searxng-cli：Exa MCP 的开源替代路径，用更少上下文拿到更准的信息

Exa MCP 的体验很接近"为 LLM 优化过的搜索 API"：结果干净、可读、适合直接喂给模型。但对普通用户来说，额度/配额往往是最大阻力------一旦把"搜索"变成稀缺资源，Agent 的研究链路就会被迫降频。

另一端是 SearXNG MCP / Browser MCP：可用、开放，但经常把整页 HTML（导航、脚本、推荐、无关段落）一股脑回传，导致上下文窗口被噪声挤占；模型在"信息过载"里反而更容易答偏、引用不准。

searxng-cli（MIT，https://github.com/Suknna/searxng-cli）走的是第三条路：用 SearXNG 作为开源检索底座，但把"返回给模型的内容"做成强约束、低噪声、可控大小的输出契约，从而在不依赖商业配额的前提下，尽量复刻 Exa MCP 的关键体验：少上下文、更准信息。

核心思路：把噪声挡在工具侧，而不是让模型硬吞

searxng-cli把 Web Research 固化成两步，并分别做了"输出裁剪"：

search：只返回做决策必须的信息（title/url/摘要），固定输出为紧凑的 Markdown 表格
read：对选中的 URL 做正文抽取与净化，输出 markdown 或更省 token 的纯文本

这比"直接把 HTML 丢给模型再总结"更可靠：模型的上下文预算用在内容上，而不是页面结构上；候选筛选也更快、更稳定。

为什么这会带来"更少上下文 + 更准信息"

更少上下文来自"硬边界"而不是"运气"：

search 阶段输出列固定、字段少、可通过 --limit 控制候选规模；不会把页面内容提前塞进上下文
read 阶段支持 --max-bytes（默认 2MB）、--timeout、--retry 等硬限制，避免单页爆 token
--format text 可进一步去掉 markdown 结构，压低 token 成本

更准信息来自"更少噪声 + 更可验证"：

先表格化候选，再挑权威来源（官方文档/标准/一手资料）逐个 read，减少模型从低质聚合页"学错"的概率
输出保留 URL，天然支持引用与交叉验证：同一结论读 2-3 个来源确认再生成回答

一句话：它不试图用"更聪明的模型"对抗噪声，而是用"更干净的输入"提高准确性。

最小用法：像 Exa 一样"先搜再读"

搜索只拿候选集（适合直接贴进对话让模型挑链接）：

bash 复制代码

searxng-cli search "golang context cancellation best practices" --limit 5

读取只拿正文（更省上下文可用 --format text）：

bash 复制代码

searxng-cli read "https://go.dev/blog/context" --format text

如果你已经有 URL，就跳过 search 直接 read。

面向 Agent 的工程化细节：稳定输出 + 可恢复错误

这类工具要替代 MCP，关键不是"能跑"，而是"输出可依赖"：

成功输出走 stdout；错误走 stderr
错误是结构化 key=value 单行信息，便于 Agent 判断：要不要重试、要不要换源、要不要提示用户改超时/认证
配置优先级明确：flags > env > config > defaults，可复现、好排障

这些约束会显著减少"模型需要猜测工具行为"的情况，从而提升链路稳定性与最终答案质量。

这是不是完全替代 Browser MCP？

不是。边界也很清晰：

适合：非交互式研究（查资料、读文章、做对比、要引用）
不适合：登录、表单、强 JS 渲染/交互页面（这些仍然需要浏览器自动化工具）

实践上，把 searxng-cli 作为默认检索/阅读入口，把 Browser 工具留给少数必须交互的页面，通常是 token 成本和准确性都更好的组合。

快速开始（OpenCode / Claude Code / Codex）

在 opencode、claude code、codex 中直接输入以下指令即可，模型会自动完成安装与配置：

text 复制代码

Install and configure searxng-cli by following the instructions here:
https://raw.githubusercontent.com/Suknna/searxng-cli/refs/heads/main/install.md

完成后直接在opencode、claude code、codex 中让模型帮你搜索即可