W

WebSearch-MCP网络搜索服务器

@mnhlt/WebSearch-MCP
2 Stars 1.1k 次浏览 mnhlt 更新于 2026-08-23

一种模型上下文协议服务器，使人工智能助手能够进行实时网络搜索，通过爬虫API从互联网检索最新信息。

搜索工具浏览器自动化

MCP 服务配置

复制以下 JSON 到 OPClaw 或其他 MCP 客户端的配置文件中即可使用

{
  "mcpServers": {
    "websearch": {
      "args": [
        "/c",
        "npx",
        "websearch-mcp"
      ],
      "command": "cmd",
      "environment": {
        "API_URL": "http://localhost:3001",
        "MAX_SEARCH_RESULT": "1"
      }
    }
  }
}

该服务需要配置环境变量：API_URL、MAX_SEARCH_RESULT

服务介绍

WebSearch-MCP

smithery badge

这是一个通过标准输入输出传输提供网络搜索功能的 Model Context Protocol (MCP) 服务器实现。该服务器与 WebSearch 爬虫 API 集成以检索搜索结果。

目录

关于

WebSearch-MCP 是一个 Model Context Protocol 服务器，为支持 MCP 的 AI 助手提供网络搜索功能。它允许像 Claude 这样的 AI 模型实时搜索网络，获取任何主题的最新信息。

该服务器与处理实际网络搜索的爬虫 API 服务集成，并使用标准化的 Model Context Protocol 与 AI 助手通信。

安装

通过 Smithery 安装

要通过 Smithery 自动为 Claude Desktop 安装 WebSearch：

npx -y @smithery/cli install @mnhlt/WebSearch-MCP --client claude

手动安装

npm install -g websearch-mcp

或者不安装直接使用：

npx websearch-mcp

配置

WebSearch MCP 服务器可以使用环境变量进行配置：

  • API_URL：WebSearch 爬虫 API 的 URL（默认：http://localhost:3001）
  • MAX_SEARCH_RESULT：未在请求中指定时返回的最大搜索结果数量（默认：5）

示例：

# Configure API URL
API_URL=https://crawler.example.com npx websearch-mcp

# Configure maximum search results
MAX_SEARCH_RESULT=10 npx websearch-mcp

# Configure both
API_URL=https://crawler.example.com MAX_SEARCH_RESULT=10 npx websearch-mcp

设置与集成

设置 WebSearch-MCP 包括两个主要部分：配置执行实际网络搜索的爬虫服务，以及将 MCP 服务器与您的 AI 客户端应用程序集成。

设置爬虫服务

WebSearch MCP 服务器需要一个爬虫服务来执行实际的网络搜索。您可以使用 Docker Compose 轻松设置爬虫服务。

先决条件

启动爬虫服务

  1. 创建一个名为 docker-compose.yml 的文件，内容如下：
version: '3.8'

services:
  crawler:
    image: laituanmanh/websearch-crawler:latest
    container_name: websearch-api
    restart: unless-stopped
    ports:
      - "3001:3001"
    environment:
      - NODE_ENV=production
      - PORT=3001
      - LOG_LEVEL=info
      - FLARESOLVERR_URL=http://flaresolverr:8191/v1
    depends_on:
      - flaresolverr
    volumes:
      - crawler_storage:/app/storage

  flaresolverr:
    image: 21hsmw/flaresolverr:nodriver
    container_name: flaresolverr
    restart: unless-stopped
    environment:
      - LOG_LEVEL=info
      - TZ=UTC

volumes:
  crawler_storage:

针对 Mac Apple Silicon 的解决方法

version: '3.8'

services:
  crawler:
    image: laituanmanh/websearch-crawler:latest
    container_name: websearch-api
    platform: "linux/amd64"
    restart: unless-stopped
    ports:
      - "3001:3001"
    environment:
      - NODE_ENV=production
      - PORT=3001
      - LOG_LEVEL=info
      - FLARESOLVERR_URL=http://flaresolverr:8191/v1
    depends_on:
      - flaresolverr
    volumes:
      - crawler_storage:/app/storage

  flaresolverr:
    image: 21hsmw/flaresolverr:nodriver
    platform: "linux/arm64"
    container_name: flaresolverr
    restart: unless-stopped
    environment:
      - LOG_LEVEL=info
      - TZ=UTC

volumes:
  crawler_storage:
  1. 启动服务：
docker-compose up -d
  1. 验证服务是否正在运行：
docker-compose ps
  1. 测试爬虫 API 健康端点：
curl http://localhost:3001/health

预期响应：

{
  "status": "ok",
  "details": {
    "status": "ok",
    "flaresolverr": true,
    "google": true,
    "message": null
  }
}

爬虫 API 将在 http://localhost:3001 上可用。

测试爬虫 API

你可以直接使用 curl 来测试爬虫 API：

curl -X POST http://localhost:3001/crawl \
  -H "Content-Type: application/json" \
  -d '{
    "query": "typescript best practices",
    "numResults": 2,
    "language": "en",
    "filters": {
      "excludeDomains": ["youtube.com"],
      "resultType": "all" 
    }
  }'

自定义配置

你可以在 docker-compose.yml 文件中通过修改环境变量来自定义爬虫服务：

  • PORT: 爬虫 API 监听的端口（默认：3001）
  • LOG_LEVEL: 日志级别（选项：debug, info, warn, error）
  • FLARESOLVERR_URL: FlareSolverr 服务的 URL（用于绕过 Cloudflare 保护）

