Wigolo 本地网页情报服务

解决的问题

编码代理需要联网信息时，普遍会撞上几件具体的脏活：抓取结果里混着导航栏、页脚和 Cookie 横幅，同一个 URL 被反复请求白白消耗配额，搜索结果与原文之间缺少可追溯的引用编号，而表格、定义列表、JSON-LD 这类结构化数据往往要多次往返才能凑齐。Wigolo 把这些环节收敛到一个跑在 stdio 上的 MCP 服务器里，并把每次网络结果写进本地知识缓存。

核心能力

十个工具覆盖了从取数到合成的完整链路：

• fetch：抓取单个 URL 返回干净 Markdown，支持 section 只取某个标题下的正文，render_js 控制是否走浏览器渲染。
• search：关键词搜索，query 传数组会并行执行多个变体并自动去重；format 可选 highlights（ML 评分段落 + 引用编号）、context（token 预算内的上下文块）或 answer（依赖 MCP sampling）。
• crawl：从种子 URL 出发支持 bfs / dfs / sitemap / map 四种策略，map 只返回 URL 清单，适合先低成本摸底再定向抓取。
• cache：全文检索支持 AND / OR / NOT / 精确短语，check_changes 会重新抓取并给出 diff 摘要；命中即返回，不碰网络。
• extract：mode: "structured" 一次调用返回表格、定义列表、JSON-LD、图表提示与键值对；mode: "schema" 按 JSON Schema 做启发式匹配，不经过 LLM。
• research / agent：多步研究与自然语言数据收集，内部自带查询分解、并行搜索与缓存检查。
• find_similar：混合 3 路 RRF 融合（关键词 + 语义向量 + 实时搜索），结果附带 match_signals 说明各路排序。
• diff / watch：页面版本对比与定时监控，webhook 目标经过 SSRF 防护。

需要特别注意的是，Wigolo 自身不带 LLM。search 的 highlights 返回带编号的评分段落，research 在缺少 MCP sampling 时返回 topics / highlights / key_findings 的 brief，最终报告由宿主模型基于这些结构化证据自己撰写——引用应当保留在回复里，而不是被折叠掉。

适用边界

几个容易踩的坑：手动调用 search / fetch 之前先探一下 cache，否则就是在重复读磁盘上已有的内容；搜索查询要用关键词组合，而不是自然语言问句；同一个失败查询不要原样重试，改写关键词或换 category 更有效；只需要一个 URL 时别动用 agent 或 research；爬取必须配 include_patterns，否则会把导航和页脚垃圾一并抓回来；force_refresh: true 只用于新闻、状态页、changelog 这类真正在变的内容；给 extract 传 schema 时必须包含 properties 键，否则会被直接拒绝。冷启动时 find_similar 可能返回 cold_start 字符串，把它透传给用户就能解释结果为何来自网络。