wigolo Skill：让 AI Agent 免费本地联网的 MCP 神器

Skill超级捕获手 技术创作者 2026-09-08 63 阅读

作为 2026 年下半年最受关注的 AI Agent Skill 之一，wigolo 精准踩中了所有 AI 编程代理（Claude Code / Codex / Cursor / Gemini CLI）共同面对的痛点：联网搜索要 API Key、要账号、按次计费、要担心里程碑式的云端账单。它把这四件事一次性打包成 “$0 / query、纯本地、无需注册” 的 MCP 服务器，上线两个月狂揽 5.1k star，一度占据 GitHub Trending 头部，SkillHub、LobeHub、bestaifor.me 等主流市场同步上架，被 quidproquo 的 AI Agent GitHub Daily 多次收录到 trending 列表——是当前「本地优先」（local-first）赛道上人气最旺的选手。

功能与原则

wigolo 把「搜索、抓取、抽取、缓存、相似页面、研究、自主代理」六类原本散落在 Tavily、Exa、Firecrawl 的能力收敛到一个 Node 进程，通过 MCP（JSON-RPC over stdio）暴露给任何支持 MCP 的 Agent。其核心设计原则是「Code-first, LLM-second」：

  • 确定性任务走代码：标准化、去重、rank-fusion、re-rank、爬虫路由全部由 TypeScript 本地代码完成，LLM 只在 research / agent 工具需要「综合回答 + 引用」时才被调用
  • 可观察信号路由：fetch 不是按域名猜，而是先看响应——遇到反爬挑战页或 SPA 标记才升级到 headless browser，升级路径完全基于真实响应信号
  • 失败透明：缓存命中、引擎降级、爬虫失败都会在结果中显式标注，弱结果自动打上 junk 标签，绝不让 Agent 拿着幻觉继续跑
  • 隐私优先：所有页面缓存写进 ~/.wigolo/，embedding 与 re-rank 全部本地算，加上 LLM 才会走外部

工具列表 20 个左右，其中 6 个零 Key 即可使用：search / fetch / crawl / extract / cache / find_similar；research / agent / search?format=answer 这 3 个综合类工具需要 LLM（Anthropic / OpenAI / Gemini / Groq 任选，也可以接本地 Ollama 完全无 Key）。

认可度

  • GitHub Star：5,169（截至 2026-09-08，Forks 413，公开仓库）
  • npm 包：wigolo 已发布到 npm registry，单月下载持续增长
  • 市场收录：SkillHub.club、bestaifor.me、protodex.io、besthub.dev、LobeHub 同步上架
  • trending 经历：上榜 GitHub Trending，多次被 quidproquo AI Agent GitHub Digest（9 月 5 日 / 7 日）列入日榜 trending；trendshift.io 收录至 badge 池
  • 社媒讨论：作者 @yourtowhid 在 X / LinkedIn 持续更新；今日头条 8 月 27 日长文《又一个 Agent 联网神器,不要 API Key,搜索抓取全在本地跑》单平台阅读量较高；4-way 同场实测（Claude 内置 WebSearch vs wigolo vs Tavily vs Exa）显示四家核心答案一致，wigolo 是唯一返回带字节级定位证据、附带弱结果标记的
  • 赞助：项目已挂 Sponsor（README 末尾），说明有真实付费用户基础

链接

原作者

  • GitHub username：KnockOutEZ
  • X / LinkedIn：Towhid（@yourtowhid）
  • 一句话：专注 MCP 生态的独立开发者，做「本地优先、无 Key、按次免费」的 Agent Web 层

介绍

wigolo 的定位一句话概括：The go-to web for your AI coding agent——它是 Agent 身边的「本地 Web 大脑」。Claude Code、Cursor、Codex、Gemini CLI、OpenCode、VS Code、Windsurf、Zed、Antigravity 都能用，连 LangChain、CrewAI、LlamaIndex、Vercel AI SDK、n8n 乃至自托管代理也能通过 REST / SDK / remote-MCP 集成进来。

它的关键差异化是「$0 / query」：把 18 个公共搜索引擎（Google、Bing、DuckDuckGo、Brave 等）融合做 rank-fusion，本地 ML 模型做 re-rank，不需要 Tavily / Exa 那种「企业级 SaaS」月费，也没有 Firecrawl 那种按调用计费。当 Agent 一晚上抓 2000 次页面的时候，传统云服务的账单会让你第二天彻底清醒，wigolo 不会。

底层技术细节比较硬核：fetch 是分层路由器，先试纯 HTTP，看到 SPA markers 或反爬挑战页才升级到 headless；cache 把所有抓到的页面写到 ~/.wigolo/，带关键词索引和向量索引，重复查询零延迟；agent 工具能跑「plan → search → fetch → extract → synthesize」的自主循环，自带时间预算和输出 schema。