与 MCP 客户端集成

快速参考：MCP 配置

以下是不同客户端的 MCP 配置快速参考：

{
    "mcpServers": {
        "websearch": {
            "command": "npx",
            "args": [
                "websearch-mcp"
            ],
            "environment": {
                "API_URL": "http://localhost:3001",
                "MAX_SEARCH_RESULT": "5" // reduce to save your tokens, increase for wider information gain
            }
        }
    }
}

针对 Windows 的解决方法，由于 问题

{
    "mcpServers": {
      "websearch": {
            "command": "cmd",
            "args": [
                "/c",
                "npx",
                "websearch-mcp"
            ],
            "environment": {
                "API_URL": "http://localhost:3001",
                "MAX_SEARCH_RESULT": "1"
            }
        }
    }
  }

使用

此包实现了一个使用 stdio 传输的 MCP 服务器，并暴露了一个带有以下参数的 web_search 工具：

参数

  • query (必需): 要查找的搜索查询
  • numResults (可选): 返回的结果数量（默认：5）
  • language (可选): 搜索结果的语言代码（例如 'en'）
  • region (可选): 搜索结果的地区代码（例如 'us'）
  • excludeDomains (可选): 从结果中排除的域名
  • includeDomains (可选): 结果中仅包含这些域名
  • excludeTerms (可选): 从结果中排除的术语
  • resultType (可选): 返回的结果类型 ('all', 'news', 或 'blogs')

示例搜索响应

这里是一个搜索响应示例：

{
  "query": "machine learning trends",
  "results": [
    {
      "title": "Top Machine Learning Trends in 2025",
      "snippet": "The key machine learning trends for 2025 include multimodal AI, generative models, and quantum machine learning applications in enterprise...",
      "url": "https://example.com/machine-learning-trends-2025",
      "siteName": "AI Research Today",
      "byline": "Dr. Jane Smith"
    },
    {
      "title": "The Evolution of Machine Learning: 2020-2025",
      "snippet": "Over the past five years, machine learning has evolved from primarily supervised learning approaches to more sophisticated self-supervised and reinforcement learning paradigms...",
      "url": "https://example.com/ml-evolution",
      "siteName": "Tech Insights",
      "byline": "John Doe"
    }
  ]
}

本地测试

要本地测试 WebSearch MCP 服务器，你可以使用附带的测试客户端：

npm run test-client

这将启动 MCP 服务器和一个简单的命令行界面，允许你输入搜索查询并查看结果。

你还可以为测试客户端配置 API_URL：

API_URL=https://crawler.example.com npm run test-client

作为库使用

你可以以编程方式使用此包：

import { createMCPClient } from '@modelcontextprotocol/sdk';

// Create an MCP client
const client = createMCPClient({
  transport: { type: 'subprocess', command: 'npx websearch-mcp' }
});

// Execute a web search
const response = await client.request({
  method: 'call_tool',
  params: {
    name: 'web_search',
    arguments: {
      query: 'your search query',
      numResults: 5,
      language: 'en'
    }
  }
});

console.log(response.result);

故障排除

爬虫服务问题

  • API 不可达：确保爬虫服务正在运行并在配置的 API_URL 上可访问。
  • 搜索结果不可用：检查爬虫服务的日志以查看是否有任何错误： 
    docker-compose logs crawler
  • FlareSolverr 问题：一些网站使用了 Cloudflare 保护。如果看到与此相关的错误，请检查 FlareSolverr 是否工作正常： 
    docker-compose logs flaresolverr

MCP 服务器问题

  • 导入错误：确保您已安装最新版本的 MCP SDK： 
    npm install -g @modelcontextprotocol/sdk@latest
  • 连接问题：确保您的客户端正确配置了 stdio 传输。

开发

要在这个项目上工作：

  1. 克隆仓库
  2. 安装依赖项：npm install
  3. 构建项目：npm run build
  4. 以开发模式运行：npm run dev

服务器期望一个如 swagger.json 文件中定义的 WebSearch Crawler API。请确保该 API 在配置的 API_URL 上运行。

项目结构

  • .gitignore：指定 Git 应忽略的文件（如 node_modules、dist、logs 等）
  • .npmignore：指定在发布到 npm 时不包含的文件
  • package.json：项目元数据和依赖项
  • src/：源 TypeScript 文件
  • dist/：编译后的 JavaScript 文件（构建时生成）

发布到 npm

要将此包发布到 npm：

  1. 确保您有 npm 账户并已登录 (npm login)
  2. 更新 package.json 中的版本 (npm version patch|minor|major)
  3. 运行 npm publish

.npmignore 文件确保只有必要的文件被包含在发布的包中：

  • 编译后的代码在 dist/ 目录下
  • README.md 和 LICENSE 文件
  • package.json

贡献

欢迎贡献！请随时提交 Pull Request。

许可证

ISC

查看源码 项目主页

相关 MCP 服务

12306-MCP车票查询工具
@Joooook/12306-mcp
基于Model Context Protocol (MCP) 的12306购票搜索服务器。提供了简单的API接口，允许大模型利用接口搜索12306购票信息。
必应搜索中文
slcatwujian/bing-cn-mcp-server
让 AI 助手（如 Claude）能够使用必应搜索引擎实时获取网络信息的工具。提供了一个必应搜索工具和网页抓取功能，专为中文搜索优化，无需申请 API 密钥。
Tavily智搜
@tavily-ai/tavily-mcp
该服务器使AI系统能够与Tavily的搜索和数据提取工具集成，提供实时的网络信息访问和领域特定的搜索。
MCP上下文模型文档
@upstash/context7-mcp
一种模型上下文协议服务器，它从库中直接获取最新、特定版本的文档和代码示例并将其引入LLM提示中，帮助开发人员在无需过时或虚构信息的情况下获得准确的答案。