Skip to main content
Glama
linmy666

visitproject

by linmy666
OverviewSchemaRelated ServersScoreDiscussions
TypeScript
Local

visitproject

一个无头的 agentic 网络搜索服务，通过 MCP（Model Context Protocol） 把深度 web 搜索能力暴露给 AI agent。

普通的 web search 工具只是把链接丢给 agent。visitproject 多做了一系列让搜索结果真正可用的事：

  1. 聚合召回——基于 SearXNG 元搜索，一次查遍 Google / Bing / DuckDuckGo 等 70+ 引擎

  2. 去重 + 重排——用 embedding 算相似度，过滤掉与问题无关的、去掉重复的，按相关性排序；embedding 不可用时自动降级到 URL 规范化 + 标题 Jaccard 去重

  3. 正文提取——deep 模式用无头浏览器抓取 + Readability 提取正文，再让 LLM 抽取关键事实

  4. 真实的 relevance score——quick 模式用 embedding 相似度，deep 模式用 LLM picker 打分（不是编造的递减序列）

  5. 成本护栏——deep 模式有 LLM 调用次数、抓取 URL 数的硬上限，防止研究循环跑飞烧钱

  6. 结果缓存——LRU + TTL，重复相似 query 省下 50%+ 成本

  7. 多引擎 fallback——SearXNG 不可用时自动退到 DuckDuckGo / Tavily

  8. 流式中间结果——deep 模式每轮通过 MCP progress notification 推送当前进度

最终 agent 拿到的是干净的结构化结果（标题 + URL + 正文 + 分数），而不是一堆要自己点开的链接。

架构

┌─────────────────────────────────────────────────────┐
│  MCP 客户端（MadCop / ZCode / Claude Desktop / ...） │
└───────────────────────┬─────────────────────────────┘
                        │ stdio (MCP 协议)
                        ▼
┌─────────────────────────────────────────────────────┐
│  visitproject (Node 进程)                            │
│                                                      │
│  search 工具 ──┬─ quick: 召回 → embedding 重排       │
│                └─ deep : agentic 多轮研究循环        │
│                          │                           │
│                          ▼                           │
│  scrape 工具 ── Playwright + Readability 正文提取    │
└───────────────────────┬─────────────────────────────┘
                        │ HTTP
                        ▼
┌─────────────────────────────────────────────────────┐
│  SearXNG (Docker 容器) —— 元搜索引擎                 │
└─────────────────────────────────────────────────────┘

Related MCP server: MCP-Maker

两个工具

工具

作用

适用场景

search

主搜索。depth=quick 单次召回+重排（快）；depth=deep agentic 多轮研究+抓正文（质量高，默认）

agent 需要联网查最新信息、调研主题

scrape

抓取指定 URL 的正文

agent 已知具体网址，想直接读内容

search 支持 source 参数：web（通用）/ academic（arxiv/scholar/pubmed）/ discussions（reddit）。

快速开始

1. 启动 SearXNG

需要 Docker（macOS 推荐 Colima）：

docker-compose up -d
# 验证：应返回 JSON 结果
curl 'http://localhost:8080/search?format=json&q=hello+world' | head -c 200

2. 安装依赖并构建

npm install
npm run build

# 安装 Playwright 浏览器（deep 模式抓正文用）
npx playwright install chromium

3. 配置

cp .env.example .env
# 编辑 .env，填入 LLM_API_KEY 等

visitproject 需要两类模型：

  • Chat 模型：deep 模式的 researcher 循环、结果筛选、事实抽取

  • Embedding 模型：quick 模式的去重与重排

两者都支持 OpenAI 兼容协议（OpenAI / DeepSeek / 智谱 / NVIDIA NIM / 通义等），也支持本地 Ollama。详见 .env.example。

4. 本地测试

npm start
# server 启动后会通过 stdio 等待 MCP 客户端连接

接入 MadCop

visitproject 主要场景是给 MadCop 的 agent 提供网络搜索。在 MadCop 的 MCP 配置（~/.madcop/mcp_servers.json 或设置界面）中添加：

{
  "name": "visitproject",
  "command": "node",
  "args": ["/absolute/path/to/visitproject/dist/index.js"],
  "enabled": true,
  "env": {
    "SEARXNG_URL": "http://localhost:8080",
    "LLM_PROVIDER": "openai",
    "LLM_BASE_URL": "https://api.openai.com/v1",
    "LLM_API_KEY": "sk-...",
    "LLM_MODEL": "gpt-4o-mini",
    "EMBEDDING_MODEL": "text-embedding-3-small"
  }
}

