Evo Scry

evo-scry

MCP服务器，用于通过直接谷歌和DuckDuckGo HTML抓取进行互联网搜索，并采用人工智能进行结果规范化。

python 搜索所需的API密钥为零。 可选通过GitHub Copilot代币或本地Ollama模型进行AI摘要。

特性

• 4个MCP工具: web_search, search_google, search_duckduckgo, extract_content
• 多引擎聚合：通过重复数据删除和跨引擎排名在Google+DuckDuckGo上进行并行搜索
• AI总结：通过GitHub Copilot或当地Ollama模型提供可选结果摘要
• 生产就绪：具有完整环境变量配置的系统化服务
• 尊重隐私：直接抓取HTML，无需第三方搜索API
• FastMCP模式：与evo-mem相同的架构——SSE+可流式http双传输

快速开始

# Create virtual environment
python3 -m venv .venv
source .venv/bin/activate

# Install
pip install -e .

# Run (STDIO transport for local MCP clients)
python -m evoscry.mcp_server

# Run (SSE transport for remote/systemd)
python -m evoscry.mcp_server --transport sse --port 3000

Claude桌面/VS代码配置

{
  "mcpServers": {
    "evo-scry": {
      "command": "python",
      "args": ["-m", "evoscry.mcp_server"]
    }
  }
}

SSE传输（远程）

{
  "mcpServers": {
    "evo-scry": {
      "url": "http://your-server:3000/sse"
    }
  }
}

MCP工具

web_search

使用谷歌和DuckDuckGo搜索互联网。对结果进行汇总、重复数据消除和排序。

search_google / search_duckduckgo

具有相同参数的特定于引擎的搜索工具（减号 engines 和 summarize).

extract_content

获取URL并提取干净的文本或Markdown内容。

AI摘要设置

GitHub Copilot代币（推荐）

python -m evoscry.generate_copilot_token

按照提示通过GitHub OAuth设备流进行身份验证。将生成的令牌添加到您的 .env 或systemd环境文件。

本地模型（Ollama）

# In .env or systemd env:
EVOSCRY_LOCAL_MODEL_URL=http://localhost:11434
EVOSCRY_LOCAL_MODEL_NAME=llama3

系统化部署

# Install (requires root)
sudo bash install.sh

# Configure
sudo vim /etc/evo-scry/evo-scry.env

# Start
sudo systemctl enable --now evo-scry

SSE端点： http://localhost:3000/sse 健康检查： http://localhost:3000/health

配置

所有选项均通过环境变量实现。看 .env.示例 查看完整列表。

许可证

麻省理工学院