keyless-web-search-mcp

独立的 MCP stdio 服务器：两个免密钥工具 —— web_search（基于自运营引擎池：Bing、360、Baidu、Google、Naver、Yandex、DuckDuckGo）和 web_fetch（匿名 HTTP(S) 页面读取器）。每次搜索最多保留两个可用引擎，按查询语言设置默认优先级，在有界的尝试预算内回填失败或无关的引擎，按相关性排序结果、合并，并按规范 URL 去重。自带完整目录，零构建步骤，不属于工具包软件包系统 —— 可随意移动。

存在的理由

工具包内置的 web_search（DeepSeek 提供商）需要 DEEPSEEK_API_KEY，并且每次查询都会发送到 DeepSeek 云端。此服务器是本地模型友好的替代方案：无需密钥、不依赖厂商搜索 API，可在中国大陆和香港网络下工作（大陆线路使用 Bing/360/Baidu，测试过的香港线路使用 Bing/360/Naver/Yandex；DuckDuckGo 在任何线路都不可达）。

web_fetch 在读取侧也有同样的理由：web 配置文件挂载了搜索提供商，但未挂载抓取提供商，因此内置的 web_fetch 工具（即使预设启用了它）每次调用都会失败并返回 WEB_PROVIDER_UNAVAILABLE。此工具通过同一免密钥服务器读取完整页面内容。

Related MCP server: Heventure Search MCP

运行

npm install --cache ./.npm-cache   # deps: @modelcontextprotocol/sdk, zod
node index.js                      # speaks MCP over stdio
npm test                            # run deterministic ranking/fallback tests

无需客户端的快速探测：

printf '%s\n' \
  '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2025-06-18","capabilities":{},"clientInfo":{"name":"probe","version":"0.0.1"}}}' \
  '{"jsonrpc":"2.0","method":"notifications/initialized"}' \
  '{"jsonrpc":"2.0","id":2,"method":"tools/list"}' \
  | node index.js

在 Claude Code 中安装

为当前用户安装，以便每个 Claude Code 项目都能使用。注册服务器时解析两个路径；这样可以避免依赖 shell 的工作目录或 PATH：

claude mcp add --transport stdio --scope user web-search-self -- "$(command -v node)" "/absolute/path/to/keyless-web-search-mcp/index.js"
claude mcp get web-search-self

改用 --scope local 可将其限制在当前项目内，或使用 --scope project 写入可共享的 .mcp.json。Claude Code 将用户/本地注册存储在 ~/.claude.json 中；MCP 服务器定义不属于 settings.json。

注册后，claude mcp list 应显示 web-search-self 已连接。工具以 mcp__web-search-self__web_search 和 mcp__web-search-self__web_fetch 的形式出现。

工具

web_search

web_search({ query, count?, maxSources?, engines? })

双源策略。 省略 engines 时，按查询语言路由引擎池：中文优先使用 360/Baidu/Bing；英文优先使用 Bing/Google/Naver/360，因此四次尝试的预算在测试过的大陆/香港网络下保留可用的回退项。显式提供的 engines 列表仍具权威性。候选引擎在受限的并行轮次中运行；只有在返回可解析结果并通过保守的词法相关性过滤后，引擎才占用一个源槽位。失败、被挑战、空结果或无关的引擎会在尝试和收集预算内回填，诊断信息显示在"引擎说明"行中。结果按查询重叠度排序，并附加轻微的来源质量调整：明显的转载/内容农场信号会被扣分，官方/文档/教育/GitHub 信号则获加分，但不会硬性屏蔽普通网站。合并仍采用轮询交错（引擎 A 的第 1 条、引擎 B 的第 1 条、A 的第 2 条……），规范 URL 去重会移除片段、常见跟踪参数和无害的 www. 差异。

结果：编号列表，包含 title [engine] / 真实目标 URL / 摘要。按引擎进行链接清理：Bing 点击跟踪链接本地解码（base64 的 u 参数）；360 读取 data-mdurl 属性；Baidu 读取区块的 mu 属性（直接 URL，仅对旧式 link?url= 包装器做一次尽力而为的重定向 GET）；Naver 和 Yandex 标题的锚点中带有直接 URL；Google 的 /url?q= 包装器解包；DuckDuckGo 的 /l/?uddg= 跟踪器解包。各引擎探测预算：10 秒（Bing、Baidu）、8 秒（360、Naver、Yandex）、5 秒（Google、DuckDuckGo）—— 全部并行运行，因此一轮只取决于最慢的成员。

web_fetch

web_fetch({ url, maxChars? })

