websearch-mcp

WebSearch MCP

将 smartsearch、academicsearch、cleanfetch、pdf_parser 作为互相衔接的取证工具；file_search 可用时负责定位本地资料，不读取正文。以此 MCP 为主要入口，其他检索和阅读能力按证据缺口补充；用户指定的来源、工具和范围优先。

从问题走到证据

先发现当前可调用的 WebSearch 工具并读取所需工具的实际参数。名称前缀由宿主决定；只使用当前暴露的参数。已知 URL 或论文编号可直接进入相应环节。

宿主支持 MCP Resources 时，可按需读取 search://capabilities 确认能力、search://health 查看冷却状态；资源可能被关闭，不把资源缺失当作工具故障。

随调用传递项目标签

工具实际参数包含可选 project 时，每次调用都携带当前明确项目的非敏感简称；它是统计标签，不是检索范围或权限。只使用宿主明确给出的当前工作区/项目，或已经确认的本次项目根目录。没有现成项目名时，可用项目根目录最后一级名称；Git 子目录应取所属仓库根，明确不属于项目的临时目录或独立对话省略标签。

标签最多 64 个字母、数字、空格及 ._-，可用中文；不发送完整路径、URL、凭证或对话标识。同一任务沿用已确认的简称，切换工作区时重新确定，未知时省略，不根据搜索关键词、网页内容或历史调用猜项目，不为补齐统计询问用户。

例如当前项目为 Example，公开网页抓取参数为 {"url":"https://example.com","project":"Example"}。旧版本工具没有 project 时不要传这个字段，正常调用即可；不为归属修改客户端配置或创建项目配置文件。应用身份由 MCP 协议提供，不从项目名推测应用。标签仍是自报信息，Skill 未加载或 Agent 漏传时可能没有项目归属。

当前需要	动作与后续判断
找网页资料	smartsearch；检查候选来源。需要少量正文时可用 fetch_top_n，需要选定权威来源时再用 cleanfetch 抓指定 URL。
找论文或核对论文身份	academicsearch；主题检索按学科选当前可用引擎。已有 DOI/arXiv 编号时单独提交编号，核对标题、作者、年份、版本。
读取网页或论文落地页	cleanfetch；已有正文可直接使用，发现论文编号可转精确查询，发现直接 PDF 链接可转 pdf_parser。
读取论文方法、结果或 PDF	pdf_parser；按需要选页，检查返回的实际范围和文本质量。缺失背景或来源时再回到搜索。
定位并阅读本地文件	当前清单有 file_search 时定位；确认返回路径对宿主或服务可见，优先用宿主阅读工具。确需 Docker 解析 PDF 时，按运行行为中的单文件临时复制流程读取所需页并清理，不把文件名当正文。

参数示例、论文全文衔接和失败后的选择，按需读 检索流程。时间筛选、分页、PDF 分支、缓存或 Docker 文件访问涉及细节时，读 运行行为 的对应小节。

根据返回内容决定下一步

• 摘要或元数据：用于筛选、定位和有限的背景判断；涉及原文细节、准确引述或争议结论时继续获取对应段落。
• 正文：确认内容对应目标页面及版本，足以支持当前结论就复用。只有标题、导航、登录提示或“页面不存在”不是正文；工具成功状态也不能代替内容检查。fetch_top_n=0 仍可能有供应商长内容；fetch_top_n>0 也不保证完整原文。
• 已保存结果：返回 result_ref 时，调用当前暴露的 cleanfetch，从 offset=0 开始，按 next_offset 续读到 eof=true，只取本次需要的段落。常规读取不需要 Docker；引用失效时重新调用原工具。仅有路径的旧部署见运行行为的兼容说明；file_search 的宿主路径仍走宿主读取。路径和引用本身不是内容证据。
• 部分失败或截断：保留成功内容，判断缺口是否影响答案。批量返回正常不代表每条成功，PDF 请求页码也不一定是实际解析范围。
• 搜索诊断与日期：检查尾部失败清单、稀疏结果的过滤诊断及阈值放宽提示。retrieved_at 是检索时刻，不是出版日期；snippet 日期仅用于定位，structured 日期也需在原页核实关键细节。缓存龄和排序分数不代表内容时效或可靠性。
• 无结果、受阻或不可读：根据原因选择新的查询、公开版本或其他工具。重要网页的自动补抓失败后，cleanfetch 可能通过额外的 Jina 分支恢复；不存在页面、安全拦截与取消不靠回退恢复。JavaScript 空壳仍无正文时，在现有权限内使用浏览器读取公开页面；不要无依据重复同一失败调用。
• PDF 文本质量：读取返回的实际解析器与页码提示，抽查词间空格、公式、表格及多栏顺序。非空文本不保证精确；需要原文引述时对照 PDF 或公开 HTML 版本。解析器、OCR 与上传是服务端配置和行为，不是可臆造的工具参数。
• MinerU 等待结束：有 task_ref 时保留它。若本次文本回退已足够，直接复用；需要精准结果时，先确认实际 schema 支持 task_ref，只传该引用与可用项目标签续查，省略 path/pages。任务仍处理中是状态，不是正文或失败；完成后读取原任务结果，不重新提交 PDF。等待和停止条件见运行行为。