Omnisearch MCP Server

社区

通过单一接口统一访问多个搜索引擎、AI 问答与内容提取服务

分类: 开发工具第 121 / 438
Stars: ★ 358 非常热门
传输方式: stdio（本地进程）
运行环境: Node.js
凭据: 可选 API Key
许可证: MIT
最近提交: 1 天前
工具数: 4

60FMRS · C

这是一个由社区维护（非官方）的 MCP 服务器，把多个搜索、AI 问答与内容提取服务整合到四个工具中，适合已有相关 API 密钥、希望用统一配置接入多种检索能力的开发者。它依赖第三方服务与密钥，存在数据外泄与限流风险，且未配置密钥的提供商会不可用。

最强项 · 文档质量 15/20 最弱项 · 可靠性 10/20

可靠性

10/20

安全与权限

10/20

维护活跃度

12/20

文档质量

15/20

安装易用性

13/20

查看各项评分依据

可靠性 10/20: 依据仅有 README、server.json 与仓库元数据，未提供任何可验证的执行证据（无 CI 工作流文件、无提交的测试文件内容）。README 声称内置 vite+ 与 vitest、pnpm test、pnpm run build，且四个工具（web_search、ai_search、github_search、web_extract）的参数示例与描述基本自洽，happy path 可信；但缺少 key 时的降级行为、错误码与限流处理、stdio 传输的初始化握手细节均无源码佐证，属于推断而非事实。工具声明与实际行为的对应关系无法静态验证，且未看到任何错误诊断或重试机制的说明。按校准规则，缺乏可验证执行证据时可靠性不得高于 12，故定 10：主路径可信但边界与错误处理薄弱。
安全与权限 10/20: 未触及红线：示例配置中 API key 均为占位符（your-tavily-key 等），未出现真实凭证、无隐蔽外传、无删除/支付/部署类危险默认操作。凭证通过环境变量注入，属于常规最佳实践，且支持 FIRECRAWL_BASE_URL 自托管，数据边界相对可控。扣分点：七个搜索/AI/抓取提供方意味着用户查询与目标 URL 会被发送至多个第三方服务，但 README 未提供明确的数据流向披露或逐提供方的隐私说明；github_search 使用 GITHUB_API_KEY 的权限范围（是否仅只读、是否最小作用域）未说明；web_extract 的 crawl/scrape 能力具备主动对外抓取语义，却无任何确认或范围限制说明；OMNISEARCH_LARGE_RESULT_MODE 默认将大结果落盘为文件，写入路径与内容未披露。综上，主要风险可见但权限最小化、确认机制与数据流披露不完整，评 10。
维护活跃度 12/20: 有明确 MIT 许可证，版本号 0.0.15 处于 0.x 早期，仓库未归档，星标 349、开放 issue 仅 2 个，可视为仍在维护的信号。但这些都是发现层信号，不构成治理证据：README 未见变更日志、发布节奏说明、安全响应渠道（SECURITY.md）、依赖更新策略或维护者归属声明；仅指向 CONTRIBUTING.md，其内容未提供。0.x 版本号本身说明 API 与接口稳定性无承诺。活跃但存在版本治理与安全响应通道的明显缺口，评 12。
文档质量 15/20: 文档层次较好：README 覆盖快速开始、手动配置示例、四个工具及其参数示例、完整环境变量列表，并链接 provider-selection、search-operators、large-results、deployment、troubleshooting 五份专题文档，还提供了 MCPick 的一行安装命令及多客户端/多作用域用法。扣分点：所有引用文档的正文未在证据中呈现，无法核实其内容是否与能力一致；未披露任何成本/计费信息（七个提供方多为付费 API，用户无法预估消耗）；各提供方支持哪些参数（搜索深度、时间范围、安全搜索等）仅笼统表述为‘在提供方支持时生效’，缺少逐家能力矩阵的实证；无速率限制、配额与失败重试的量化说明。可用但存在隐藏假设与部分信息缺口，评 15。
安装易用性 13/20: 安装路径清晰且有两条：MCPick 一行命令（含 --client/--scope 参数示例）或从源码 pnpm install && pnpm run build && node ./dist/index.js，并给出标准 mcpServers JSON 配置。提供方可按可用 key 选用、缺失即跳过，降低了上手门槛。扣分点：源码路径需要用户自备 pnpm 运行时并自行构建，属于手工步骤；文档承认存在 WSL 与 Firecrawl 的特殊配置需求（细节未提供）；需要用户自行申请并配置最多七个第三方 API key，流程分散；无跨平台兼容性矩阵的实证。按校准规则，缺乏可验证执行证据时 setup 不得高于 15，故评 13：步骤明确但含手工与多凭证负担。