挂载后，MadCop 的所有 agent（standard 模式 / deep 模式的 researcher 等）即可调用 search 和 scrape 工具。

接入其他 MCP 客户端

任何支持 stdio MCP 的客户端都能用，配置方式类似。例如 Claude Desktop 在 claude_desktop_config.json 中：

{
  "mcpServers": {
    "visitproject": {
      "command": "node",
      "args": ["/absolute/path/to/visitproject/dist/index.js"],
      "env": { "SEARXNG_URL": "http://localhost:8080", "...": "..." }
    }
  }
}

深度 vs 快速

quick

deep

速度

快（1 次 SearXNG + 1 次 embedding）

慢（多轮 LLM 调用 + 抓取）

质量

摘要 + 向量重排，够用

抓全文 + LLM 抽事实，高

LLM 依赖

仅 embedding

embedding + chat（多轮）

适合

简单事实、快速核实

深度调研、复杂问题

默认 deep，可在 .env 用 VISIT_DEPTH=quick 改默认值，或每次调用时用 depth 参数覆盖。

项目结构

visitproject/
├── src/
│   ├── index.ts              # MCP server 入口（stdio 传输）
│   ├── server.ts             # 注册 search / scrape 工具
│   ├── config.ts             # 环境变量配置
│   ├── types.ts              # 共享类型
│   ├── core/
│   │   ├── searxng.ts        # SearXNG HTTP 客户端
│   │   ├── scraper.ts        # Playwright + Readability 正文提取
│   │   ├── pipeline.ts       # 搜索管线：召回→去重→重排 / 召回→选→抓→抽
│   │   └── researcher.ts     # agentic 多轮研究循环
│   ├── models/
│   │   ├── base/             # LLM / Embedding 抽象
│   │   ├── providers/        # OpenAI / Ollama 实现
│   │   └── factory.ts        # 按 provider 构造实例
│   ├── prompts/researcher.ts # researcher / picker / extractor 提示词
│   └── utils/                # 相似度计算 / 文本分块
├── searxng/settings.yml      # SearXNG 配置
├── docker-compose.yml        # SearXNG 容器
└── .env.example              # 配置模板

开发

npm run dev      # watch 模式编译
npm run typecheck
npm test         # 跑测试（29 个，覆盖 similarity/chunker/dedup/cache）

全部配置项

环境变量

默认值

说明

SEARXNG_URL

http://localhost:8080

SearXNG 地址（必需）

LLM_PROVIDER

openai

openai / ollama

LLM_BASE_URL / LLM_API_KEY / LLM_MODEL

—

chat 模型

EMBEDDING_*

同 LLM

embedding 模型

VISIT_DEPTH

deep

默认搜索深度

VISIT_MAX_RESULTS

12

返回结果上限

VISIT_MAX_ITERATIONS

6

deep 模式最大轮数

VISIT_MAX_LLM_CALLS

20

成本护栏：单请求 LLM 调用上限

VISIT_MAX_SCRAPE_URLS

8

成本护栏：单请求抓取上限

VISIT_CACHE_TTL

3600000

缓存 TTL（毫秒），0=禁用

VISIT_CACHE_SIZE

64

缓存条数

VISIT_FALLBACK

duckduckgo

SearXNG 挂时的后备引擎

TAVILY_API_KEY

—

Tavily fallback 用（可选）

VISIT_SCRAPE_CONCURRENCY

3

抓取并发上限

HTTPS_PROXY / HTTP_PROXY

—

代理（解决国内网络）

License

MIT

This server cannot be installed

A
license - permissive license
-
quality - not tested
C
maintenance

How are these scores calculated?

Maintenance

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

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • Elevate

    LaukikPatade
    A
    license
    -
    quality
    C
    maintenance
    A self-healing MCP server that compiles verified skills for legacy and internal web apps, allowing AI agents to interact with them deterministically and securely.
    Last updated
    590
    BSD 2-Clause "Simplified"

  • x402-industrial-mcp

    xXbrucyjucyXx
    A
    license
    -
    quality
    C
    maintenance
    The first and only MCP server for PLC (Programmable Logic Controller) intelligence. Give any AI agent direct access to industrial automation data — ladder logic, tag databases, cross-references, fault root cause analysis, and sequence blockers
    Last updated
    MIT

View all related MCP servers

Related MCP Connectors

  • anythingmcp

    Self-hosted MCP gateway: turn any API, database or MCP server into AI connectors — no code.

  • nlqdb — analytical memory for AI agents

    Analytical memory for AI agents: a real Postgres queried in plain English over MCP. One command.

  • Frenchie

    OCR, transcription, file extraction, and image generation for AI agents via MCP.

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/linmy666/visitproject'

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