匿名公共网络读取，无需凭据：浏览器 User-Agent，最多五次重定向，涵盖请求头和响应体的 20 秒总时限，响应体精确截断在 5 MB。每个初始目标和重定向目标在 DNS 解析后都会检查；回环、私网、链路本地、运营商级 NAT、保留地址、组播地址以及本地主机名都会被拒绝，以防 SSRF 进入本机或云元数据服务。HTML 被剥离为可见文本（script/style/noscript/svg/head/iframe/canvas/form 被丢弃，块边界转换为换行符，<title> 放在头部中）；文本型、JSON 和 XML 内容按其声明的字符集进行实体解码后原样输出，而二进制媒体类型会被拒绝。输出先是状态头部 —— status、最终 url、content-type、截断标志 —— 然后是内容。非 2xx 响应返回状态头部和一条说明（403/429 视为机器人检测或限流），不会伪造页面。

引擎及其状态

在三条线路上验证（一条较早的大陆线路、一条上海电信线路和一条香港数据中心线路）：

刻意不在池中：搜狗——302 到 sogou.com/antispider/，与百度覆盖的 IP 墙同类。还从香港线路扫描并拒绝：Mojeek（提供验证码页面）、Ecosia（403“Ecosia 防火墙”）、MetaGer（重定向到非结果页面）、以及 Yahoo/Brave/Qwant/Startpage/goo.ne.jp（从大陆和香港线路均 TCP 不可达）。

Google 墙：尝试了什么

来自此 IP 的 200 响应不是封锁，而是 JS 挑战拦截页（约 90 KB 的混淆/加密 JavaScript；无 JS 路径是 meta-refresh 进入死胡同）。这堵墙实际上是两层：

1. JS 挑战（计算型）——解码后，它计算一个证明值并设置 SG_SS cookie（5 分钟过期），然后重新加载。这一层可以在浏览器之外解决：在普通 Node.js 中运行页面脚本，配合轻量 DOM 垫片（cookie jar、navigator、Image、document）完成计算，生成的 SG_SS cookie 被接受了一次——Google 返回 200 并颁发了它通常不会向此 IP 发送的 NID/AEC 信任 cookie。

2. 会话模式层（行为型）——后续的纯 HTTP 跟进，包括脚本自身重载流程的精确副本（emsg=SG_REL + 匹配的 sei、jar 合并的 cookie、浏览器头），升级到 google.com/sorry 429 异常墙。这一层判断整个会话（TLS/HTTP2 指纹、请求节奏、方法混合），Node 的 OpenSSL/undici 栈无法匹配。

已测试且未改变第 1 层答案的客户端杠杆：gbv=1 参数、cookie 预热、完整浏览器指纹头、retry/enablejs 流程、/m 入口、文本浏览器/功能手机/IE6/旧 Android UA、伪造的 Googlebot UA（Google 会验证）、CONSENT cookie、POST 提交（405）、备用 TLD，以及不带 cookie 的“点击此处”emsg=SG_REL 链接。Google 代理替代方案在此网络上也不可达或被墙：Startpage 和 Qwant 超时，Mojeek 提供验证码页面，Ecosia 403。

结论：第 1 层可用 Node 解决（已证明）；第 2 层无法从非浏览器网络栈解决。从这台机器访问 Google 的唯一可靠路径是干净 IP 代理或真实浏览器上下文（无头 Chromium）；两者都处于爬虫无法诚实绕过的 IP/流量模式层，且反复探测有延长 IP 异常窗口的风险——因此此服务器不尝试它们。Google 保持为后备引擎，在能提供纯 HTML SERP 的网络上激活。

挂载到 DeepSeek Harness

添加到你的 cordis.yml（MCP 桥会热重载此条目）：

- id: mcp-search
  name: '@deepseek-ai/dsh-mcp-client'
  config:
    serverName: search
    transport: stdio
    command: node
    args: ['/absolute/path/to/keyless-web-search-mcp/index.js']

模型随后将工具视为 mcp__search__web_search 和 mcp__search__web_fetch。

限制

• 搜索质量是启发式的：词汇相关性处理明显的离题结果和中文 n-gram；内部搜索引擎页面被排除；内容农场/转载信号仅调整排序，而非普遍信任判断。相关结果并不证明其声明正确——请获取并交叉核对重要事实。

• 抓取而非 API：布局变化可能破坏解析器；失败是明显的（“无可解析的自然结果”），绝不会伪造。Google 和 DuckDuckGo 解析器是根据文档化的 SERP 结构编写的，无法从该网络实时验证——在它们实际应答时首次调整。

• 速率控制：两个公共引擎容忍随意使用；滥用会招致机器人挑战。

• 查询离开机器，发送给被咨询的引擎（这是无密钥搜索的代价）；在双源上限下，每次搜索最多有两个引擎看到查询。

• Fetch 是无密钥的公共页面读取器，而非浏览器或内网客户端：JS 渲染的内容对它不可见（与搜索解析器同类的限制）；对匿名客户端返回 403/429 的页面会被报告，而非绕过。本地/私有/保留网络目标被刻意阻止，包括重定向目标。