ai-search-mcp 1.2.3

通用 AI 搜索 MCP 服务器，支持任何兼容 OpenAI API 格式的 AI 模型

AI Search MCP Server

通用 AI 搜索 MCP 服务器，支持任何兼容 OpenAI API 格式的 AI 模型进行联网搜索。

高性能 Rust 实现，支持真正的并发搜索。

特性

• ✅ 支持任何 OpenAI API 兼容的模型
• ✅ 支持流式和非流式响应
• ✅ 自动过滤 AI 思考内容
• ✅ 自动时间注入：每次搜索自动注入当前时间，提升时间相关查询准确性
• ✅ 增强系统提示词：内置优化的搜索策略和输出要求
• ✅ 多维度搜索：自动拆分复杂查询为多个子问题并行搜索，结果更全面
• ✅ 智能重试机制：自动重试失败的请求，提升成功率
• ✅ 高性能并发：基于 Tokio 异步运行时，真正的并发执行
• ✅ 零依赖部署：单一二进制文件，无需 Python 环境
• ✅ 完全可配置（支持自定义系统提示词）

性能对比

特性	Python 版本	Rust 版本
多维度搜索	顺序执行 (~60s每次)	并发执行 (一共60s)
启动时间	~200ms	~10ms
内存占用	中等	低 (零拷贝)
流式响应	iter_lines	Stream trait
依赖	Python + requests	单一二进制文件

安装

方式一：使用 Python 包管理器（推荐）

# 使用 uvx（推荐）
uvx ai-search-mcp

# 或使用 pip
pip install ai-search-mcp

方式二：从源码编译

# 克隆仓库
git clone https://github.com/lianwusuoai/ai-search-mcp.git
cd ai-search-mcp

# 编译发布版本
cargo build --release

# 二进制文件位于
./target/release/ai-search-mcp

更新

# 使用 pip 更新
pip install --upgrade ai-search-mcp

# 使用 uvx 会自动使用最新版本
uvx ai-search-mcp

卸载

# 使用 pip 卸载
pip uninstall ai-search-mcp

# uvx 不需要卸载，每次运行都是独立环境

## 命令行工具

```bash
# 查看版本
ai-search-mcp --version

# 验证配置
ai-search-mcp --validate-config

跨平台编译

# Windows
cargo build --release --target x86_64-pc-windows-gnu

# Linux
cargo build --release --target x86_64-unknown-linux-gnu

# macOS
cargo build --release --target x86_64-apple-darwin

快速开始

编辑配置文件（Kiro IDE: .kiro/settings/mcp.json | Claude Desktop: claude_desktop_config.json）:

{
  "mcpServers": {
    "ai-search": {
      "command": "uvx",  // 使用 uvx（推荐）
      "args": ["ai-search-mcp"],  // 或使用绝对路径: "/path/to/ai-search-mcp"
      "env": {
        "AI_API_URL": "http://localhost:10000",
        "AI_API_KEY": "your-api-key",
        "AI_MODEL_ID": "搜索模型ID",
        "AI_ANALYSIS_MODEL_ID": "分析模型ID",
        "AI_TIMEOUT": "60",
        "AI_STREAM": "true",
        "AI_FILTER_THINKING": "true",
        "AI_RETRY_COUNT": "1",
        "AI_LOG_LEVEL": "INFO",
        "AI_MAX_QUERY_PLAN": "3"
      }
    }
  }
}

工具说明

web_search - 网络搜索

输入：{"query": "搜索内容"}

多维度搜索（由 AI_MAX_QUERY_PLAN 控制）：

• = 1：直接返回搜索结果
• > 1：首次调用返回拆分要求，AI 需拆分成 N 个子问题并行搜索（子问题加 [SUB_QUERY] 前缀防止套娃），然后整合结果

---

配置说明

环境变量

变量	必需	默认值	说明
AI_API_URL	✅	-	AI API 地址
AI_API_KEY	✅	-	API 密钥
AI_MODEL_ID	✅	-	搜索查询生成模型 ID
AI_ANALYSIS_MODEL_ID	❌	同 AI_MODEL_ID	搜索结果分析模型 ID（可与搜索模型不同）
AI_TIMEOUT	❌	60	超时时间（秒），复杂查询建议 120
AI_STREAM	❌	true	是否启用流式响应
AI_FILTER_THINKING	❌	true	是否过滤思考内容
AI_RETRY_COUNT	❌	1	重试次数（0 = 不重试）
AI_LOG_LEVEL	❌	INFO	日志级别（DEBUG/INFO/WARNING/ERROR）
AI_MAX_QUERY_PLAN	❌	1	复杂查询拆分维度数（建议 3-7）
AI_SYSTEM_PROMPT	❌	见下方	自定义系统提示词

搜索AI自定义提示词示例

重要：必须保留 {current_time} 占位符

# 简化版
export AI_SYSTEM_PROMPT="你是搜索助手。当前时间: {current_time}。请提供准确答案并标注来源。"

# 技术文档专用
export AI_SYSTEM_PROMPT="你是技术文档搜索专家。当前时间: {current_time}。专注于官方文档、GitHub 仓库和技术博客，提供代码示例并标注版本信息。"

---

多维度搜索示例

简单查询（AI_MAX_QUERY_PLAN = 1）

用户：Python 是什么
→ AI 调用：web_search("Python 是什么")
→ MCP 返回：直接返回搜索结果

复杂查询（AI_MAX_QUERY_PLAN = 3）

用户：春节北京到上海高铁票价
→ AI 首次调用：web_search("春节北京到上海高铁票价")
→ MCP 返回：拆分要求（提示拆成 3 个子问题）
→ AI 并行调用：

web_search("[SUB_QUERY] 春节北京到上海直达高铁票价")
web_search("[SUB_QUERY] 北京到上海中转方案票价对比")
web_search("[SUB_QUERY] 北京周边站点到上海买长乘短策略")

→ MCP 返回：每个子查询的搜索结果（[SUB_QUERY] 前缀防止再次拆分）
→ AI 整合：自动整合 3 个结果，返回完整答案

性能提升：Rust 版本并发执行 3 个子查询，总耗时约 1 秒（Python 顺序执行约 3 秒）

---

命令行工具

# 查看版本
ai-search-mcp --version

# 验证配置
ai-search-mcp --validate-config

支持的服务

任何兼容 OpenAI API 格式的服务都可以使用，以及本地部署的AI模型

开发

本地开发

# 克隆仓库
git clone https://github.com/lianwusuoai/ai-search-mcp.git
cd ai-search-mcp

# 开发构建
cargo build

# 运行测试
cargo test

# 发布构建
cargo build --release

构建 Python 包

# 1. 编译 Rust 并复制二进制文件
python build.py

# 2. 构建 Python 包
pip install build
python -m build

# 3. 本地测试安装
pip install dist/ai_search_mcp-*.whl

发布到 PyPI

项目使用 GitHub Actions 自动构建多平台二进制文件并发布到 PyPI。

手动发布：

# 1. 确保所有平台的二进制文件都在 ai_search_mcp/bin/ 目录
# - ai-search-mcp.exe (Windows)
# - ai-search-mcp-linux (Linux)
# - ai-search-mcp-macos (macOS)

# 2. 构建并上传
pip install build twine
python -m build
twine upload dist/*

自动发布（推荐）：

# 创建并推送 tag
git tag v1.2.1
git push origin v1.2.1

# GitHub Actions 会自动：
# 1. 在 Windows/Linux/macOS 上编译二进制文件
# 2. 打包所有平台的二进制文件
# 3. 发布到 PyPI

许可证

MIT License

链接

• GitHub
• 问题反馈