内容
# OrioSearch 自托管 — 网络搜索 + 提取，带有用于 AI 代理的 MCP 服务器
OrioSearch 的一键自托管部署（[OrioSearch](https://github.com/vkfolio/orio-search)）
（兼容 Tavily 的 **网络搜索 + 内容提取** API）捆绑了一个 **MCP 服务器**，使您的 AI 代理（Claude Code、Claude Desktop、Cursor…）能够像原生工具一样进行网络搜索。
```
┌── docker compose up -d ────────────────────────────────────────────┐
│ orio-search REST API → http://localhost:8000 (/search /extract)
│ orio-mcp MCP 服务器 → http://localhost:7710/mcp (tavily_search, tavily_extract)
│ searxng + redis → 仅限内部使用（搜索后端 + 缓存）
└────────────────────────────────────────────────────────────────────┘
```
无需 LLM，无需 API 账户，无需云服务 — 它通过您自己的 SearXNG 搜索网络。
## 要求
- Docker + Docker Compose v2 (`docker compose version`)
- ~2 GB RAM 空闲，出站互联网访问
## 快速开始
```bash
git clone https://github.com/budhaz01/oriosearch-selfhost.git
cd oriosearch-selfhost
# 1. 为 SearXNG 设置其自己的密钥
sed -i "s/CHANGE_ME_openssl_rand_hex_32/$(openssl rand -hex 32)/" searxng/settings.yml
# 2. 构建 + 运行（首次构建会克隆上游引擎 + 构建 — 几分钟）
docker compose up -d --build
# 3. 检查是否健康
docker compose ps
curl http://localhost:8000/health
```
## 使用 REST API
```bash
curl -X POST http://localhost:8000/search \
-H "Content-Type: application/json" \
-d '{"query":"kubernetes 最佳实践 2026","max_results":5}'
curl -X POST http://localhost:8000/extract \
-H "Content-Type: application/json" \
-d '{"urls":["https://example.com"],"format":"markdown"}'
```
响应格式与 Tavily 兼容（`{query, answer, results[], images[], response_time}`）。
## 使用 MCP 服务器（Claude Code、Cursor、Claude Desktop）
MCP 服务器暴露了两个工具 — `tavily_search` 和 `tavily_extract`。
**Claude Code（CLI）：**
```bash
claude mcp add orio --transport http http://localhost:7710/mcp
```
**Claude Desktop / Cursor（JSON 配置）：**
```json
{
"mcpServers": {
"orio": { "type": "http", "url": "http://localhost:7710/mcp" }
}
}
```
然后您的代理可以搜索网络。（在 localhost 上不需要密钥 — 请参阅以下安全公开内容。）
## 配置
- **`config.yaml`** — 引擎：搜索后端、缓存、速率限制、身份验证、LLM。
- **`searxng/settings.yml`** — SearXNG 后端（引擎、密钥）。
- **`docker-compose.yml`** — 端口、资源。
### 可选：AI 答案（`include_answer`）
搜索/提取功能无需任何 LLM。 要在 `answer` 字段中获取 AI 编写的摘要，请在 `config.yaml` 中设置 `llm.enabled: true`，并将 `base_url` / `api_key` / `model` 指向任何 OpenAI 兼容的端点（OpenAI、本地 Ollama、GLM/Zhipu、…）。
## 公开访问（阅读后再操作）
默认情况下，两个端口都绑定到 **127.0.0.1** — 只有此主机可以访问它们。 要服务其他机器或互联网：
1. **引擎** — 设置 `auth.enabled: true` + 在 `config.yaml` 中添加 `api_keys` 下的密钥（客户端然后发送 `Authorization: Bearer <key>`），然后将 `orio-search` 端口从 `127.0.0.1:8000:8000` 更改为 `8000:8000`（或使用反向代理 + TLS）。
2. **MCP 服务器** — `orio-mcp` **没有内置身份验证**。 请勿直接公开；请将其放在检查令牌的反向代理后面（或保持在 localhost / LAN 上）。
## 管理
```bash
docker compose logs -f orio-search # 日志
docker compose restart orio-search # 重启
docker compose pull && docker compose up -d --build # 更新
docker compose down # 停止
```
## 致谢
引擎：[vkfolio/orio-search](https://github.com/vkfolio/orio-search)。MCP 服务器改编自 [Tavily MCP](https://github.com/tavily-ai/tavily-mcp)，用于调用 OrioSearch 而非 api.tavily.com。
