AI

browser-search：讓 AI Agent 真正讀懂整個網路的三層搜尋武器

Monday

本內容僅供參考，詳細使用規則與工具安全性與否，建議要進行相關安全性測試與評估

AI Agent 需要瀏覽網路時，幾乎都繞不開兩個痛點：要嘛依賴昂貴的商業 API（Tavily、Serper、Bing Search），要嘛自己拼湊工具卻被 Cloudflare、Akamai 等反爬蟲系統打下來。browser-search 提出了一個截然不同的答案：把三個成熟的開源工具組成遞增升級的搜尋管線，讓 Agent 自己決定何時升級武器，完全自架、完全免費。

1. 專案背景與定位

browser-search 在 2026 年 6 月 22 日出現在 GitHub，短短兩天就累積 137 顆星、15 個 fork，速度相當罕見。

作者的定位很清晰：這不是一個函式庫，而是一份「SKILL」——給 AI Agent 讀的指令集，用 SKILL.md 描述三個工具的協作規則，讓 Agent 自己決策。目標用戶是使用 OpenCode、Claude Code、Cursor、OpenClaw 等工具的開發者，他們希望讓 Agent 能夠真正讀懂網頁，而不只是做個 HTTP GET。

核心問題很現實：現代網路對自動化極度不友善。Cloudflare 的 Bot Fight Mode、Akamai 的行為指紋、DataDome 的 JavaScript 挑戰……單一工具幾乎必敗。browser-search 的解法是「不要用一把錘子解決所有問題」。

2. 技術架構與核心設計

三層遞增管線

搜尋階段
SearXNG (Docker, :8080)
    └── 多引擎 JSON 結果，毫秒回應

瀏覽階段（自動選擇）
Camofox (Docker, :9377)
    ├── 一般網站：REST API 驅動，支援 JS 執行、點擊、eval
    └── 遭封鎖時自動升級 ↓

CloakBrowser (npm)
    └── 隱匿 Chromium，自動偵測並等待 Cloudflare/Akamai/DataDome/Imperva/PerimeterX/DDoS-Guard 解鎖

架構的核心設計思想是關注點分離 + 升級邏輯不由人決定。Agent 拿到指令後，先用 SearXNG 取得搜尋結果（速度快、無狀態），接著用 Camofox 瀏覽頁面（支援 JavaScript 渲染），若 Camofox 遭反爬蟲系統攔截，自動切換至 CloakBrowser（隱匿 Chromium，內建等待防護解鎖的邏輯）。

SKILL.md 即配置中心

browser-search 以純文字 SKILL.md 做為 Agent 的行為規範，不用任何框架 DSL。這個選擇讓它天然相容所有支援自定義指令的 Agent 平台——只要平台能讀純文字規則，就能跑 browser-search。

Deep Research 模式

SKILL.md 中內建一組「深度研究」規則：Agent 被要求探索多個面向、交叉驗證來源、不允許淺嚐即止。這使 browser-search 不只是個瀏覽工具，而是一個完整的研究工作流程。

樹莓派優先設計

作者特別強調在樹莓派上完成測試與驗證，意味著整套工具的資源消耗極低，適合 24/7 長時間待機。

3. 社群熱度與生態採用

指標 數值
Stars 137（2 天內）
Forks 15
Open Issues 0
License MIT
發布時間 2026-06-22

137 顆星在兩天內累積，說明這個痛點（AI Agent 搜尋網路）在社群裡有強烈共鳴。專案提供 11 種語言的 README（含正體中文、日文、韓文、阿拉伯文），顯示作者有意打進全球開發者社群。

目前支援的 Agent 生態：OpenCode、Claude Code、Cursor、OpenClaw，且作者聲明「任何 Agent 都能用，只要告訴 Agent 如何轉換 SKILL.md 格式」。

從生態選擇來看，三個核心工具（SearXNG、Camofox、CloakBrowser）都是有一定社群基礎的開源專案，不是全新造輪子，降低了長期維護風險。

4. 局限性與潛在風險

技術邊界：

  • CloakBrowser 是 npm 套件，需要 Node.js 環境，與 Docker-only 部署存在一點落差
  • 「自動偵測並等待防護解鎖」的等待時間在高強度反爬蟲環境下可能很長，影響 Agent 回應速度
  • 三層工具需分別啟動與維護，故障排查複雜度高於單一工具

安全風險：

  • CloakBrowser 的「隱匿瀏覽」設計本質上是繞過網站的使用者協議——各站點 ToS 不同，生產環境使用前必須評估法律風險
  • SearXNG 預設走公共搜尋引擎，搜尋紀錄仍可能被上游引擎記錄，隱私不等於匿名
  • 若 CloakBrowser 本身被反爬蟲廠商識別（指紋演化戰），整個管線的最後一道防線就失效

工程風險：

  • 三個工具各自有獨立的版本週期與 API 穩定性，SKILL.md 需要隨工具更新同步維護
  • 目前 open issues 為 0，可能反映社群還在早期觀望，而非已充分驗證

5. 應用價值與適用場景

最適合的團隊：

  1. 使用 Claude Code / OpenCode 做研究或競調的個人開發者：想讓 Agent 自動蒐集競品資訊、技術文件、學術文章，又不想每月付 Tavily 或 Serper 費用
  2. 需要 24/7 持續監控網路資訊的自動化管線：低資源需求讓它在 Raspberry Pi 或小型 VPS 上長期運行
  3. 有隱私要求的企業內部 Agent：自架 SearXNG 讓搜尋紀錄不出公司網路

與其他方案比較：

方案 成本 反爬蟲能力 自架 適合 Agent
Tavily API 按用量計費 中 否 是
Serper API 按用量計費 低 否 是
browser-search 免費 高（三層） 是 是
Playwright 自寫 免費 中 是 需自行整合

Monday 的觀點與架構建議

最值得學習的設計決策：

browser-search 用「技能文件」取代「API 封裝」的思路值得特別關注。它不假設 Agent 只能用固定介面，而是把決策邏輯（何時搜尋、何時升級瀏覽器、何時交叉驗證）交給 Agent 自己推理。這讓系統有更強的適應性——Agent 可以根據當前任務調整策略，而不是死板地走固定流程。

生產環境採用建議：

  1. 隔離部署：用獨立的 Docker network 把 SearXNG + Camofox 封在內部，只暴露必要的 API 端口，避免 SearXNG 被外部濫用
  2. 加入超時熔斷：CloakBrowser 等待防護解鎖可能無限等待，在 Agent 層加入明確的超時限制（建議 30 秒），失敗時降級到純文字搜尋結果
  3. ToS 審查優先：在正式用於商業場景前，針對目標網站逐一確認是否允許自動化爬取，避免法律風險
  4. 監控三層健康狀態：三個組件各自可能失效，建議在 Agent 前加一層健康檢查，回報當前可用工具組合

對 AI 應用開發方向的意義：

browser-search 的出現反映了一個正在加速的趨勢：Agent 能力的邊界不再由模型決定，而是由工具生態決定。當開發者開始把「如何讓 Agent 上網」當成一個需要認真設計的問題，而不是隨便接個搜尋 API 了事，整個 Agent 開發的成熟度就向上跳了一個層次。

這個專案的核心價值不只是「自架免費網路搜尋」，更是示範了如何用組合策略替代單點解法——這個思路可以應用到 Agent 的任何工具層設計上。

參考來源