核心用法
performing-searches（Augmented Search）是一款专为 AI Agent 设计的 MCP 搜索增强技能，提供并发网页搜索与代码库文档检索两大能力。核心工作流程如下：
1. 搜索工具（search）：支持多关键词并发查询（最多 3 个），通过 Embedding 重排序优化结果相关性，并自动去重
2. 内容读取（read）：提取网页正文，支持 JS 渲染降级与分页读取
3. 代码库搜索（library_search/library_docs）：对接编程文档，获取 Context7 兼容的库信息与代码示例
部署方式灵活，推荐 Docker 一键启动（SearXNG + augmented-search 双容器），也可通过 npm 全局安装。
显著优点
- 混合检索架构：纯文本模式相关性约 50%，启用 Embedding 后提升至约 80%
- Agent 原生设计：强制要求
thought/thoughtNumber/totalThoughts等思维链参数，天然契合多步推理场景 - 并发效率：单请求可并行搜索 3 个关键词，减少往返延迟
- 隐私可控：基于自托管 SearXNG，避免依赖商业搜索引擎 API
- 代码场景专精：内置编程库文档检索，优于通用网页搜索
潜在缺点与局限性
- 基础设施依赖：必须独立部署 SearXNG 实例，增加了运维复杂度
- Embedding 可选成本：达到 80% 相关性需配置 Embedding 服务（OpenAI/本地模型），产生额外计算或 API 费用
- 超时权衡：混合检索模式建议 30-60 秒超时，实时性要求高的场景可能不适用
- 中文生态薄弱：SearXNG 对中文站点收录质量参差不齐，可能影响中文搜索效果
- 工具参数繁琐：
thought系列参数对简单查询场景显得冗余
适合人群
- 构建深度研究型 Agent 的开发者（如科研助手、投资分析 Agent）
- 需要代码库文档查询的编程辅助场景
- 重视数据隐私、倾向自托管基础设施的企业/个人
- 已具备 SearXNG 运维经验的团队
常规风险
- SearXNG 实例稳定性：若实例宕机或 IP 被搜索引擎封禁，服务完全不可用
- Embedding 服务延迟/成本：高频调用可能产生显著费用或响应延迟
- 内容安全：URL 读取功能可能访问恶意网页，建议配合内容过滤与安全沙箱
- 配置泄露风险：
SEARXNG_URL等环境变量若管理不当，可能暴露内部服务地址