no relacionadas.cn.bing.comayuda 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.openno 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
Available Tools
4 toolsfindFind in Web PageA
Find a literal phrase in a page and return compact context windows around matches.
Inputs: url (required), pattern (required), max_matches, context_chars. Returns: url, error, status, matches, +3 more
openOpen Web PageA
Fetch a public HTTP(S) page with curl_cffi and return cleaned readable text.
Use after search when result snippets are insufficient. Private/local addresses are rejected, redirect targets use curl_cffi safe-follow mode, and response bytes are capped.
Inputs: url (required), max_chars. Returns: text, error, title, status, +7 more
searchSearch the WebA
Search the public web. DuckDuckGo is tried first when reachable; Bing is the fallback.
Chinese queries / zh-* markets use cn.bing.com. Read quality_label: poor means the titles are unrelated or first-token junk — do not treat them as answers.
Args: query: Compact concrete nouns plus the qualifier that uniquely identifies the subject. "复旦光华楼" is better than "光华楼" — the extra place/institution is necessary, not padding. Do not write whole sentences. If a compact query is still ambiguous or hits the wrong entity, write more (place, institution, year, type). For a person plus a paper, search the author name first. count: Number of organic results to return, from 1 to 20. offset: Result offset for pagination, from 0 to 100. market: Locale such as en-US or zh-CN. Chinese text should use zh-CN. safe_search: SafeSearch level (used when Bing is the engine).
Inputs: query (required), count, market, offset, +1 more. Returns: error, query, market, offset, +10 more
search_imagesSearch ImagesA
Search image indexes and rank results with pure text so vision is not required.
auto (default) tries Bing Images first and falls back to Wikimedia Commons
when the top text score is below ~40, so one call yields a ranked set.
bing_images parses Bing Images metadata (original URL / thumbnail / source
page / title). commons queries Wikimedia Commons, a curated and
licence-clear platform. Every result carries a 0-100 text score, a domain
hint and explainable signals; pick the highest score, treat scores below
~40 as unverified, and optionally verify with find/open on the source
page before downloading.
Args: query: What the image should depict. Compact concrete nouns plus the qualifier that uniquely identifies the subject (e.g. "复旦光华楼", "台州城墙"). "复旦光华楼" is better than "光华楼". Do not write whole sentences. If a compact query is still ambiguous or hits the wrong entity, write more (place, institution, year, type). count: Number of ranked image results to return, from 1 to 20. market: Locale such as en-US or zh-CN (Bing Images; Commons is language-neutral). provider: auto (default), bing_images, or commons.
Inputs: query (required), count, market, provider. Returns: error, query, market, status, +6 more
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 4 tools
Each tool targets a clearly distinct action: web search, image search, page retrieval, and in-page phrase matching. Search and search_images are separated by media type, while open and find both operate on pages but serve complementary pre- and post-retrieval needs, so an agent can select without confusion.
All tool names are short imperative verbs in snake_case: search, search_images, open, find. The only compound name, search_images, naturally follows a verb_noun pattern, and the overall naming is predictable and consistent.
Four tools form a tightly scoped search-and-browse toolset. Each tool earns its place: web search, image search, full-page reading, and targeted phrase lookup. The count is neither thin nor bloated for the server's stated purpose.
The server covers the full core workflow: discovering content via web or image search, opening pages when snippets are insufficient, and locating specific phrases within pages. Pagination, locale, safesearch, and provider fallback options also cover important search variations, leaving no obvious dead ends.
Maintenance
Related MCP Connectors
Web search API and MCP server for developers building AI agents.
Docs: https://docs.keenable.ai/mcp-server Keenable is a free, remote MCP server that gives agents access to the web index. Search the web with ranked results and date/site filters, then fetch any indexed page as clean markdown. Works out of the box with no account or API key.
One MCP server for all web data. Scrape, search, crawl, and AI research in one install.
Related MCP Servers
- FlicenseNot gradedqualityDmaintenanceThis MCP server provides tools for AI agents to search the web, fetch page content, and query specific elements from pages using DuckDuckGo.11 npm-
- AlicenseNot gradedqualityCmaintenanceMCP server for web search and content extraction using DuckDuckGo or SearXNG, with Playwright-based fetching and LLM-powered data extraction.138MIT
- AlicenseAqualityDmaintenanceA general MCP server providing web search capabilities using DeepSeek's native online search API.137 npm33MIT
- AlicenseNot gradedqualityDmaintenanceMCP server for internet search via direct Google and DuckDuckGo HTML scraping with AI-powered result normalization and optional summarization, requiring no API keys for search.MIT