Command Palette

Search for a command to run...

0

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
Tavily1000/月$0.01/次单源必填
Exa$10 额度$50/月单源必填
Brave Search2000/月$3/1000单源必填
Serper2500/月$0.30/1000单源必填
Firecrawl有限$83/10万页单源必填
Perplexity Sonar$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-mcp

Step 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
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。