静态评测 · 未实际运行收录于 2026-09-18

查看 FMRS 评分方法 →

选型与风险

能访问什么访问网络

适合谁

需要同时接入多个搜索/抓取提供商并希望仅用一套配置的开发者
希望按任务灵活选择提供商的 MCP 客户端用户
需要 GitHub 搜索与网页内容提取的编码助手场景

不适合谁

不愿提供任何第三方搜索或抓取 API 密钥的用户
需要由上游产品官方维护支持的场景
无法运行 Node.js 或 npx 的环境

所需权限

读取环境变量中的各提供商 API 密钥（TAVILY_API_KEY、KAGI_API_KEY、BRAVE_API_KEY、GITHUB_API_KEY、EXA_API_KEY、LINKUP_API_KEY、FIRECRAWL_API_KEY）
通过网络访问各提供商 API 及目标网页
在文件模式下写入较大的结果文件

风险与副作用

需要向第三方服务发送查询内容与目标 URL，可能涉及数据外泄或隐私问题
API 密钥以环境变量形式存储，配置不当可能泄露
各提供商的用法、配额与速率限制不同，可能因限流或权限不足而失败
缺少密钥的提供商会不可用
文档提示了大结果的文件模式与远程部署注意事项

安装接入

准备工作

运行环境：Node.js

TAVILY_API_KEY 可选密钥 Tavily 搜索/提取服务的 API 密钥，在 tavily.com 注册获取。

KAGI_API_KEY 可选密钥 Kagi（含 FastGPT）的 API 密钥，在 kagi.com 获取。

BRAVE_API_KEY 可选密钥 Brave Search API 密钥，在 search.brave.com 申请。

GITHUB_API_KEY 可选密钥 GitHub 个人访问令牌（PAT），在 GitHub 设置的开发者选项中生成。

EXA_API_KEY 可选密钥 Exa AI 搜索 API 密钥，在 exa.ai 获取。

LINKUP_API_KEY 可选密钥 Linkup AI 搜索 API 密钥，在 linkup.so 获取。

FIRECRAWL_API_KEY 可选密钥 Firecrawl 抓取服务 API 密钥，在 firecrawl.dev 获取。

其他可选配置项（2 个）

FIRECRAWL_BASE_URL 可选可选，指向自托管 Firecrawl 实例的地址。

OMNISEARCH_LARGE_RESULT_MODE 可选可选，控制大结果返回方式，默认 file，可设为 inline。

方式一（MCPick）：运行 npx mcpick add --name mcp-omnisearch --command npx --args=-y,mcp-omnisearch，默认写入 Claude Code；可用 --client 与 --scope 指定其他客户端或当前仓库。方式二（源码）：pnpm install && pnpm run build，然后运行 node ./dist/index.js。方式三（手动配置）：在 MCP 客户端配置中为 mcp-omnisearch 指定 command 为 node、args 为 dist/index.js 路径，并在 env 中按需填入 TAVILY_API_KEY、KAGI_API_KEY、BRAVE_API_KEY、GITHUB_API_KEY、EXA_API_KEY、LINKUP_API_KEY、FIRECRAWL_API_KEY，可选 FIRECRAWL_BASE_URL 与 OMNISEARCH_LARGE_RESULT_MODE。

