Skip to main content
Glama
deenjakoruzh
eason4kim-rocket

annolux-mcp

by eason4kim-rocket
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Go
Remote

⚡ Annolux

面向 AI Agent 与 RAG 系统的英文和中文精选搜索 API 与 MCP

搜索有据可查。每条结果都带有明确的 fetched_at 时间戳和溯源信息。

Go Version NPM Version MCP Protocol License Free Tier

🌐 网站 • 📖 API 文档 • ⚡ MCP 快速入门 • 📊 冻结基准测试 • 📁 示例 • 🇨🇳 中文文档

💡 为什么选择 Annolux？

当前面向 AI Agent 的网络搜索 API 存在三个致命缺陷：

  1. 垃圾进，垃圾出：商业搜索引擎收录了数百万的 SEO 农场、抓取的垃圾内容和自动生成的噪声，污染了 LLM 的上下文窗口。

  2. 缺少时间溯源：LLM 会凭空捏造最新状态，因为搜索 API 省略了精确的快照时间戳（fetched_at）。

  3. 掠夺式计费：失败的请求、空输出或被限流后的重试都要按全额付费。

Annolux 通过一套 Agent 优先的精选方案解决了这些问题：

  • 🛡️ 精选双语技术索引：高信号的中英文语料库（Rust、Go、Python、AI/ML、官方文档、RFC、GitHub、arXiv）。

  • 🕒 显式 fetched_at 时间戳：每一条被排序命中的结果都会显示它被收录的精确时刻——从而实现有据可依的引用和时序推理。

  • 🎯 可预测的积分计费：每次成功的 2xx 响应恰好消耗 1 个积分；错误、超时（504）、限流（429）和错误请求消耗 0 积分。

  • 🧩 本地原生 Model Context Protocol (MCP)：在 Claude Code、Cursor、Windsurf、Cline、Zed 和 Claude Desktop 中零配置可用。

  • 🚀 1,000 个永久免费积分：在 annolux.com 使用 GitHub 或 Google 登录，30 秒内即可开始查询。

Related MCP server: agent-web-search-mcp

🥊 对比：Annolux 与通用搜索 API

功能 / 指标

Annolux

Exa (Metaphor)

Tavily

Serper / Google

索引质量

精选技术 & 知识（EN/ZH）

全网神经搜索

全网聚合器

全网（含噪声 SEO）

中文（ZH）技术语料

顶级原生双语 FTS

一般

较弱 / 依赖翻译

与内容农场混杂

明确快照时间戳

✅ 每条结果都带 fetched_at

❌ 不一致

❌ 缺失

❌ 仅摘要近似

计费保证

✅ 仅在 2xx 成功时扣 1 积分

按请求计费

按请求计费

按请求计费

失败 / 超时查询

0 积分

❌ 照常计费

❌ 照常计费

❌ 照常计费

MCP 工具暴露面

单一精简 search_web（token 消耗最小）

多个冗余工具

多步骤工具

需自定义桥接

域名限定

✅ 精确宿主过滤（domains）

✅ 支持

✅ 支持

site: 查询受限

免费初始级

1,000 个永久积分

有限试用

1,000 / 月

2,500 一次性

📦 快速安装

方式一：NPX（MCP 与 CLI 最快入门）

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

方式二：Go CLI 与服务器

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

方式三：预编译多平台二进制

从 GitHub Releases 下载独立二进制：

  • linux-amd64 / linux-arm64

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

🔌 MCP 集成

Annolux 实现了官方 Model Context Protocol（MCP） 规范，并提供一个高效单一工具：search_web。

1. Claude Code

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

2. Cursor / Windsurf

将以下内容添加到项目的 .cursor/mcp.json 或全局配置中：

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

3. Claude Desktop

将以下内容添加到 claude_desktop_config.json：

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

🚀 HTTP API 快速上手

标准搜索端点

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 .

🏛️ 架构与原理

┌─────────────────────────────────────────────────────────────┐
│                 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 ]

📊 搜索质量与冻结基准

Annolux 在 40 个复杂双语查询的冻结盲集上评估搜索检索性能。排序权重从未在这些测试数据上做过调参。

指标

第一道门槛基线

前瞻验证门槛

Hit@1

72.5%

72.5%

Hit@3

82.5%

82.5%

Hit@10

85.0%

85.0%

MRR@10

0.78125

0.78125

P95 时延

532 ms

356 ms

5xx 错误率

0.00%

0.00%

所有基准均在客户端侧、完全并发的负载下进行评测。

💳 透明定价

套餐

价格

积分

速率限制

计费规则

免费

$0

1,000（永久）

5 RPS / 突发 10

永久免费，无需绑定信用卡

Pro

$29 / 月

20,000 / 月

5 RPS / 突发 10

1 次成功 = 1 积分，不结转

Scale

$99 / 月

100,000 / 月

5 RPS / 突发 10

1 次成功 = 1 积分，不结转

  • 无额外超额费用。

  • 错误、限流和超时完全免费（0 积分）。

  • 每个账户最多支持 3 个有效 API 密钥。

📁 示例与 Recipes

请查看 examples/ 目录中的生产级开端：

🐯 社区与支持

📄 许可证

Annolux 依据 Apache License, Version 2.0 的许可将代码开源。

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivitySlowing
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers