mcp-omnisearch

一个模型上下文协议（MCP）服务器，提供对多个搜索提供商和AI工具的统一访问。该服务器结合了Tavily、Perplexity、Kagi、Jina AI、Brave、Exa AI和Firecrawl的能力，通过单一接口提供全面的搜索、AI响应、内容处理和增强功能。

<a href="https://glama.ai/mcp/servers/gz5wgmptd8"> <img width="380" height="200" src="https://gips3.baidu.com/it/u=3136212195,221163637&fm=3081&app=3081&f=PNG?w=760&h=400" alt="Glama 徽章" /> </a>

功能

🔍 搜索工具

• Tavily 搜索：针对事实信息进行了优化，并具有强大的引用支持。支持通过API参数进行域名过滤（include_domains/exclude_domains）。
• Brave 搜索：隐私优先的搜索，支持全面的操作符：site:、-site:、filetype:/ext:、intitle:、inurl:、inbody:、inpage:、lang:、loc:、before:、after:、+term、-term 和精确短语 ("phrase").
• Kagi 搜索：高质量搜索，支持所有操作符：site:、-site:、filetype:/ext:、intitle:、inurl:、inbody:、inpage:、lang:、loc:、before:、after:、+term、-term 和精确短语 ("phrase").
• Exa 搜索：使用神经网络和关键词搜索的AI驱动的网络搜索。针对AI应用进行了优化，具有语义理解、内容提取和研究能力。
• GitHub 搜索：在公共GitHub存储库中进行全面代码搜索，包括三个专用工具：
  • 代码搜索：使用高级语法查找代码示例、函数定义和文件（filename:、path:、repo:、user:、language:、in:file）
  • 仓库搜索：按星数、分支或最近更新排序发现仓库
  • 用户搜索：查找GitHub用户和组织

🎯 搜索操作符

MCP Omnisearch通过操作符和参数提供了强大的搜索能力：

搜索操作符参考

Brave & Kagi 操作符（用于查询字符串）：

• 域名：site:example.com，-site:example.com
• 文件类型：filetype:pdf 或 ext:pdf
• 位置：intitle:term，inurl:term，inbody:term，inpage:term
• 语言：lang:en（ISO 639-1 代码）
• 国家：loc:us（ISO 3166-1 代码）
• 日期：before:2024，after:2024-01-01
• 精确："exact phrase"
• 包含/排除：+required，-excluded

Tavily（仅限API参数）：

• 域名过滤：include_domains，exclude_domains

示例用法

// Brave/Kagi: 查询中的高级操作符
{
  "query": "filetype:pdf lang:en site:microsoft.com +typescript -javascript",
  "provider": "brave"
}

// Brave/Kagi: 搜索gist
{
  "query": "site:gist.github.com claude code settings",
  "provider": "brave"
}

// Tavily: API参数用于域名过滤
{
  "query": "typescript guide",
  "provider": "tavily",
  "include_domains": ["microsoft.com"]
}

提供商能力

• Brave 搜索：查询字符串中的全本操作符支持
• Kagi 搜索：查询字符串中的完全操作符支持
• Tavily 搜索：通过API参数进行域名过滤
• Exa 搜索：通过API参数进行域名过滤，具有神经理解的语义搜索
• GitHub 搜索：具有限定词的高级代码搜索语法：
  • filename:remote.ts - 查找特定文件
  • path:src/lib - 在特定目录内搜索
  • repo:user/repo - 在特定仓库内搜索
  • user:username - 在用户的仓库内搜索
  • language:typescript - 按编程语言筛选
  • in:file "export function" - 在文件内搜索文本

🤖 AI 响应工具

• Perplexity AI：结合实时网络搜索与GPT-4 Omni和Claude 3的高级响应生成
• Kagi FastGPT：快速生成带有引用的AI答案（典型响应时间为900毫秒）
• Exa 答案：使用Exa 答案API直接获取问题的AI生成答案

📄 内容处理工具

• Jina AI 阅读器：干净的内容提取，支持图像字幕和PDF
• Kagi 统一摘要器：页面、视频和播客的内容摘要
• Tavily 提取：从单个或多个网页中提取原始内容，可配置提取深度（'基本'或'高级'）。返回组合内容和每个URL的内容，以及包括单词计数和提取统计在内的元数据
• Firecrawl 抓取：从单个URL中提取干净、适合LLM的数据，具有增强的格式选项
• Firecrawl 深度抓取：网站上所有可访问子页的深度抓取，可配置深度限制
• Firecrawl 地图：快速收集网站上的URL，以进行全面的站点映射
• Firecrawl 结构化数据提取：使用自然语言提示的AI结构化数据提取
• Firecrawl 页面交互：支持页面交互（点击、滚动等）前的动态内容提取
• Exa 内容：从Exa搜索结果ID中提取全部内容
• Exa 相似：使用Exa找到与给定URL语义相似的网页

🔄 增强工具

• Kagi 增强API：来自专业索引的补充内容（Teclis, TinyGem）
• Jina AI 接地：实时事实验证与网络知识

灵活的API密钥要求

MCP Omnisearch设计为与您可用的API密钥一起工作。您不需要拥有所有提供商的密钥——服务器会自动检测哪些API密钥可用并仅启用那些提供商。

例如：

• 如果您只有Tavily和Perplexity的API密钥，则只有这些提供商可用
• 如果没有Kagi的API密钥，基于Kagi的服务不可用，但其他所有提供商正常工作
• 服务器会记录根据您的API密钥配置可用的提供商

这种灵活性使得只需一两个提供商即可轻松开始，并根据需要添加更多。

配置

此服务器需要通过您的MCP客户端进行配置。以下是不同环境下的示例：

Cline 配置

在您的Cline MCP设置中添加以下内容：

{
	"mcpServers": {
		"mcp-omnisearch": {
			"command": "node",
			"args": ["/path/to/mcp-omnisearch/dist/index.js"],
			"env": {
				"TAVILY_API_KEY": "your-tavily-key",
				"PERPLEXITY_API_KEY": "your-perplexity-key",
				"KAGI_API_KEY": "your-kagi-key",
				"JINA_AI_API_KEY": "your-jina-key",
				"BRAVE_API_KEY": "your-brave-key",
				"GITHUB_API_KEY": "your-github-key",
				"EXA_API_KEY": "your-exa-key",
				"FIRECRAWL_API_KEY": "your-firecrawl-key",
				"FIRECRAWL_BASE_URL": "http://localhost:3002"
			},
			"disabled": false,
			"autoApprove": []
		}
	}
}

Claude Desktop with WSL 配置

对于WSL环境，在您的Claude Desktop配置中添加以下内容：

{
	"mcpServers": {
		"mcp-omnisearch": {
			"command": "wsl.exe",
			"args": [
				"bash",
				"-c",
				"TAVILY_API_KEY=key1 PERPLEXITY_API_KEY=key2 KAGI_API_KEY=key3 JINA_AI_API_KEY=key4 BRAVE_API_KEY=key5 GITHUB_API_KEY=key6 EXA_API_KEY=key7 FIRECRAWL_API_KEY=key8 FIRECRAWL_BASE_URL=http://localhost:3002 node /path/to/mcp-omnisearch/dist/index.js"
			]
		}
	}
}

环境变量

服务器使用每个提供商的API密钥。您不需要所有提供商的密钥——只有对应于您可用API密钥的提供商会被激活：

• TAVILY_API_KEY：用于Tavily搜索
• PERPLEXITY_API_KEY：用于Perplexity AI
• KAGI_API_KEY：用于Kagi服务（FastGPT、摘要器、增强）
• JINA_AI_API_KEY：用于Jina AI服务（阅读器、接地）
• BRAVE_API_KEY：用于Brave搜索
• GITHUB_API_KEY：用于GitHub搜索服务（代码、仓库、用户搜索）
• EXA_API_KEY：用于Exa AI服务（搜索、答案、内容、相似）
• FIRECRAWL_API_KEY：用于Firecrawl服务（抓取、深度抓取、地图、结构化数据提取、页面交互）
• FIRECRAWL_BASE_URL：用于自托管的Firecrawl实例（可选，默认为Firecrawl云服务）

您可以先从一两个API密钥开始，以后根据需要添加更多。服务器启动时会记录哪些提供商可用。

GitHub API 密钥设置

要使用GitHub搜索功能，您需要一个具有仅公共仓库访问权限的安全GitHub个人访问令牌：

1. 转到GitHub设置：导航至 GitHub 设置 > 开发者设置 > 个人访问令牌

2. 创建新令牌：点击“生成新令牌” → “生成新令牌（经典）”

3. 配置令牌设置：

   • 名称：MCP Omnisearch - 公共搜索

   • 过期时间：选择您偏好的过期时间（建议90天）

   • 范围：取消勾选所有复选框

     ⚠️ 重要：不要选择任何范围。空范围令牌只能访问公共仓库和个人资料，这正是我们想要的搜索功能。

4. 生成并复制：点击“生成令牌”并立即复制令牌

5. 添加到环境：设置 GITHUB_API_KEY=your_token_here

安全注意事项：

• 此令牌配置确保无法访问私有仓库
• 只能访问公共代码搜索、仓库发现和个人资料
• 速率限制：每小时5,000次请求，代码搜索每分钟10次请求
• 如需撤销令牌，可以从GitHub设置中随时撤销

自托管Firecrawl配置

如果您正在运行自托管的Firecrawl实例，可以通过设置FIRECRAWL_BASE_URL环境变量来配置MCP Omnisearch使用它。这允许您完全控制数据处理管道。

自托管Firecrawl设置：

1. 遵循Firecrawl自托管指南
2. 设置您的Firecrawl实例（默认运行在http://localhost:3002）
3. 使用您的自托管URL配置MCP Omnisearch：