.mcp.json

{
  "mcpServers": {
    "mcp-omnisearch": {
      "command": "node",
      "args": ["/path/to/mcp-omnisearch/dist/index.js"],
      "env": {
        "TAVILY_API_KEY": "your-tavily-key",
        "KAGI_API_KEY": "your-kagi-key",
        "BRAVE_API_KEY": "your-brave-key",
        "GITHUB_API_KEY": "your-github-token",
        "EXA_API_KEY": "your-exa-key",
        "LINKUP_API_KEY": "your-linkup-key",
        "FIRECRAWL_API_KEY": "your-firecrawl-key"
      }
    }
  }
}

以 Claude Code 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "mcp-omnisearch": {
      "command": "node",
      "args": [
        "/path/to/mcp-omnisearch/dist/index.js"
      ],
      "env": {
        "TAVILY_API_KEY": "your-tavily-key",
        "KAGI_API_KEY": "your-kagi-key",
        "BRAVE_API_KEY": "your-brave-key",
        "GITHUB_API_KEY": "your-github-token",
        "EXA_API_KEY": "your-exa-key",
        "LINKUP_API_KEY": "your-linkup-key",
        "FIRECRAWL_API_KEY": "your-firecrawl-key"
      }
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add mcp-omnisearch -e TAVILY_API_KEY=your-tavily-key -e KAGI_API_KEY=your-kagi-key -e BRAVE_API_KEY=your-brave-key -e GITHUB_API_KEY=your-github-token -e EXA_API_KEY=your-exa-key -e LINKUP_API_KEY=your-linkup-key -e FIRECRAWL_API_KEY=your-firecrawl-key -- node /path/to/mcp-omnisearch/dist/index.js

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

启动后查看客户端工具列表，应出现 web_search、ai_search、github_search、web_extract 四个工具；让模型执行一次 web_search 搜索即可确认连接正常。

常见排障

确认对应提供商的 API 密钥已正确设置在 env 中，未配置的提供商会启用跳过
检查密钥是否有效及是否有访问权限
遇到失败时检查是否触发速率限制
自托管 Firecrawl 时通过 FIRECRAWL_BASE_URL 指定地址
参考仓库 docs/troubleshooting.md 与 docs/deployment.md 处理密钥、访问、校验和限流等常见问题

试试这样问

连接成功后，可以直接对 AI 助手这样说：

用 Tavily 搜索最近的 SvelteKit 版本发布
用 Kagi FastGPT 解释 REST 和 GraphQL 的区别
在 GitHub 上搜索 @sveltejs/kit 仓库里包含 filename:remote.ts 的代码
提取 https://example.com/long-article 的内容并总结安装要求

工具能力 4

web_search 只读

使用 Tavily、Brave、Kagi、Exa 或 Kagi Enrichment 搜索网页，支持 limit、search_depth、topic、time_range、safe_search、include_raw_content、auto_parameters 等参数（取决于所选提供商的支持情况）。

ai_search 只读

通过 Kagi FastGPT、Exa Answer、Linkup 或 Tavily Research 获取带来源的 AI 答案；Tavily Research 会先返回任务 ID，需将其作为 research_id 传回以获取报告。

github_search 只读

搜索 GitHub 的代码、仓库或用户，支持 search_type 与 limit 参数。

web_extract 只读

使用 Tavily、Kagi、Firecrawl 或 Exa 提取、爬取、抓取、摘要或查找相似内容，支持 mode、extract_depth、query、chunks_per_source、format 等参数。

使用场景

让 LLM 通过统一接口调用多个搜索引擎进行网页检索

获取带来源引用的 AI 问答结果

搜索 GitHub 上的代码、仓库与用户

提取、爬取或摘要网页内容，并查找相似内容

支持客户端

Claude Code

VS Code

依据项目文档列出，未经本站实测。

详细介绍

Omnisearch MCP Server 是一个 Model Context Protocol（MCP）服务器，通过四个整合工具，为 LLM 提供对 Tavily、Brave、Kagi、Exa AI、GitHub、Linkup 和 Firecrawl 的统一访问能力。它支持网页搜索、带引用的 AI 答案、GitHub 代码/仓库/用户搜索，以及内容提取、爬取、抓取、摘要和相似内容查找。未配置密钥的提供商会被跳过，其余提供商仍可正常工作。该服务器使用 stdio 传输，可通过 npx 安装（如 MCPick 工具），也可从源码构建运行，许可证为 MIT。