insane-search

name

insane-search

description

Adaptive access for blocked websites — tries every method until one works. Use when ordinary fetch returns 402/403/blocked, or when accessing X/Twitter, Reddit, YouTube, GitHub, Mastodon, Medium, Substack, Stack Overflow, Threads, Naver, Coupang, LinkedIn, or any platform with WAF/bot protection. Leverages yt-dlp (1,858 media sites), Jina Reader, public APIs (HN, Bluesky, arXiv), and a generic WAF-profile-driven fetch chain (curl_cffi TLS impersonation, mobile URL transforms, Playwright real-Chrome) with auto dependency install. Korean triggers — 트위터/X 못 열어, 레딧 안 읽혀, 유튜브 자막 뽑아줘, 깃헙 검색, 사이트 차단됨, 스레드 안 열려, 마스토돈, 미디엄, 서브스택, 스택오버플로우, 네이버 블로그, 디시인사이드, 에펨코리아, 요즘IT, 긱뉴스, 클리앙, 쿠팡, 링크드인, 당근마켓. English triggers — twitter access, reddit blocked, youtube subtitles, github search, arxiv papers, threads, mastodon, medium, substack, stackoverflow, naver blog, dcinside, fmkorea, coupang, linkedin, yozm, wishket. Do NOT trigger for simple web searches that web.search_query can handle directly.

Insane Search for Codex

URL 접근이 차단될 때, 사이트 무관한 대체 접근 전략을 자동 선택한다.

이 스킬은 인터뷰 대상이 아니다 — 사용자에게 거의 묻지 않고 바로 실행한다. 진짜 선택지가 불가피할 때만 shared/questioning-policy.md §A 번호형 블록을 쓰되, 준비된 사용자를 과도하게 붙들지 않는다(§2c). 평소엔 차단 감지 → engine 실행 → trace 진단의 결정론적 흐름만 돈다.

하네스 규칙 (어시스턴트에게 강제되는 지침)

이 규칙은 어시스턴트가 즉흥 판단으로 엇나가지 못하게 하기 위한 고삐다. 위반 시 "200에서 break → 대체 경로 미시도 → Playwright 미설치라 포기" 식의 오판이 재현된다.

R1 — 일반 웹 URL 차단/403/402 감지 시:

1. 기본 web fetch, 즉흥 curl, 수동 헤더 조합 시도 금지
2. 즉시 engine 래퍼를 실행:

   bash scripts/run_engine.sh "<URL>" [--selector "<CSS>"] [--device auto|desktop|mobile] [--trace]
   

   (래퍼는 스킬 디렉토리에서 python3 -m engine을 호출한다. 직접 호출도 동일: python3 -m engine "<URL>" ...)
3. 종료코드 0(ok) 또는 1(fail) 받은 뒤 판단. trace를 먼저 읽고 재시도 결정.
4. 실패 시에만 --trace --json으로 재호출해서 원인 진단 후 --device 또는 user_hint 조정.

R2 — 첫 200에서 탈출 금지: HTTP 200은 검사 시작 조건이지 성공이 아니다. validate()의 4-계층 검증을 통과해야 성공 선언. CLI는 이미 강제한다.

R3 — 편향 금지: engine/**, waf_profiles.yaml에 특정 사이트 도메인·셀렉터·브랜드명 하드코딩 금지. python3 engine/bias_check.py가 CI 게이트. 자세한 규칙은 No-Site-Name Rule 섹션.

R4 — 힌트는 런타임에만: 사이트 고유 정보(성공 셀렉터, 우선 Referer)는 CLI 인자 또는 user_hint로만 전달, 저장소에 고정 금지.

R5 — Phase 0 공식 API 우선: X/Reddit/YouTube/HN/arXiv 등 공식 공개 엔드포인트가 있는 플랫폼은 Phase 0 테이블을 먼저 확인하고 해당 API를 쓴다. 이건 편향이 아니라 합의된 접근 경로.

