用遠端 MCP 做代理原生網頁搜尋

適合誰

面向要給 AI 代理做網頁搜尋、並且接受「聚合模型原生搜尋與代理搜尋提供方、而不是傳統搜尋引擎」的人。官方寫明 Agent-native web search for AI agents — aggregating model-native search and agent search providers, not traditional search engines。

相容名單點到 Codex CLI、Claude Code、OpenCode、Hermes，以及普通 shell、Python 應用和 remote Streamable HTTP MCP clients。

適合你能做一次遠端部署，並接受搜尋請求離開本機。官方寫 No telemetry, no shared secrets，Provider keys stay in runtime environment variables。沒有共享 API-key 服務，不等於沒有網路，也不等於沒有隱私邊界。

倉庫： https://github.com/JerryLiu369/agent-web-search

3 分鐘完成第一次嘗試

只走 One-click remote MCP。官方給出的部署入口是 https://vercel.com/new/clone?repository-url=https%3A%2F%2Fgithub.com%2FJerryLiu369%2Fagent-web-search&env=AGENT_WEB_SEARCH_AUTH_TOKEN

前置：準備好 AGENT_WEB_SEARCH_AUTH_TOKEN 這一環境變數名對應的真實令牌，不要填佔位值。頁面沒有寫出本機 npx 或 pip 啟動命令，因此不要自行補一條安裝行。

一次低風險呼叫：透過原生 MCP 工具做一次搜尋。官方寫 a native MCP tool，但沒有給出函式名；按「同一套 provider-neutral search core」來用即可。

成功訊號：得到歸一化的 results。官方說明沒有列出 result 欄位。model-backed providers 還可能回傳 answer，第一次可以只確認 results 出現。

遠端搜尋不是零風險。查詢會發到你部署的服務和後端提供方。

使用案例

案例一：用原生 MCP 工具搜一次。部署並配好令牌後，讓代理發起搜尋，檢查回傳的是歸一化 results。不要把介面理解成某個傳統搜尋引擎的原生 API。

案例二：在模型後端開啟時同時看 answer。官方寫 Every backend is available through the same MCP tool, CLI, Python API, and normalized results；model-backed providers may also return an answer。第二次仍走同一合同，只是確認 answer 是否出現。頁面沒有寫出 CLI 可執行檔名，因此不要編造命令列。

使用邊界

同一核心還可以透過 standard Agent Skill 教給 CLI，但技能檔路徑和命令沒有出現。提供方金鑰只放在執行時環境變數。

倉庫標題提到 free keyless defaults，正文同時要求鑑權令牌與提供方金鑰；缺令牌就不要部署。不要發明第二個 MCP 工具名。