用远程 MCP 做代理原生网页搜索

适合谁

面向要给 AI 代理做网页搜索、并且接受「聚合模型原生搜索与代理搜索提供方、而不是传统搜索引擎」的人。官方写明 Agent-native web search for AI agents — aggregating model-native search and agent search providers, not traditional search engines。

兼容名单点到 Codex CLI、Claude Code、OpenCode、Hermes，以及普通 shell、Python 应用和 remote Streamable HTTP MCP clients。

适合你能做一次远程部署，并接受搜索请求离开本机。官方写 No telemetry, no shared secrets，Provider keys stay in runtime environment variables。没有共享 API-key 服务，不等于没有网络，也不等于没有隐私边界。

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

3 分钟完成第一次尝试

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

前置：准备好 AGENT_WEB_SEARCH_AUTH_TOKEN 这一环境变量名对应的真实令牌，不要填占位值。页面没有写出本地 npx 或 pip 启动命令，因此不要自行补一条安装行。

一次低风险调用：通过原生 MCP 工具做一次搜索。官方写 a native MCP tool，但没有给出函数名；按「同一套 provider-neutral search core」来用即可。

成功信号：得到归一化的 results。官方说明没有列出 result 字段。model-backed providers 还可能返回 answer，第一次可以只确认 results 出现。

远程搜索不是零风险。查询会发到你部署的服务和后端提供方。

使用案例

案例一：用原生 MCP 工具搜一次。部署并配好令牌后，让代理发起搜索，检查返回的是归一化 results。不要把接口理解成某个传统搜索引擎的原生 API。

案例二：在模型后端开启时同时看 answer。官方写 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，只是确认 answer 是否出现。页面没有写出 CLI 可执行文件名，因此不要编造命令行。

使用边界

同一核心还可以通过 standard Agent Skill 教给 CLI，但技能文件路径和命令没有出现。提供方密钥只放在运行时环境变量。

仓库标题提到 free keyless defaults，正文同时要求鉴权令牌与提供方密钥；缺令牌就不要部署。不要发明第二个 MCP 工具名。