R6 — 실패 선언은 "전수 시도" 후에만 (engine이 강제하는 실패 게이트): engine은 실패 시 ok=false와 함께 아직 안 해본 경로(untried_routes)와 must_invoke_playwright_mcp 플래그를 반환한다. 아래가 모두 충족되기 전엔 "뚫을 수 없음" 결론 금지:

1. grid_exhausted=true — false면 fetch(max_attempts=None)(=CLI 기본, exhaustive)로 끝까지 재호출.
2. untried_routes가 빈 배열 — 비어있지 않으면 그 경로들을 먼저 실행.
3. must_invoke_playwright_mcp=false — true면 어시스턴트가 직접 정찰 라우트(scripts/playwright_recon.js)를 돌린 뒤에만 통과: Local Node + channel:'chrome'로 대상 페이지를 로드 → 발생한 네트워크 요청에서 내부 /api·/graphql·.json 엔드포인트 탐지 → 그 URL을 bash scripts/run_engine.sh(= python3 -m engine)로 재호출(API는 WAF가 얕음); 또는 렌더된 HTML 회수. (engine은 로컬 Node Chrome만 띄울 수 있으므로, 정찰은 구조적으로 어시스턴트의 몫이다 — Codex에는 MCP Playwright가 없으니 must_invoke_playwright_mcp는 곧 로컬 정찰 스크립트 호출 신호로 읽는다.)
4. stop_reason이 auth_required/404/paywall 등 terminal일 때만 정직하게 실패 인정 — engine이 untried_routes를 빈 채로 돌려준다. 429(rate-limit)는 terminal 아님 — 백오프 후 재시도/다른 TLS/정찰로 재접근.

요지: engine의 give-up은 "그만해도 된다"는 허가가 아니다. CLI는 실패 시 ⛔ NOT EXHAUSTED 블록을 stderr로 출력한다 — 그게 보이면 위 4개를 끝낼 때까지 멈추지 않는다. 단, R7 조건(WAF 조기 감지)이 성립하면 engine 격자는 계속 돌되, 어시스턴트가 병렬로 정찰 루트를 시도할 수 있다. 빠른 쪽이 이긴다.

R7 — WAF 조기 감지 시 API-first 병행 분기 (분기 결정은 자동이지만 사용자가 결과에서 확인 가능 — 어떤 접근 경로로 성공/실패했는지 결과 metadata에 명시): 발동 조건 (AND):

1. engine 실행 초기에 첫 2~3회 attempt가 모두 verdict=challenge
2. profile_used가 akamai_bot_manager, cloudflare_turnstile, datadome_probable, perimeterx_human, f5_big_ip, aws_waf 중 하나로 확정
3. 사용자 요청이 리스트/수집/반복 의도 (여러 페이지, N개 이상, "전부", "크롤링", 페이지네이션 등). 단건 본문 조회는 해당 없음.

세 조건 모두 참일 때 어시스턴트는 병렬 경로를 시작한다:

"병렬"의 실행 의미 (Codex 도구 호출이 순차이므로 명확화):

• engine은 백그라운드로 띄워둔다 — 격자는 그대로 돌되 블로킹하지 않음
• 그 사이 foreground에서 Playwright 정찰 루트를 진행: node scripts/playwright_recon.js <<'EOF' / {"url":"https://example.com","timeout":20000} / EOF
• engine이 먼저 성공해도 좋고, 정찰로 얻은 API가 먼저 성공해도 좋음. 빠른 쪽 결과 채택

정찰 루트 (scripts/playwright_recon.js):

1. 대상 페이지를 로드 (Local Node + channel:'chrome')
2. 페이지가 발생시킨 XHR/fetch 네트워크 요청 목록을 수집, /api/·graphql·\.json 패턴으로 내부 엔드포인트를 자동 필터해 stdout JSON으로 반환
3. 식별된 JSON API URL을 bash scripts/run_engine.sh <API_URL>(또는 python3 -m engine <API_URL>)로 재호출. 대부분 API 레이어는 페이지 HTML보다 WAF 보호가 얕아 curl_cffi로 바로 수집됨
4. 응답 스키마 파악 후 pagination / query parameter 조합해 반복 수집

왜: SPA + WAF 사이트(쇼핑몰·커머스 다수)는 마케팅 페이지(HTML)만 WAF로 중투자하고 내부 API는 gateway 레벨 기본 방어만 쓰는 경우가 많다. HTML 격자 전수 낭비(50회 × 0.5s + Playwright fallback 40s ≈ 65초)보다 **정찰 1회(5~10초) + API 재호출(0.5초)**가 훨씬 경제적이고 성공률 높음.

