convez.ai
MCP ServerBusca & PesquisaAvançado
AoManoh

OpenScry

AoManoh/openscry

Busca web + fetch + mapeamento via Grok em Go — CLI e MCP server

Ver no GitHub
InicialPluginScore · de 0 a 100

MCP server em Go que integra busca web, extração de conteúdo e mapeamento de sites via Grok, com interface CLI e suporte a qualquer endpoint compatível com OpenAI. Binário único, zero dependências externas, com fallbacks inteligentes e controle fino de concorrência.

Instalação

$npx convez-ai AoManoh/openscry

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
3
Forks
0
Acompanhando
0
Saúde
28%
Último commit
há 2 meses
Versão
v0.2.1
Issues abertas
0
Contribuidores
1

Casos de uso

  • Pesquisa web estruturada com fallbacks inteligentes (Tavily/Firecrawl/HTTP)
  • Extração de conteúdo de URLs com relatório de qual método foi usado
  • Descoberta de estrutura de sites e mapeamento de arquitetura
  • Pesquisa em batch com isolamento de falhas por item
  • Integração com Windsurf/Cascade via MCP com controle de modelo explícito

Veredito

Ferramenta madura e bem arquitetada para quem precisa de busca web robusto via Grok em ambiente de produção. Design honesto (falha explícita se modelo não estiver disponível) e código limpo em Go, mas exige configuração correta de credenciais e upstream.

README

A tradução para o português deste README ainda está na fila.

English | 简体中文

openscry

基于 Grok 的网页搜索 / 抓取 / 站点测绘,以 CLI 核心 + 薄 MCP 适配层 的形态用 Go 实现(单文件二进制,零外部依赖)。

openscry 是 Python 版 GrokSearch MCP 服务的 Go 重写。它消费 grok2api(OpenAI 兼容反代),把能力同时暴露为可复现的 CLI 子命令和供 Windsurf/Cascade 等客户端使用的 MCP 工具。

能力

CLIMCP 工具说明
openscry searchweb_search经 grok2api 的深度网页搜索(可选 extra_sources 参考信源补强)
openscry fetchweb_fetchURL 正文提取(Tavily/Firecrawl/Grok/HTTP 多级回退)
openscry mapweb_map站点结构发现(Tavily /map 或 HTTP BFS 爬取)
openscry planresearch_plan离线研究计划生成(模型驱动的结构化 JSON)
—web_search_batch并发批量搜索(多 query,故障逐项隔离,上限 32)
—get_config_info运行时配置与上游连通性自检(绝不泄露密钥)

MCP 工具面通过 --tools 分级:

  • core(默认,6 个):web_search / web_fetch / web_map / research_plan / web_search_batch / get_config_info
  • all(10 个):core + 异步任务族 submit_search_task / get_search_task_result / cancel_search_task / list_search_tasks

设计原则

  • 模型由用户指定,绝不默认。 GROK_MODEL 必填;不可用的模型显式失败(exit 1 / MCP isError=true),绝不静默切换到其他模型。
  • 降级可见。 web_fetch 报告结果由哪一级产出;GROK_FETCH_FALLBACK=strict 完全禁用低保真的 basic-HTTP 回退。
  • 单一代码路径。 CLI 与 MCP 适配层共用同一套核心包(internal/search / fetch / mapper / planner)。
  • 内建弹性。 熔断器、共享预算的有界重试、分操作超时档(search 120s / fetch 30s / map 90s)、尊重上游 Retry-After。

构建

go build -o openscry ./cmd/openscry

配置

# 必填
export GROK_API_URL=https://你的-grok2api-host/v1
export GROK_API_KEY=你的-api-key
export GROK_MODEL=grok-4.20-fast      # 用户指定,绝不默认

