dhole-mcp 17.2

给 AI 一副能真正上网的手。

抓取 · 搜索 · 爬站 · 读 PDF · 页面操作 · 变更监控
13 个工具，一个本地进程 · 零密钥 · 零模型 · 零遥测

为什么要有它

模型会思考，可它看不见今天的网。

训练数据有截止日期。搜索 API 要密钥、要额度。抓一页，可能只回来一串 403。 Dhole 把这条断掉的路接回来：一个 MCP 服务器，装进任何宿主，AI 自己挑工具，你不用记命令。

安装

pip install dhole-mcp  # 完整版：浏览器 / PDF / OCR / 解析器 / 重排，一次装齐
dhole doctor           # 体检：起服务、起浏览器、真搜一次、真抓一次

Python 3.11+。只剩一样东西 pip 装不到这一步：Chromium 本体（另一份约 193MB 的下载，不在 wheel 里）。

• 什么都不用做：第一次真正需要渲染时，dhole 自己会装它要用的那一份。
• 想提前装好、或上一次没装完，补一句 python -m patchright install chromium 就行——可重复执行，只补缺的那一份。
• 装不上也不影响其余能力：缺浏览器时自动降级为纯 HTTP，降级不是故障。dhole doctor 会点名缺的是哪一件，并给出可复制的修复命令。

接进宿主（Claude Desktop / Cursor / Codex / Cherry Studio 字段名各异，认 command）：

{"mcpServers": {"dhole": {"command": "dhole", "args": []}}}

没有参数，没有密钥，没有环境变量。重启宿主，然后正常提要求。

在这台机器上安装 Dhole MCP 服务器，逐步执行，失败就停下来报告。

1. 认清你所在的宿主，读出它的 MCP 配置位置与添加本地服务器的格式（读文档，不要猜）。
2. pip install dhole-mcp（已经是完整版）。
3. 备份配置文件，添加名为 "dhole" 的服务器：command 为 "dhole"，无参数、无密钥、无 env。
4. 让用户重启宿主，再跑 dhole doctor 确认体检通过；若报浏览器缺失，补一次 python -m patchright install chromium（可重复执行）。

常驻或远程使用，改走 streamable HTTP：

export DHOLE_HTTP_TOKEN="$(openssl rand -hex 32)"   # 设了即强制 Bearer 校验
dhole --http                                        # 127.0.0.1:8765/mcp

远程暴露前必须套 TLS 反代。dhole 没有内置 OAuth，令牌只是端口门禁，不做主体隔离——要按人隔离就一人一进程。

宣传片

从模型看不见今天的网，到它自己抓回证据。

播放器起不来（登录态偶发被浏览器 CSP 拦）？点此直接看同一个文件。（720p，86 秒，带旁白）

它做什么

13 颗工具默认全部注册，装完即用，没有「还要额外打开」的能力。

装好之后直接说人话：

• 「抓这个页面的价格，列成表」→ web_read
• 「就这个问题给我一份带引用的答案」→ web_research
• 「/guide 下面都收一遍」→ web_crawl
• 「之前读过的那篇讲注意力机制的文章找回来」→ web_recall
• 「在这个后台把这条记录删掉」→ web_act
• 「这页一变就告诉我」→ dhole watch

它和别的抓取器不一样在哪

• 零密钥：10 个免密搜索引擎、五类纵向源、反爬升级、重排模型，没有一项需要注册或充值。可选的 tavily / bocha 只在你自己配了 key 并且点名时才调用。
• 零模型：判断归外层 agent，dhole 只做确定的工具层。同一份页面两次抓取，同一个结果；不会有一个小模型在背后替你决定「这页大概讲什么」。
• 全本地：正文缓存、cookie、重排模型都在 ~/.dhole；除了你让它抓的目标站点，进程不往外发任何数据。
• 失败说真话：每次调用都回同一份 JSON——抽了多少字、走的哪一档、下一步该调什么。抽空了就说空了，不会把一张反爬灰页包装成「成功正文」。

配置

两条门：宿主配置里的 env 块（改完要重启），或 dhole config set NAME value 写进 ~/.dhole/config.json（下一次调用就生效）。env 永远优先。默认行为通常就是你要的，不确定就先别设。

边界

• robots.txt 默认遵守：被 Disallow 的 URL 一个请求都不发。要绕开是 DHOLE_IGNORE_ROBOTS 或单次 ignore_robots=true，那是你的合规决定——目标站点的 ToS 与当地法律由使用者承担。
• content_ok=true 不代表内容为真：只表示 2xx、无错、正文非空。几百字符的「成功」多半是登录墙。
• 写请求只发一次：POST / PUT / DELETE 不重试、不缓存、不升浏览器。超时那句答案是「不知道」，不是「没成功」。
• 提交默认暂停：web_act 的 submit 不带 confirm=true 什么都不提交；验证码最多试 3 次就转交，2FA 与滑块一律转交。
• 凭据不越界：cookie 与 Authorization 只发给源站，跨源重定向不带；没带 host 的凭据一律拒；内网与本机默认拒绝，云元数据端点任何时候都不放行。
• 抓回的正文是不可信数据：里面的指令按提示注入处理，可疑时响应带 untrusted_content 标记。标记不是拦截，裁决归外层 agent。

常用的几条命令

监控是轮询不是推送：频率归你的 cron / systemd timer。没有 webhook 出口，是决定不是缺口——dhole 是只读的本地工具层，不变成拿着页面内容往外 POST 的进程。

本地数据

全在 ~/.dhole/（DHOLE_HOME 可换；POSIX 下目录 0700、文件 0600）。正文缓存 cache.db 是明文 SQLite，TTL 1 小时（article 6h）——web_recall 搜的就是它。会话与凭据默认只在内存，profiles/ 存的是持久浏览器 profile，含登录态，删目录即注销。没有任何遥测。

文档

• CONTRIBUTING.md —— 开发环境、测试、引擎契约
• evals/README.md —— 公开评测的方法与读数
• CHANGELOG.md —— 每个版本改了什么，以及为什么
• 手册两个入口，同一份语料：sys_guide(topic=...) 或 dhole skill install

致谢

本项目是 dondai1234/master-fetch 的二创（衍生作品），上游以 MIT 协议发布，原始版权文本完整保留于 LICENSE。

许可证

MIT