安裝
"command": "uvx",
"args": ["--from", "git+https://github.com/nkapila6/mcpsurfr", "mcpsurfr"]適合誰
MCPSurfr（前身為 mcp-local-rag）是一個面向 LLM 的本地網頁搜尋 MCP 伺服器：無需 API key，搜尋結果在你自己的機器上完成重排序，排序由一個小體積 MobileBERT 模型直接跑在 numpy 上。它適合兩類人：一是為支援 MCP 的用戶端補上網路檢索能力、又不想註冊搜尋服務或管理金鑰的使用者；二是需要從一次性段落快查，到整頁文字，再到多引擎深度研究逐級加深的 agent 工作流。
使用前提要明確：你需要一個支援自訂 MCP 伺服器的用戶端，且本機能執行 uvx 指令——官方只提供了經 uvx 從 GitHub 拉起服務的這一種啟動方式。官方頁面未說明它是否提供託管服務或圖形介面，也未列出作業系統需求與適用用戶端名單；如果你的環境不允許從 GitHub 擷取並執行程式碼，這條主路徑走不通。
3 分鐘完成第一次嘗試
推薦主路徑只有一條，指令與設定均來自官方說明。
前提：本機可執行 uvx，用戶端支援按 command/args 設定 MCP 伺服器。第一步，在用戶端的 MCP 伺服器設定裡寫入官方給出的片段（具體貼上位置因用戶端而異）：
"command": "uvx",
"args": ["--from", "git+https://github.com/nkapila6/mcpsurfr", "mcpsurfr"]
第二步，儲存設定並重新載入工作階段，用戶端會按該指令拉起 mcpsurfr。首次啟動需要連網從 GitHub 擷取程式碼，這一步的耗時與快取行為官方未說明。
第三步，呼叫 search 工具，輸入一個普通查詢詞。它是官方定義的一次性查詢，會回傳相關段落，屬於查詢類操作；但呼叫會發起真實網路搜尋，並在本機執行重排運算——查詢性質只說明不執行寫入操作，不代表沒有網路請求與隱私邊界。
成功訊號：工具回傳與查詢詞相關的段落文字，且用戶端工具列表中能看到 search 之外的 rag_search_ddgs、rag_search_google、deep_research、deep_research_ddgs、deep_research_google。伺服器還提供技能資源 skill://mcpsurfr-search/SKILL.md，其具體用途官方頁面未展開。
使用案例
案例一：為對話補快問快答檢索。情境：你在用戶端裡討論一個可能有新進展的話題，讓模型先呼叫 search。它做一次性查詢並回傳相關段落，模型可直接引用作答；因為無需 API key，換新環境接入時不用先註冊任何搜尋服務。可確認到回傳相關段落這一步，段落的切分與排序細節官方未說明。
案例二：抓整頁正文做主題梳理。情境：段落不夠、需要更完整的上下文時，呼叫 rag_search_ddgs，官方說明它回傳整頁文字，這也是專案的原始模式。注意單次呼叫最多回傳 40,000 字元，可用環境變數 MCPSURFR_MAX_CHARS 調整。各工具的具體參數官方未逐項給出，以用戶端內省到的工具說明為準；deep_research 系列如何編排多步研究，官方頁面未展開，不要自行假設流程。
使用邊界
讀寫性質：六個工具均為查詢或研究類能力，官方頁面未描述寫入本地檔案或遠端提交的操作；這只是邊界描述，不構成安全結論——呼叫即發起真實網路搜尋，並在本機用 MobileBERT（numpy）完成重排。
憑證與本地依賴：官方主打無需 API key；是否需要帳號、權杖或本地資料檔案，官方頁面未提及，按未確認處理。
副作用與確認點：安裝即透過 uvx 從 GitHub 擷取並執行程式碼，這是官方設定的固有行為，接受這點再寫入設定；除此之外官方未描述其他副作用或需要確認的動作。
官方限制與未確認項：整頁類工具單次最多回傳 40,000 字元，可用 MCPSURFR_MAX_CHARS 環境變數調整。尚未確認的關鍵資訊還包括：適用用戶端名單、各搜尋後端的可用性與配額、效能開銷、能否遠端部署。依賴這些條件做選型前，先在自己環境裡驗證。