核心用法
SearXNG Search 是一款通过 MCP 协议提供网络搜索能力的工具，核心依赖于用户自托管或第三方托管的 SearXNG 实例。SearXNG 本身是一个开源、去中心化的元搜索引擎，聚合多个搜索引擎结果且不追踪用户。
该 skill 提供三种调用方式：
1. mcporter CLI：标准 MCP 客户端调用，如 mcporter call searxng.web_search query="xxx" limit=5
2. Bash 脚本：./searxng_search.sh "query" --limit 5 --format markdown
3. 直接 HTTP API：curl "${SEARXNG_URL}/search?q=xxx&format=json"
输出格式支持 text（默认）、json、markdown，便于不同场景集成。
显著优点
- 隐私优先：依托 SearXNG 的"无追踪、无用户画像"架构，搜索行为不易被商业搜索引擎记录
- 去中心化：用户可完全自建实例，数据主权归己
- 多引擎聚合：底层整合 Google、Bing、DuckDuckGo 等多源结果，避免单一引擎偏差
- MCP 标准化：符合 Anthropic Model Context Protocol，可与 Claude 等 AI 助手无缝集成
- 轻量灵活：Python 3.8+ 即可运行，依赖少
潜在缺点与局限性
- 自托管门槛：需用户自行部署或寻找可信的公共 SearXNG 实例，技术成本高于直接调用商业 API
- 实例质量参差：公共实例可能不稳定、被限流或包含广告注入风险
- 无原生 LLM 优化：输出为原始搜索结果，需自行处理上下文截断、相关性排序
- 网络依赖：国内网络环境下，自建实例的出海稳定性需额外考量
适合人群
- 注重搜索隐私的技术用户
- 已部署 SearXNG 或愿意学习自托管的开发者
- 需要将搜索能力集成到 AI 工作流中的 MCP 用户
- 希望避免商业搜索引擎 API 配额限制的场景
常规风险
- 实例安全风险：若使用第三方公共实例，存在搜索结果篡改、中间人攻击可能
- 数据泄露：自建实例若配置不当（如未启用 HTTPS、公开暴露管理接口），可能导致搜索历史泄露
- 合规风险：SearXNG 聚合的内容可能包含受地区限制的信息，需自行评估合规性
- 可用性风险：公共实例可能随时下线或限流，生产环境建议自建并监控