# 可选
export GROK_REQUEST_TIMEOUT=120s
export GROK_SEARCH_PROVIDER=auto      # auto|chat|responses
export GROK_FETCH_FALLBACK=full       # full|strict
export GROK_CONCURRENCY=8             # MCP worker 池大小(stdio 请求处理)
export GROK_QUEUE_SIZE=64             # MCP 有界队列容量
export GROK_UPSTREAM_CONCURRENCY=32   # 全局并发上游 grok2api 调用上限(两种传输都生效);0 禁用
export GROK_MCP_TOOLS=core            # core|all,MCP 暴露的工具面
export GROK_HTTP_ADDR=                # 设置后 mcp 走 HTTP(如 127.0.0.1:8080)
export GROK_HTTP_API_KEY=             # HTTP 传输强制鉴权密钥
export TAVILY_API_KEY=                # 启用 fetch/map 的 Tavily 级
export FIRECRAWL_API_KEY=             # 启用 fetch 的 Firecrawl 级

完整参考见 .env.example。

使用

./openscry search "Go 的 GC 如何工作?"
./openscry search --model grok-4.3-console --platform GitHub "最好的 Go MCP SDK"
./openscry fetch https://go.dev/doc/effective_go
./openscry map --depth 2 --limit 20 https://pkg.go.dev/std
./openscry plan "对比 Go 与 Rust 的内存管理"

# MCP 适配层(默认 stdio JSON-RPC;core 工具面)
./openscry mcp
./openscry mcp --tools all              # 暴露全部 10 个工具(含异步任务族)
./openscry mcp --http 127.0.0.1:8080    # 走 HTTP JSON-RPC(需 GROK_HTTP_API_KEY)

./openscry version

在 IDE中配置 MCP

在 mcp_config.json 的 mcpServers 中加入 openscry。推荐在线方式——无需本地构建,go run 会自动从 GitHub 拉取源码并编译:

{
  "mcpServers": {
    "openscry-mcp": {
      "command": "go",
      "args": ["run", "github.com/AoManoh/openscry/cmd/openscry@main", "mcp", "--tools", "all"],
      "env": {
        "GROK_API_URL": "https://你的-host/v1",
        "GROK_API_KEY": "你的-key",
        "GROK_MODEL": "grok-4.20-fast"
      }
    }
  }
}

首次启动会拉取并编译(稍慢),之后走缓存秒级启动。

国内用户网络不好时,在 env 中追加下面两项,走国内镜像加速拉取(海外或网络通畅的用户可省略):

"GOPROXY": "https://goproxy.cn,direct",
"GOSUMDB": "sum.golang.google.cn"

若首次因校验失败,把 GOSUMDB 改为 off 即可。

也可以先本地构建,再用二进制路径(适合离线或锁定版本):

{
  "mcpServers": {
    "openscry-mcp": {
      "command": "/path/to/openscry",
      "args": ["mcp", "--tools", "all"],
      "env": {
        "GROK_API_URL": "https://你的-host/v1",
        "GROK_API_KEY": "你的-key",
        "GROK_MODEL": "grok-4.20-fast"
      }
    }
  }
}

目录结构

cmd/openscry/          入口 + 子命令分发(基于 flag,无框架)
internal/config/       基于环境变量的配置(缺 GROK_MODEL 时 fail-loud)
internal/grok/         grok2api OpenAI 兼容流式客户端 + 类型化错误
internal/search/       搜索核心 + 批量(弹性层:熔断 + 重试 + 超时)
internal/sources/      信源提取与归一化(多策略,去重合并)
internal/refsource/    extra_sources 参考信源补强(Tavily/Firecrawl /search)
internal/fetch/        web_fetch 多级回退链(Tavily/Firecrawl/Grok/HTTP)
internal/mapper/       web_map 站点结构发现(Tavily /map + HTTP BFS 爬取)
internal/planner/      research_plan 生成器(模型驱动结构化 JSON)
internal/prompt/       系统提示词
internal/resilience/   熔断器、重试预算、超时档
internal/tasks/        异步任务 store(goroutine + 取消 + 长轮询 + LRU)
internal/mcpserver/    MCP 适配层(stdio/HTTP JSON-RPC,并发引擎,工具面门控)
Ver o original no GitHub

Bom para

Relacionados