特点

  • 完全本地 + 零 Key：核心 6 个工具无任何 API Key，~1.5 GB 磁盘装下浏览器引擎和本地模型，macOS / Linux / Windows 全平台
  • MCP 协议原住民：直接 claude mcp add wigolo -- npx -y KnockOutEZ/wigolo，或在 ~/.cursor/mcp.json、~/.codeium/windsurf/mcp_config.json 等各家 MCP 配置里塞一段 JSON 即可
  • 可观察 + 可审计：每条搜索结果带 verbatim 引用片段、citation ID、可解释打分（semantic / lexical / consensus），弱结果自动 junk 标签，失败引擎 / 陈旧缓存显式报告
  • $0 / query：永远不收费、不上传查询、不收 meter，AGPL 协议下任何人 fork 出去也一样不会突然开始收费
  • 多模型 LLM 兜底：需要综合回答时接 Anthropic / OpenAI / Gemini / Groq / Ollama 任选，不强制某个供应商

使用方法

环境：Node ≥ 20，约 1.5 GB 磁盘（macOS / Linux / Windows）

一步安装 + 自动接 Agent：

# 仅本地引擎
npx wigolo init

# 安装并接入 Claude Code / Cursor / Codex / Gemini CLI 等（可逗号分隔）
npx wigolo init --agents=claude-code,cursor

健康检查：

npx wigolo doctor

Claude Code 注册 MCP：

claude mcp add wigolo --scope user -- npx -y wigolo

可选 LLM 综合（research / agent 工具需要）：

# 完全免费方案（推荐新手）
export WIGOLO_LLM_PROVIDER=gemini
export GEMINI_API_KEY=<aistudio.google.com/apikey 免费领>

# 完全本地、零 Key
export WIGOLO_LLM_PROVIDER=ollama
export WIGOLO_LLM_MODEL=qwen2.5

最小示例——在 Claude Code 里直接问：

「查一下 PostgreSQL 16 最新发布日志，列出 5 个新特性」

wigolo 自动接管 WebSearch 通道，返回带字节级引用 + 弱结果标记的证据列表。

完全卸载：npx wigolo config --uninstall --yes

使用场景与人群

适用场景：

  • 跑 Claude Code / Codex / Cursor 长时间批量研究任务（每天几十到几百次 Web 查询），又不想看 Tavily 账单
  • 数据敏感场景：金融、法律、医疗、内部 codebase 调研，希望查询数据不出本机
  • 多模型 / 多 Agent 工作流：自托管 n8n / CrewAI 流水线，需要一个统一的 Web 数据层
  • 离线 / 弱网环境：本地有缓存、有本地 LLM 兜底，断网也能继续跑
  • Agent 评估 / 评测：希望拿到带证据、带打分、带弱标记的原始结果，而不是直接喂合成后的幻觉

目标用户：

  • 跑 Agent 做大规模自动研究 / 调研 / 抓取的独立开发者与小团队
  • 关注成本 / 隐私 / 可复现性的技术负责人
  • MCP 生态开发者，想给自家 Agent 接一层干净 Web 能力的
  • AI 编程工具重度用户，已经把 Claude Code / Cursor 当 IDE 用的

输入与输出案例

案例一：技术调研（input → output）

Input（用户提问）：”对比一下 PostgreSQL 16 与 17 在 logical replication 上的主要差异，引用官方文档”

Output（wigolo 接管 WebSearch 后返回，简化）：

json
{
"tool": "search + research",
"answer": "PostgreSQL 17 在 logical replication 上引入了 failover slots 与 ...（综合段）",
"citations": [
{ "id": "c1", "url": "https://www.postgresql.org/docs/17/release-17.html", "snippet": "Allow logical replication to ...", "score": { "semantic": 0.94, "lexical": 0.82, "consensus": 0.91 } },
{ "id": "c2", "url": "https://www.postgresql.org/docs/16/release-16.html", "snippet": "...", "score": { "semantic": 0.87 } }
],
"junk_flagged": ["<弱相关博客链接，已标 junk>"],
"engine_status": "duckduckgo: ok, brave: ok, google: rate-limited（已降级）"
}

用户拿到的不是一段「看起来对」的总结，而是带字节级引用 + 可解释打分 + 弱结果标记的证据包。

案例二：批量抓取 + 抽取（input → output）

Input：”把 Anthropic 最新 10 篇博客的标题、发布日期、摘要抓下来，存成本地 JSON”

Output（wigolo tools 链路）：

crawl: 抓取 https://www.anthropic.com/news 列表页 → 10 个详情页 URL
fetch: 逐页抓取，2 个 SPA 页面自动升级到 headless
extract: 按 {title, date, summary} schema 结构化抽取
cache: 写入 ~/.wigolo/cache/anthropic/2026-09-08/*.md
find_similar: 找出 3 篇主题相近的早期文章（可选）
→ 输出到本地 ./anthropic-news.json，10 条记录均带 verbatim 引用

整个过程零 Key、零云端、零费用，复跑直接命中本地缓存。

一句话总结：wigolo = 「本地版 Tavily + Exa + Firecrawl 的合体，MCP 原生、$0/query、给 Agent 配一个会自己爬、自己打分、自己标弱证据的 Web 副驾」。对任何跑 Claude Code / Cursor 做严肃研究的开发者来说，是目前少有的「装上就能省下每月几十美元 SaaS 费」的 Skill。

GitHub: https://github.com/KnockOutEZ/wigolo

评论区

0 条评论

登录后可评论。

Skill超级捕获手 63 阅读