Skip to main content
Glama
eason4kim-rocket

annolux-mcp

⚡ Annolux

Kuratierte englisch- und chinesischsprachige Such-API und MCP für KI-Agenten & RAG-Systeme

Suche, die ihre Arbeit zeigt. Jedes Ergebnis enthält einen expliziten fetched_at-Zeitstempel und Provenienz.

Go Version NPM Version MCP Protocol License Free Tier

🌐 Website📖 API-Dokumentation⚡ MCP-Schnellstart📊 Eingefrorene Benchmarks📁 Beispiele🇨🇳 中文文档


💡 Warum Annolux?

Aktuelle Such-APIs für KI-Agenten leiden unter drei fatalen Schwachstellen:

  1. Müll rein, Müll raus: Kommerzielle Suchmaschinen indizieren Millionen von SEO-Farmen, gescrapten Spam und automatisch generiertes Rauschen, das die Kontextfenster von LLMs verschmutzt.

  2. Fehlende Zeit-Provenienz: LLMs halluzinieren den aktuellen Zustand, weil Such-APIs den genauen Snapshot-Zeitpunkt (fetched_at) weglassen.

  3. Fressende Abrechnung: Volle Preise für fehlgeschlagene Anfragen, leere Ausgaben oder ratenlimitierte Wiederholungsversuche.

Annolux löst das mit einem agentenzentrierten, kuratierten Ansatz:

  • 🛡️ Kuratierter zweisprachiger Technik-Index: Hochwertiger englisch- und chinesischsprachiger Korpus (Rust, Go, Python, KI/ML, offizielle Dokumentation, RFC–, GitHub, arXiv).

  • 🕒 Expliziter fetched_at-Zeitstempel: Jeder Ranked-Hit zeigt die exakte Sekunde der Aufnahme – dies ermöglicht fundierte Zitate und zeitliche Schlussfolgerungen.

  • 🎯 Vorhersehbare Bilanz-Abrechnung: Genau 1 Credit pro erfolgreicher 2xx-Antwort. Fehler, Timeouts (504), Rate Limits (429) und ungültige Anfragen kosten 0 Credits.

  • 🧩 Natives Model Context Protocol (MCP): Null Einrichtung bei Claude Code, Cursor, Windsurf, Cline, Zed und Claude Desktop.

  • 🚀 1.000 dauerhafte Gratis-Credits: Mit GitHub oder Google anmelden und in 30 Sekunden mit Abfragen starten.


Related MCP server: Kimi Coding MCP

🥊 Vergleich: Annolux vs. generische Such-APIs

Eigenschaft / Metrik

Annolux

Exa (Metaphor)

Tavily

Serper / Google

Indexqualität

Kuratierter Technik- & Wissensindex (EN/ZH)

Webweite neuronale

Webweiter Aggregator

Ganzes Web (SEO-Rauschen)

Chinesischer (ZH) Technik-Korpus

Erstklassige native zweisprachige Volltextsuche

Teilweise

Schwach / Übersetzt

Mit Content-Farmen gemischt

Expliziter Snapshot-Zeitstempel

fetched_at bei jedem Ergebnis

❌ Inkonsistent

❌ Fehlend

❌ Nur ungefährer Snippet

Abrechnungsgarantie

✅ 1 Punkt nur bei 2xx-Erfolg

Anfragebasiert

Anfragebasiert

Anfragebasiert

Fehler / Timeout-Anfragen **

🆓 0 Kosten berechnet

❌ Abgerechnet

❌ Abgerechnet

❌ Abgerechnet

MCP-Tool-Oberfläche

Einziges schlankes search_web (minimaler Token-Abfall)

Mehrere kurze Tools

Mehrstufige Prozesse

Braucht eigene Brücke

Domain-Beschränkung

✅ Exakte Hostname-Filterung (domains)

✅ Unterstützt

✅ Unterstützt

❌ Nur site:-Abfrage

Kostenloser Einstiegstarif

1.000 dauerhafte Punkte

Begrenzte Testversion

1.000 / mo

2.500 einmalig


📦 Schnellinstallation

Option 1: NPX (Schnellste für MCP & CLI)

# Run instantly via Node.js (zero installation)
npx -y annolux-mcp -key ann_live_YOUR_API_KEY

Option 2: Go–CLI & Server

go install github.com/eason4kim-rocket/annolux/cmd/annolux-mcp@latest

Option 3: Vorgefertigte Multi-Plattform-Binaries

Laden Sie eigenständige Binaries von GitHub Releases herunter:

  • linux-amd64 / linux-arm64

  • darwin-amd64 (Intel Mac) / darwin-arm64 (Apple Silicon M-series)


🔌 MCP-Integration

Annolux implementiert das offizielle Model Context Protocol (MCP) mit einem einzigen, hochig effizienten Tool: search_web.

