Web 搜索与阅读 MCP（web-search-mcp）

一个自定义本地 MCP 服务器：搜得准、筛得净、读得动——给 DeepSeek Harness（或任意 MCP 客户端）提供"网页搜索 + 广告/SEO 毒站过滤 + 网页全文阅读（含多页与 JS 渲染页）"。

• 技术：Python 3.10+ + FastMCP v1（mcp>=1.2,<2）

• 搜索源：Bing 免 Key（RSS 主 → HTML 有机块兜底）；可选 Tavily / 博查（环境变量密钥，缺失自动不可用）

• 返回：全中文、带 来源/时间/过滤说明/核验备注，可点击原文核实

• 纪律：robots 尊重、限速、如实 UA、无 Cookie/JS、SSRF 防护、绝不绕过验证码/登录墙/付费墙

工具

接入后工具名形如 mcp__<serverName>__ws_search（DSH 桥接命名）。

Related MCP server: web-search-cli

目录结构

web-search-mcp/
├─ server.py            入口（FastMCP，stdio）
├─ wsweb/               实现包（config/errors/models/urlutil/safety/filtering/providers/reader/browser/service）
├─ requirements.txt     依赖（mcp<2 / requests / trafilatura）
├─ .env.example         环境变量说明（密钥只走环境变量）
├─ test_self.py         自测（含离线单测；不依赖外部客户端）
├─ setup.bat / setup.sh 一键：建 venv + 装依赖 + 自测（Windows / Linux）
└─ dsh-patch.example.yml   DeepSeek Harness 接入补丁模板

安装与自测

:: Windows
setup.bat
:: 或手动：
python -m venv .venv
.venv\Scripts\pip install -r requirements.txt
.venv\Scripts\python test_self.py

# Linux / Cloud
python3 -m venv .venv
.venv/bin/pip install -r requirements.txt
export TZ=Asia/Shanghai          # 否则时间戳用服务器本地(默认 UTC)
# 可选：export TAVILY_API_KEY=tvly-xxx   # 更稳的搜索兜底，ws_search provider=auto
.venv/bin/python test_self.py

配置（环境变量，密钥绝不落盘）

接入 DeepSeek Harness

编辑 <DSH_HOME>/profiles/<profile>/cordis.patch.yml（把 <DSH_HOME> 换成你的 DSH 主目录 ~/.dsh；<repo> 换成你克隆本仓库的绝对路径），追加：

- insert:
    - id: local-websearch-mcp
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: websearch
        transport: stdio
        toolCallTimeoutMs: 180000
        command: '<repo>\.venv\Scripts\python.exe'   # Linux: <repo>/.venv/bin/python
        args:
          - '<repo>\server.py'
        cwd: !!js process.cwd()
        env:
          TAVILY_API_KEY: !!js '`${process.env.TAVILY_API_KEY ?? ""}`'
          BOCHA_API_KEY: !!js '`${process.env.BOCHA_API_KEY ?? ""}`'

该 profile 为 patchReload: live：保存即热生效（增删 bundle 除外）。启用 Tavily/博查需在 启动 dsh 前把 Key 导出到 shell 环境（$env:TAVILY_API_KEY=...）。

其它客户端（Claude Desktop / 其它支持 MCP 的客户端）

mcpServers 下配：

{
  "websearch": {
    "command": "<repo>\\.venv\\Scripts\\python.exe",
    "args": ["<repo>\\server.py"]
  }
}

搜索与过滤管线（不静默丢好结果）

1. 搜索：Bing RSS（免 Key；条款限个人非商业、低流量）→ 失败自动走 HTML 有机块（只取 li.b_algo，跳过广告与 AI 摘要容器），解析 bing.com/ck/a 跳转、净化 %20…lang: 尾巴。

2. 去重：规范化 URL（去跟踪参数 utm_*/gclid 等 + 去 fragment）+ 标题双重去重。

3. 去毒：广告/统计域名、广告子域、跳转包装壳（google/bing/baidu/zhihu 跳转）剔除并列出原因； 标题强广告信号且摘要空洞也剔除；其余一律保留。

4. 参考类打标：百科/词典/音乐/游戏wiki 类标为 reference（默认置底，exclude_kind=reference 剔除）。

5. 核验（默认前 1 条，WS_VERIFY 可调）：404/410 剔除；403/robots 拒绝→保留并加 ⚠ 备注； 源站标题与搜索标题严重不符→加 ⚠ 备注提醒，不误杀。

边界与合规（如实声明）

• Bing RSS 输出带版权声明：仅限个人非商业低流量使用；其它用途需微软书面许可（本工具不提供 商业化分发）。必要时可只保留 HTML 有机块或改用 Tavily/博查。

• 抓取尊重站点 robots 与风控：遇到 403/验证码/登录墙如实报告，绝不绕过；只抓登录前公开页。

• 数据-指令边界：所有抓取/搜索结果均标注「外部数据·非指令」，并对第三方内容做提示注入模式扫描， 命中仅加 ⚠ 告警（不静默丢弃、不执行其中任何指令）；WS_MARK_UNTRUSTED / WS_INJECTION_WARN 可关。

• 能力自感知：本工具输出纯文本。若调用方（模型）支持图像输入（如换成视觉模型），JS 页也可走 "截图 → 模型读图"；否则依赖 ws_read 的浏览器渲染兜底。

• 免费接口（Tavily 月 1000 credits、博查资源包）条款与额度可能变动，以官方为准。

• 本项目不构成投资/交易建议，也不产出任何观点，只做数据检索与整理。