Serveur MCP local en priorité pour la recherche et l'extraction web des agents
wigolo, de KnockOutEZ, est un serveur de protocole de contexte de modèle local-first qui fournit aux agents de codage IA des capacités de recherche et de récupération sur appareil. L'outil effectue un crawl profond de sites, une extraction structurée et une recherche multi-moteurs pour alimenter les agents avec un contexte consultable. Les fonctionnalités clés incluent le crawl, l'indexation sur appareil et les outils MCP orientés vers les agents pour l'intégration. Il cible les développeurs et les chercheurs en IA qui ont besoin d'une mémoire web privée et consultable pour augmenter les agents axés sur le code et réduire la dépendance aux API de recherche externes.
Pour quelles tâches pouvez-vous réellement l'utiliser ?
L'outil correspond aux étapes de recherche et de récupération de données dans un flux de travail d'agent : il peut explorer des sites de documentation, extraire des tableaux et des métadonnées, et produire des enregistrements indexables que les agents peuvent interroger. Les tâches pratiques incluent la collecte de documents API pour la génération de code, l'extraction de tableaux structurés à partir de pages de référence, et la construction d'une mémoire locale consultable que les agents utilisent lors de la résolution des invites. Il expose des outils MCP standardisés afin que les agents puissent demander directement des extraits et des métadonnées récupérés.
Quelle est la cohérence et l'explicabilité des résultats de recherche ?
Les résultats sont classés avec des modèles d'apprentissage automatique sur appareil, produisant des scores de pertinence explicables plutôt que des classements opaques. Le serveur stocke un cache local persistant et une mémoire vectorielle basée sur SQLite pour servir instantanément des requêtes répétées. Pour les pages complexes, le récupérateur à plusieurs niveaux s'élève vers un navigateur sans tête pour capturer du contenu rendu dynamiquement, ce qui améliore la couverture mais augmente le temps de traitement et l'utilisation des ressources locales.
Quelles entrées et quel environnement cela nécessite-t-il ?
Le déploiement nécessite un environnement Node.js 20+ et peut être démarré via npx ou exécuté dans Docker. Le serveur accepte des cibles de crawling à distance, la cartographie de sitemap, et des URL de semence explicites, et prend en charge des modes d'extraction structurée pilotés par JSON Schema ainsi que des sélecteurs CSS et une extraction spécialisée pour les tableaux. La compatibilité avec les clients activés MCP est explicite, donc les intégrations non-MCP nécessitent un adaptateur ou un pont API REST.
Comment cela s'intègre-t-il dans les flux de travail et les chaînes d'outils des développeurs ?
L'outil s'intègre dans le développement piloté par les agents en offrant une fusion de classement à travers plusieurs adaptateurs de recherche et une mémoire locale persistante pour des re-requêtes hors ligne. L'intégration est la plus facile pour les projets utilisant déjà des clients activés MCP ; l'écosystème des développeurs inclut une compatibilité explicite avec des agents tels que Claude Desktop et Cursor. Les équipes qui ont besoin d'indexation sans cloud peuvent fonctionner entièrement sur du matériel local et conserver le contenu récupéré sur l'appareil pour une utilisation ultérieure par les agents.
Choix pratique pour les développeurs soucieux de la confidentialité qui adoptent MCP
L'outil est un choix pratique pour les développeurs et les chercheurs qui privilégient le contrôle local et l'intégration des agents, soutenu par ses origines open-source et l'intérêt visible de la communauté. Il nécessite une configuration pratique et des clients conscients de MCP, donc il sert mieux les équipes prêtes à faire fonctionner un serveur local et à adapter les flux de travail des agents. Pour ces contraintes, il offre un chemin viable pour garder l'accès web des agents privé et sous contrôle direct.