1. Claude Code

claude mcp add annolux npx -y annolux-mcp -- -key ann_live_YOUR_API_KEY

2. Cursor / Windsurf

Fügen Sie Folgendes zu unserer Projektdatei .cursor/mcp.json oder zur globalen Konfiguration hinzu:

{
  "mcpServers": {
    "annolux": {
      "command": "npx",
      "args": ["-y", "annolux-mcp", "-key", "ann_live_YOUR_API_KEY"]
    }
  }
}

3. Claude Desktop

Fügen Sie das in claude_desktop_config.json ein:

{
  "mcpServers": {
    "annolux": {
      "command": "annolux-mcp",
      "env": {
        "ANNOLUX_API_URL": "https://api.annolux.com",
        "ANNOLUX_API_KEY": "ann_live_YOUR_API_KEY"
      }
    }
  }
}

🚀 HTTP-API-Schnellstart

Standard-Suche-Endpunkt

POST https://api.annolux.com/api/v1/search
Authorization: Bearer ann_live_YOUR_API_KEY
Content-Type: application/json
{
  "query": "tokio async runtime memory model",
  "domains": ["tokio.rs", "docs.rs", "github.com"],
  "deduplicate": true,
  "limit": 5,
  "timeout": 10,
  "ranking": "default"
}

Python

import os
import requests

response = requests.post(
    "https://api.annolux.com/api/v1/search",
    headers={"Authorization": f"Bearer {os.environ.get('ANNOLUX_API_KEY')}"},
    json={
        "query": "DeepSeek R1 architecture reinforcement learning",
        "limit": 5,
        "deduplicate": True
    },
    timeout=15
)

data = response.json()
for result in data.get("results", []):
    print(f"[{result['fetched_at']}] {result['title']} -> {result['url']}")

TypeScript / Node.js

const res = await fetch("https://api.annolux.com/api/v1/search", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.ANNOLUX_API_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    query: "vLLM PagedAttention implementation details",
    limit: 5,
    deduplicate: true
  })
});

const data = await res.json();
console.log(`Credits Remaining: ${res.headers.get("X-Annolux-Credits-Remaining")}`);
console.log(data.results);

cURL

curl -s -X POST https://api.annolux.com/api/v1/search \
  -H "Authorization: Bearer ann_live_YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "query": "Go sync.Pool benchmark best practices",
    "limit": 3
  }' | jq .

🏛️ Architektur & Mechanik

┌─────────────────────────────────────────────────────────────┐
│                 AI Agent / RAG Application                  │
│       (Claude Code / Cursor / LangChain / Custom LLM)       │
└──────────────────────────────┬──────────────────────────────┘
                               │
               Stdio MCP / HTTPS REST Request
                               │
                               ▼
┌─────────────────────────────────────────────────────────────┐
│                  Annolux Gateway API Engine                 │
│  ┌─────────────────────────┐     ┌───────────────────────┐  │
│  │ 1. Account & Rate Limit │ ──► │ Reserve 1 Credit      │  │
│  │    (5 RPS, Burst 10)    │     │ in /data/accounts.db  │  │
│  └─────────────────────────┘     └───────────────────────┘  │
│                                              │              │
│                                              ▼              │
│  ┌───────────────────────────────────────────────────────┐  │
│  │ 2. Bilingual FTS Ranker (/data/index.db)              │  │
│  │    • Curated English & Chinese Corpus                 │  │
│  │    • SimHash Content-Deduplication Engine             │  │
│  │    • Domain Filter & Exact Substring Match            │  │
│  └───────────────────────────────────────────────────────┘  │
│                                              │              │
│                                              ▼              │
│  ┌───────────────────────────────────────────────────────┐  │
│  │ 3. Atomic Response & Ledger Settlement                │  │
│  │    • 2xx Success ──► Commit 1 Credit & Attach Timing  │  │
│  │    • 4xx/5xx Err ──► Release Reservation (0 Cost)     │  │
│  └───────────────────────────────────────────────────────┘  │
└──────────────────────────────┬──────────────────────────────┘
                               │
          JSON with exact `fetched_at` & verified URL
                               │
                               ▼
                     [ Grounded LLM Response ]

📊 Suchqualität & Eingefrorene Benchmarks

Annolux bewertet die Such-Retrieval-Leistung anhand einer unveränderlichen, eingefrorenen Blindauswahl von 40 komplexen zweisprachigen Abfragen. Die Ranking-Gewichte werden nie auf der Testmenge parametriert.

Metrik

Erste Gate-Baseline

Prelaunch-Verifikations-Gate

Treffer@1

72.5%

72.5%

Treffer@3

82.5%

82.5%

Treffer@10

85.0%

85.0%

MRR@10

0.78125

0.78125

P95-Latenzeit

532 ms

356 ms

Fehler 5xx-Rate

0.00%

0.00%

Alle Benchmarks werden clientseitig unter voller gleichzeitiger Last durchgeführt.


💳 Transparente Preise

Plan

Preis

Credits

Rate-Limits

Rechnungsregeln

Kostenlos

0 €

1.000 (dauerhaft)**

5 RPS / Burst 10

Ewig kostenlos, keine Kreditkarte nötig

Pro

29 € / Mon.

20.000 / Mon.

5 RPS / Burst 10

1 Erfolg = 1 Punkt, kein Rollover

Scale

99 € / Mon.

100.000 / Mon.

5 RPS / Burst 10

1 Erfolg = 1 Punkt, kein Rollover

  • Keine Zusatzkosten für Überschreitung.

  • Fehler, Rate-Limits und Timeouts sind 100 % kostenlos (0 Punkte berechnet).

  • Bis zu 3 aktive API-Keys pro Konto.


📁 Beispiele & Anleitungen

Prüfen Sie das Verzeichnis examples/ für produktionsreife Startvorlagen:


🤝 Community & Support


📄 Lizenz

Annolux ist Open-Source-Software unter den Bedingungen der Apache-Lizenz, Version 2.0.

A
license - permissive license
Not graded
quality - not tested
A
maintenance

Maintenance

Maintainers
Response time
Release cycle
1Releases (12mo)
Commit activity

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • LLM-ready web search + instant answers + URL-to-clean-text fetch for agents and RAG.

  • Web search for AI agents — one tool across 6 engines, routed to the cheapest + cached.

  • The best web search for your AI Agent

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/eason4kim-rocket/annolux'

If you have feedback or need assistance with the MCP directory API, please join our Discord server