5分钟快速上手 web-search-mcp：从零搭建本地 MCP 网页搜索服务器的完整教程

• 人工智能
• MCP 服务

想给你的本地大模型（Local LLM）加上真实联网搜索能力吗？web-search-mcp 是一个用 TypeScript 编写的本地网页搜索 MCP 服务器，无需任何 API Key，通过直连 Bing、Brave、DuckDuckGo 三大搜索引擎实现网页搜索，还能自动抓取并提取结果页面的完整正文。本教程带你从零搭建，5分钟即可让 LM Studio、LibreChat 等客户端的 AI 助手拥有"搜索 + 阅读网页"的双重能力。

为什么选择 web-search-mcp 本地搜索方案？

很多 MCP 搜索工具依赖付费 API，而 web-search-mcp 走的是"直连搜索引擎"路线，对新手非常友好：

搜索引擎与浏览器实例的实现核心在 src/search-engine.ts，它按 Bing（Chromium）→ Brave（Firefox）→ DuckDuckGo（HTTP）的顺序逐级降级，保证尽量返回结果。

准备工作：环境要求清单

开始之前，请确认你的电脑满足以下要求（package.json 中的硬性要求）：

• ✅ Node.js18.0.0或更高版本
• ✅ npm8.0.0或更高版本

检查版本只需两条命令：

node -v npm -v

💡 如果版本不满足，升级到最新版 Node.js 即可，这是后续npm run build编译成功的前提。

安装步骤：4 条命令完成部署

第 1 步：获取项目源码

git clone https://gitcode.com/gh_mirrors/we/web-search-mcp cd web-search-mcp

第 2 步：安装依赖 + 浏览器 + 构建

在解压或克隆的根目录依次执行：

npm install npx playwright install npm run build

这三条命令分别完成：

1. npm install—— 安装所有依赖（axios、playwright、zod 等），生成node_modules
2. npx playwright install—— 下载 Playwright 所需的 Chromium / Firefox 浏览器内核
3. npm run build—— 将 TypeScript 编译为 JavaScript，产出最终的dist/index.js

第 3 步：验证构建成功

构建完成后根目录会生成dist/文件夹，里面的dist/index.js就是你稍后要配置给 MCP 客户端的入口文件。

⚠️ 注意：npm install必须在解压后的根目录执行，而不是dist/目录里。

客户端配置：让 AI 助手接入网页搜索服务器

构建完成后，只需把 MCP 客户端的mcpServers指向dist/index.js。仓库自带的 mcp.json 就是最小配置模板。

通用配置（LM Studio 等标准 MCP 客户端）

{ "mcpServers": { "web-search": { "command": "node", "args": ["/path/to/web-search-mcp/dist/index.js"] } } }

其中路径按系统替换：

• macOS / Linux：~/mcp-servers/web-search-mcp/dist/index.js
• Windows：C:\mcp-servers\web-search-mcp\dist\index.js

LibreChat 用户可以在librechat.yaml中配置：

mcpServers: web-search: type: stdio command: node args: - /path/to/web-search-mcp/dist/index.js serverInstructions: true

如果使用 Docker 运行 LibreChat，记得先在docker-compose.override.yml中把本地 mcp 目录挂载进去（详见 README.md 的 Docker 部分）。

三大核心工具：给 AI 下达搜索指令

配置完成后，AI 会自动获得 3 个工具，注册代码位于 src/index.ts。完整参数说明可查阅官方文档 docs/API.md。

1️⃣ full-web-search —— 主力深度搜索

最全面的工具：搜索网页后跟进每个结果链接，抓取完整正文返回，适合深度调研。

常用参数：query（必填）、limit（1-10，默认 5）、includeContent（默认 true）、maxContentLength（单条内容最大字符数，一般不用手动设置）。

2️⃣ get-web-search-summaries —— 轻量快速搜索

执行同样的多引擎搜索，但只返回结果摘要，不跟进链接抓全文。速度快、效率高，适合快速了解一个话题。

3️⃣ get-single-web-page-content —— 单页内容提取

直接传入一个 URL，提取该页面的主体内容，自动过滤导航栏、广告等噪音元素。适合"我知道具体网址，只要正文"的场景。

📌 选择口诀：要全文用 ①，要快用 ②，有网址用 ③。

常用环境变量：按需微调性能

在mcp.json的env字段中即可配置，常用项如下：

示例配置（降低内容长度 + 限制浏览器数量）：

{ "mcpServers": { "web-search": { "command": "node", "args": ["/path/to/web-search-mcp/dist/index.js"], "env": { "MAX_CONTENT_LENGTH": "10000", "MAX_BROWSERS": "1" } } } }

常见问题排查清单

模型兼容性提示：项目推荐搭配支持工具调用（tool use）的较新模型，目前Qwen3和Gemma 3表现最好。

小结

到这里，你的本地 MCP 网页搜索服务器就搭建完成了 🎉 回顾一下 5 分钟流程：

1. git clone获取源码
2. npm install+npx playwright install+npm run build
3. 在客户端mcp.json中指向dist/index.js
4. 用三大工具（full-web-search/get-web-search-summaries/get-single-web-page-content）开始搜索

全程无需注册任何 API，数据请求全部走本地，隐私可控。现在就可以对你的 AI 助手说："搜索一下 TypeScript MCP 服务器，把前 3 篇文章的完整内容读给我"，看看它的表现吧！

• 人工智能
• MCP 服务