FIRECRAWL_BASE_URL=http://localhost:3002
# 或对于远程自托管实例：
FIRECRAWL_BASE_URL=https://your-firecrawl-domain.com

重要说明：

• 如果未设置FIRECRAWL_BASE_URL，MCP Omnisearch将默认使用Firecrawl云服务
• 自托管实例支持相同的API端点（/v1/scrape，/v1/crawl等）
• 即使是自托管实例，您仍然需要一个FIRECRAWL_API_KEY
• 自托管Firecrawl提供增强的安全性和定制选项

API

服务器实现了按类别组织的MCP工具：

搜索工具

search_tavily

使用Tavily搜索API进行网络搜索。最适合需要可靠来源和引用的事实查询。

参数：

• query（字符串，必需）：搜索查询

示例：

{
	"query": "量子计算最新进展"
}

search_brave

隐私优先的网络搜索，涵盖技术主题广泛。

参数：

• query（字符串，必需）：搜索查询

示例：

{
	"query": "Rust 编程语言特性"
}

search_kagi

广告影响最小的高质量搜索结果。最适合寻找权威来源和研究材料。

参数：

• query（字符串，必需）：搜索查询
• language（字符串，可选）：语言过滤器（例如，“en”）
• no_cache（布尔值，可选）：绕过缓存以获得新鲜结果

示例：

{
	"query": "机器学习最新研究",
	"language": "en"
}

github_search

使用高级语法在GitHub上搜索代码。此工具搜索公共存储库中的文件内容，并提供带有元数据的代码片段。

参数：

• query（字符串，必需）：带有GitHub搜索语法的搜索查询
• limit（数字，可选）：最大结果数量（1-50，默认：10）

示例：

{
	"query": "filename:remote.ts @sveltejs/kit",
	"limit": 5
}

高级查询示例：

• "filename:config.json path:src" - 在src目录中查找config.json文件
• "function fetchData language:typescript" - 查找TypeScript中的fetchData函数
• "repo:microsoft/vscode extension" - 在特定仓库中搜索
• "user:torvalds language:c" - 在用户仓库中搜索C代码

github_repository_search

发现GitHub仓库，带有增强的元数据，包括星数、分支、语言和最后更新信息。

参数：

• query（字符串，必需）：仓库搜索查询
• limit（数字，可选）：最大结果数量（1-50，默认：10）
• sort（字符串，可选）：按“星数”、“分支”或“更新”排序结果

示例：

{
	"query": "sveltekit 远程函数",
	"sort": "stars",
	"limit": 5
}

github_user_search

查找GitHub用户和组织，带有个人资料信息。

参数：

• query（字符串，必需）：用户/组织搜索查询
• limit（数字，可选）：最大结果数量（1-50，默认：10）

示例：

{
	"query": "Rich-Harris",
	"limit": 3
}

exa_search

使用神经网络和关键词搜索的AI驱动的网络搜索。自动选择传统关键词搜索或Exa的嵌入式模型，以找到最相关的查询结果。

参数：

• query（字符串，必需）：搜索查询
• limit（数字，可选）：最大结果数量（1-100，默认：10）
• include_domains（数组，可选）：仅包含这些域的结果
• exclude_domains（数组，可选）：排除这些域的结果

示例：

{
	"query": "最新的人工智能研究论文",
	"limit": 15,
	"include_domains": ["arxiv.org", "scholar.google.com"]
}

AI 响应工具

ai_perplexity

具有实时网络搜索集成的AI驱动响应生成。

参数：

• query（字符串，必需）：AI响应的问题或主题

示例：

{
	"query": "解释REST和GraphQL之间的区别"
}

ai_kagi_fastgpt

快速生成带有引用的AI答案。

参数：

• query（字符串，必需）：快速AI响应的问题

示例：

{
	"query": "TypeScript的主要特性是什么？"
}

exa_answer

使用Exa答案API直接获取问题的AI生成答案。

参数：

• query（字符串，必需）：AI响应的问题
• include_domains（数组，可选）：仅包含这些域的来源
• exclude_domains（数组，可选）：排除这些域的来源

示例：

{
	"query": "机器学习是如何工作的？",
	"include_domains": ["arxiv.org", "nature.com"]
}

内容处理工具

process_jina_reader

将URL转换为适合LLM的干净文本，带有图像字幕。

参数：

• url（字符串，必需）：要处理的URL

示例：

{
	"url": "https://example.com/article"
}

process_kagi_summarizer

从URL中总结内容。

参数：

• url（字符串，必需）：要总结的URL

示例：

{
	"url": "https://example.com/长文章"
}

process_tavily_extract

使用Tavily Extract从网页中提取原始内容。

参数：

• url（字符串 | 字符串数组，必需）：要提取内容的单个URL或URL数组
• extract_depth（字符串，可选）：提取深度 - '基本'（默认）或'高级'

示例：