在使用 Claude Code、Codex 等 AI 编程助手时，联网搜索是一个高频需求——查阅最新文档、确认产品参数、搜索开源库版本。目前的常见方案是接入 Tavily、Exa、Firecrawl 等第三方搜索 API，但按量计费的模式下，使用频率高了每月的账单并不好看。

最近开源的项目 wigolo 提供了一种零成本的替代方案：将搜索、抓取、爬虫这一整套联网能力全部搬到本地运行，无需注册、不需要 API Key，Agent 查询多少次都不产生费用。

核心原理：18 个搜索引擎 + 本地排序融合

wigolo 的解决思路很直接——内置了 18 个免费搜索引擎，将搜索结果进行排序和融合，排序模型也在本地运行。按量计费服务的成本主要来自服务端推理和搜索调用，wigolo 把这些环节全部迁移到本地电脑，自然就没有了账单。

隐私方面，缓存、模型和配置都存储在本地 ~/.wigolo/ 目录，不会上传第三方。只有配置了外部大模型做总结时，内容才会发送给模型；不配置的话，整个流程完全在本地完成。

十个工具：从搜索到深度研究

wigolo 为 Agent 提供了十个内置工具，覆盖了联网场景的各个环节：

• search — 联网搜索
• fetch — 抓取单个页面
• crawl — 爬取整个站点
• extract — 结构化数据提取
• cache — 查询本地缓存
• find_similar — 查找相似页面
• research — 深度研究模式
• agent — 自主信息收集
• diff — 监控页面变化
• watch — 持续跟踪更新

结果质量：评分拆解 + 失败透明

一个值得注意的细节是，每条搜索结果都会附带一段原文摘录和评分，质量较差的结果会被自动标记为垃圾。抓取失败时会如实告知 Agent 原因，而不是把空壳内容塞过去浪费 Token。

项目还提供了一张与 Firecrawl、Exa、Tavily 的横向对比表。核心功能（搜索、抓取、提取）各家差异不大，但 wigolo 有几个独特优势：

• 查询结果本地缓存，离线也能复查
• 每条结果附带可解释的评分拆解，排名原因一目了然
• 完全免费，无任何费用

与内置搜索工具的差异

Claude Code 和 Codex 都自带了 WebSearch 和 WebFetch，为什么还需要 wigolo？两者的定位不同：

• 内置工具走云端，开箱即用，适合临时查询
• wigolo 的内容全部缓存在本地，重复查询瞬间返回，零额外开销
• 同时在 18 个引擎上搜索，每条结果都有评分拆解
• 遇到 SPA 或反爬时，自动切换无头浏览器抓取，并按域名积累经验
• 支持「计划、搜索、抓取、综合」的自动化循环，这是内置工具不具备的

实际使用中可以根据场景灵活选择：日常查询用内置工具即可，批量抓取或离线缓存场景则更适合 wigolo。

快速上手

一条命令即可完成安装，同时自动生成常用编程工具的 MCP 配置：

npx wigolo init --agents=claude-code,codex

由于需要在本地安装浏览器引擎和模型，会占用约 1.5 GB 磁盘空间。

如果需要输出带引用的报告，可以配置一个 Gemini API Key；不配置的话，会返回原始素材由主模型自行处理。

除了 MCP 接入方式，wigolo 还提供 REST API、TypeScript 和 Python SDK，以及快速部署的 Docker 镜像。LangChain、CrewAI 等主流框架也已有现成集成。

总结

Agent 联网搜索一直是付费服务的核心收入来源。wigolo 的出现提供了一个可行的本地化替代方案——无论搜索多少次都不产生费用，数据完全留在本地。随着 Agent 联网能力持续增强，按量计费的搜索服务面临的竞争压力可能会越来越大。

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