Tavily 太贵?15 分钟搭一个 8 引擎的免费 MCP 搜索服务器
Tavily 搜索成本太高?用 agent-search-mcp 搭建免费 AI agent 搜索引擎——8 个引擎、多源验证、MCP 原生支持、零 API Key。15 分钟搞定。
Tavily 太贵?15 分钟搭一个 8 引擎的免费 MCP 搜索服务器
AI Agent 搜索的月账单让人头疼?试试这个免费、开源、自托管的方案。
一、先算一笔账
如果你在用 AI Agent 做开发、研究或自动化,大概率绕不开一个问题:搜索成本。
我的 Agent 每天要搜索上百次——查 API 文档、搜技术方案、验证新闻事实、对比产品信息。一开始我用 Tavily,质量确实不错,但用了两个月看了账单就不太对劲了:
- Tavily 定价 $0.008/credit,一次搜索消耗 1-5 credits
- 按 1000 次搜索算,就是 $8
- 重用户月费轻松过 $100
- Exa 起步 $50/月
- Brave Search API 2000 次免费后 $3/1000
月月如此。
对于个人开发者或者小团队来说,这本身就是一笔不小的开支。更关键的是——Agent 需要的不是答案引擎,而是原始搜索结果然后自己判断。你付的是「搜索」的钱,不是「答案」的钱。
那有没有免费的替代方案?
二、市场方案全景对比
| 方案 | 免费额度 | 付费价格 | 引擎数 | 内容提取 | MCP 支持 | 自托管 | Token 优化 | API Key |
|---|---|---|---|---|---|---|---|---|
| Tavily | 1000/月 | $0.01/次 | 单源 | ✅ | ✅ | ❌ | ❌ | 必填 |
| Exa | $10 额度 | $50/月 | 单源 | ✅ | ✅ | ❌ | ❌ | 必填 |
| Brave Search | 2000/月 | $3/1000 | 单源 | ❌ | ✅ | ❌ | ❌ | 必填 |
| Serper | 2500/月 | $0.30/1000 | 单源 | ❌ | ✅ | ❌ | ❌ | 必填 |
| Firecrawl | 有限 | $83/10万页 | 单源 | ✅ | ✅ | ❌ | ❌ | 必填 |
| Perplexity Sonar | 无 | $5/千次+token | 单源 | ✅(合成) | ✅ | ❌ | ❌ | 必填 |
| DDG MCP | 无限 | 免费 | 单源 | ❌ | ✅ | ✅ | ❌ | 非必须 |
| agent-search-mcp | 无限 | 免费 | 8 引擎 | ✅ | ✅ | ✅ | ✅ ~40-50% | 非必须 |
对比一目了然:agent-search-mcp 是唯一在「免费」「多引擎」「MCP 原生」「自托管」和「Token 优化」五个维度同时满足的方案。
三、agent-search-mcp 凭什么免费?
核心秘密很简单:聚合已有的免费搜索接口,不做昂贵的中间层。
8 个免费引擎
| 引擎 | 用途 |
|---|---|
| DuckDuckGo | 通用搜索,隐私优先 |
| Bing | 微软必应,英文内容强 |
| Sogou | 搜狗搜索,中文内容 |
| Baidu | 百度搜索,国内信息 |
| Google News | 新闻资讯 |
| Wikipedia | 百科知识 |
| GitHub | 代码仓库搜索 |
| Hacker News | 技术社区 |
零 API Key,开箱即用。
多源交叉验证
同一个查询发到多个引擎,结果跨源对比。每个结果附带置信度评分(1-3 分)——≥2 分表示至少被两个不同引擎验证过。
自动去重 + 排序融合
不同引擎返回的内容会重复,agent-search-mcp 内置 URL + 标题去重,然后按来源数量和域名权威度做融合排序。
内置安全搜索 + 内容过滤
Prompt 注入检测、钓鱼 URL 过滤、SSRF 保护、输出边界标记——这些安全机制是免费方案里很少见的。
MCP + CLI 双接口
既可以通过 MCP 协议接入任何 AI Agent(Hermes、Claude Code、Cursor、Windsurf……),也可以通过 CLI 直接在终端使用。
轻量依赖
整个项目只有 ~4MB 依赖,4 个 npm 生产包,干净利落。
四、15 分钟部署教程
说了这么多,实际搭一个有多简单?
Step 1: 克隆
git clone https://github.com/lennney/agent-search-mcp
cd agent-search-mcpStep 2: 安装
$ pnpm add
pip install ddgs # Python 依赖,用于 DuckDuckGo
Step 3: 构建 & 启动
$ pnpm build
npm start
就这么三步。从零到跑起来真的不需要 15 分钟。
接入你的 Agent
Hermes 配置:
# ~/.hermes/config.yaml
mcp_servers:
agent-search:
command: npx
args: ["agent-search-mcp"]Claude Code 配置:
// ~/.claude/mcp.json
{
"mcpServers": {
"agent-search": {
"command": "npx",
"args": ["agent-search-mcp"]
}
}
}Cursor 配置:
// .cursor/mcp.json
{
"mcpServers": {
"agent-search": {
"command": "npx",
"args": ["agent-search-mcp"]
}
}
}接上之后,你的 Agent 就可以开始免费搜索了。
五、真实基准测试
我拿了 100 个典型的 Agent 搜索查询,在全部 8 个引擎上做了一轮测试:
| 指标 | 值 |
|---|---|
| 平均响应时间 | ~1.2s |
| 95% 响应时间 | ~3.5s |
| 结果置信度 ≥2 占比 | 87% |
| Token 节省 | ~45% |
| 成功率 | 99% |
对比单引擎方案,多源验证让结果的可靠性大幅提升。瀑布式搜索(Waterfall Search)机制更是精髓——先跑 2 个引擎,置信度够了就停,不够再加引擎。平均能省 50-75% 的引擎调用。
六、谁该用?
- AI Agent 开发者 —— 再也不用为搜索 API 账单发愁
- IDE 用户 —— Claude Code、Cursor、Windsurf 用户直接接入
- 中文开发者 —— Sogou + Baidu 原生支持中文搜索
- 个人开发者 / 小团队 —— 零成本、自托管、数据不外流
如果你之前用 Tavily 或者 Exa,换成 agent-search-mcp 一年能省 $300-1200。这笔钱干点别的不好吗?
更多阅读
想深入了解 agent-search-mcp 的技术架构?可以看之前的博客:Agent Search MCP:AI Agent 的免费多源搜索引擎
GitHub 仓库:github.com/lennney/agent-search-mcp
如果你也在为 Agent 的搜索账单发愁,试试 agent-search-mcp。开源、免费、自托管——15 分钟就能跑起来。