安装
"command": "uvx",
"args": ["--from", "git+https://github.com/nkapila6/mcpsurfr", "mcpsurfr"]适合谁
MCPSurfr（前身为 mcp-local-rag）是一个面向 LLM 的本地网页搜索 MCP 服务器：无需 API key，搜索结果在你自己的机器上完成重排序，排序由一个小体积 MobileBERT 模型直接跑在 numpy 上。它适合两类人：一是给支持 MCP 的客户端补联网检索能力、又不想注册搜索服务或管理密钥的用户；二是需要从一次性段落快查，到整页文本，再到多引擎深度研究逐级加深的 agent 工作流。
使用前提要明确：你需要一个支持自定义 MCP 服务器的客户端，且本机能运行 uvx 命令——官方只提供了经 uvx 从 GitHub 拉起服务的这一种启动方式。官方页面未说明它是否提供托管服务或图形界面，也未列出操作系统要求与适用客户端名单；如果你的环境不允许从 GitHub 拉取并执行代码，这条主路径走不通。
3 分钟完成第一次尝试
推荐主路径只有一条，命令与配置均来自官方说明。
前提：本机可运行 uvx，客户端支持按 command/args 配置 MCP 服务器。第一步，在客户端的 MCP 服务器配置里写入官方给出的片段（具体粘贴位置因客户端而异）：
"command": "uvx",
"args": ["--from", "git+https://github.com/nkapila6/mcpsurfr", "mcpsurfr"]
第二步，保存配置并重新加载会话，客户端会按该命令拉起 mcpsurfr。首次启动需要联网从 GitHub 拉取代码，这一步的耗时与缓存行为官方未说明。
第三步，调用 search 工具，输入一个普通查询词。它是官方定义的一次性查询，返回相关段落，属于查询类操作；但调用会发起真实网络搜索，并在本机执行重排计算——查询性质只说明不执行写操作，不代表没有网络请求与隐私边界。
成功信号：工具返回与查询词相关的段落文本，且客户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。服务器还提供技能资源 skill://mcpsurfr-search/SKILL.md，其具体用途官方页面未展开。
使用案例
案例一：给对话补快问快答检索。场景：你在客户端里讨论一个可能有新进展的话题，让模型先调用 search。它做一次性查询并返回相关段落，模型可直接引用作答；因为无需 API key，换新环境接入时不用先注册任何搜索服务。可确认到返回相关段落这一步，段落的切分与排序细节官方未说明。
案例二：抓整页正文做主题梳理。场景：段落不够、需要更完整的上下文时，调用 rag_search_ddgs，官方说明它返回整页文本，这也是项目的原始模式。注意单次调用最多返回 40,000 字符，可用环境变量 MCPSURFR_MAX_CHARS 调整。各工具的具体参数官方未逐项给出，以客户端内省到的工具说明为准；deep_research 系列如何编排多步研究，官方页面未展开，不要自行假设流程。
使用边界
读写性质：六个工具均为查询或研究类能力，官方页面未描述写入本地文件或远端提交的操作；这只是边界描述，不构成安全结论——调用即发起真实网络搜索，并在本机用 MobileBERT（numpy）完成重排。
凭证与本地依赖：官方主打无需 API key；是否需要账号、令牌或本地数据文件，官方页面未提及，按未确认处理。
副作用与确认点：安装即通过 uvx 从 GitHub 拉取并运行代码，这是官方配置的固有行为，接受这点再写入配置；除此之外官方未描述其他副作用或需要确认的动作。
官方限制与未确认项：整页类工具单次最多返回 40,000 字符，可用 MCPSURFR_MAX_CHARS 环境变量调整。尚未确认的关键信息还包括：适用客户端名单、各搜索后端的可用性与配额、性能开销、能否远程部署。依赖这些条件做选型前，先在自己环境里验证。