核心用法
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核心能力。用户可通过 Docker 或 npm 快速部署，依赖 SearXNG 作为搜索后端。
主要工具：
search：支持最多 3 个关键词并发搜索，内置链接去重与混合检索read：URL 内容提取，支持 JS 渲染与正文智能提取library_search/library_docs：编程库检索与文档查询，兼容 Context7 标准
关键特性：
- 混合检索（Hybrid Retrieval）：结合传统关键词搜索与 Embedding 语义重排序，官方标称相关性可达 ~80%
- 思考链集成：搜索工具强制要求
thought系列参数，天然支持 Agent 的推理过程记录 - 灵活部署：支持 Docker 一键部署、npm 全局安装，以及 HTTP/stdio 双模式运行
显著优点
1. 高相关性：Embedding 重排序显著优于纯文本搜索（~50% → ~80%）
2. 并发效率：单次请求可并行搜索 3 个关键词，减少 Agent 往返次数
3. 代码友好：内置编程库检索，直接对接 Context7 生态，适合开发场景
4. 隐私可控：基于 SearXNG 自建，规避商业搜索 API 的隐私与配额限制
潜在局限
- 基础设施依赖：必须自建/托管 SearXNG 实例，增加了运维复杂度
- Embedding 成本：启用混合检索需额外配置 Embedding API，带来延迟与费用
- 超时敏感：混合检索模式建议 30-60 秒超时，对实时性要求高的场景不友好
- 生态较新：作者
sebrinass为独立开发者，长期维护承诺需观察
适合人群
- 需要自建搜索后端的 AI Agent 开发者
- 对代码库检索有强需求的编程助手场景
- 注重数据隐私、不愿绑定商业搜索 API 的团队
- 已具备 SearXNG 运维经验的基础设施团队
常规风险
| 风险类型 | 说明 |
|---------|------|
| 供应链风险 | 依赖 Docker 镜像 `ghcr.io/sebrinass/mcp-augmented-search`，需验证镜像签名 |
| 配置泄露 | `SEARXNG_URL` 与 `EMBEDDING_BASE_URL` 可能包含敏感凭证，需妥善保管 |
| 超时失控 | 混合检索超时较长，需设置合理熔断机制防止 Agent 挂起 |
| 结果质量波动 | Embedding 重排序效果依赖模型质量，不同场景下 ~80% 相关性为参考值 |
性能建议速查
| 模式 | 页数 | 超时 | 相关性 |
|------|------|------|--------|
| 纯文本 | 1 | 10-15秒 | ~50% |
| 混合检索 | 3 | 30-60秒 | ~80% |