Wigolo

要解决的问题

AI 编码代理在浏览器里能跑代码，却往往拿不到「网上到底发生了什么」的第一手证据。直接把网页丢给模型，得到的常是混杂着导航栏、脚本与重复内容的噪音；而让模型自己抓网页，又面临渲染策略、去重规则和引用规范不统一的问题。Wigolo 要解决的是：让代理稳定地完成 发现 → 取证 → 结构化 → 引用 这条链路，并且所有网络结果都落在本地知识缓存里，可复现、可审计。

技能如何工作

Wigolo 是一个本地优先的网页情报 MCP server，通过 stdio 向宿主模型暴露十个工具。它自身不内置任何 LLM，只负责返回结构化证据，最终答案由调用方模型自己撰写。这条分工原则贯穿所有工具：

• search 支持 format: "highlights"，返回按 ML 评分排序的段落与引用编号。撰写时应引用原文并标注 [N]，而不是把结构折叠成一句模糊总结。
• research 在 MCP sampling 不可用时（这很常见），输出里带有 brief，包含 topics、highlights、key_findings，可直接作为你撰写报告的脚手架。
• find_similar 可能返回 cold_start 字符串。把它原样转给用户，其中说明了结果为何来自 web、以及如何预热缓存。
• extract 支持 mode: "structured"，一次调用即可拿到表格、定义、JSON-LD、图表提示与键值对。
• fetch 拉取单个 URL 并返回干净的 markdown，参数包括 render_js（auto / always / never）、use_auth（复用用户浏览器会话）、max_chars、section。
• fetch 的 metadata 能力会暴露 og_type、canonical_url 与 og_image，其中 canonical_url 用于对 tracked / canonical URL 做去重。

适用边界与注意点

由于没有内置模型，输出质量取决于你把结构保留到什么程度。把 highlights 或 brief 压扁重写会丢掉引用，属于误用。cold_start 不是错误，是缓存尚未被预热的信号，应如实告知用户而不是静默忽略。use_auth 会复用本地浏览器会话，在共享机器上需要留意权限边界。推荐做一次一次性 warmup，可用 --force、--all、--reranker、--firefox、--webkit、--embeddings、--no-searxng、--verify 等开关控制预热范围。