R7을 쓰지 말아야 할 때: 단일 페이지 본문 읽기만 필요한 단건 조회(문서 하나, 블로그 포스트 하나)는 engine만으로 충분하다 — 발동 조건 #3이 이를 배제한다.

R7 편향 방지: 내부 API URL·파라미터는 engine/**에 하드코딩 금지. 탐지된 URL은 런타임 호출에만 쓰고 저장소에 고정하지 않는다.

---

이 스킬의 핵심 불변식:

• 단일 진입점: 일반 웹 페이지는 항상 bash scripts/run_engine.sh <URL> (= python3 -m engine <URL>) 또는 from engine import fetch; fetch(...).
• 편향 금지: engine/**, waf_profiles.yaml에 특정 사이트 하드코딩 금지.
• 힌트는 런타임에만: 사이트 고유 정보는 CLI/user_hint 경유.

의도 분류 (Phase 0 진입 전)

사용자 입력	경로
URL 제공 (https://...)	→ Phase 0 검사 후 없으면 Phase 1 (generic fetch chain)
핸들 제공 (@username)	→ Phase 0 syndication/API
키워드만 ("X에서 AI 검색")	→ web.search_query(site:{domain} {keyword}) 먼저 → URL 확보 후 재진입

한국어 신규 콘텐츠 한계: 네이버/다음/한국 커뮤니티의 키워드 검색은 web.search_query 경유가 유일하며, 신규 콘텐츠 인덱싱이 지연될 수 있다.

Phase 0 — 플랫폼 공식 API 인덱스

플랫폼이 공식 공개한 전용 API/CLI만 여기에 둔다. 이건 편향이 아니라 합의된 엔드포인트 사용이다.

소셜/커뮤니티 전용 API

플랫폼	방법	상세
X/Twitter	syndication (타임라인) + tweet-result/oEmbed (개별 트윗) + 키워드 검색: web.search_query → tweet-result	twitter.md
Reddit	Atom/RSS 피드(.rss) — 비인증 .json은 WAF 차단(403), score·댓글수는 OAuth	json-api.md
Bluesky	AT Protocol (public.api.bsky.app/xrpc/...)	public-api.md
Mastodon	인스턴스별 공개 API	public-api.md
Hacker News	Firebase API + Algolia Search	json-api.md
Stack Overflow	SE API v2.3	public-api.md
Lobste.rs / V2EX / dev.to	공개 JSON API	json-api.md

미디어 (CLI 도구 필수)

플랫폼	방법	상세
YouTube/Vimeo/Twitch/TikTok/SoundCloud 등 1,858개	yt-dlp --dump-json	media.md

학술/레지스트리

플랫폼	방법	상세
arXiv	Atom API	public-api.md
CrossRef	REST API	public-api.md
Wikipedia	REST API	json-api.md
OpenLibrary	JSON API	public-api.md
GitHub	gh CLI / REST API	public-api.md
npm / PyPI	Registry API	json-api.md
Wayback Machine	CDX API	public-api.md

한국 전용 공식 API

플랫폼	방법	상세
네이버 검색	search.naver.com (통합/블로그/뉴스탭)	naver.md
네이버 금융 시세	api.finance.naver.com/siseJson.naver (비공식 JSON)	naver.md

그 외 모든 사이트는 Phase 1(generic fetch chain)이 자동 처리한다.

Phase 1 — Generic Fetch Chain

단일 진입점

CLI(권장):

bash scripts/run_engine.sh "https://example.com/path" --selector "article" --device auto --trace
# 동치: python3 -m engine "https://example.com/path" --selector "article" --device auto --trace

Python API:

from engine import fetch

result = fetch(
    "https://example.com/path",
    success_selectors=["article", "[class*='product-card']"],  # 포지티브 프루프 (선택)
    device_class="auto",      # "auto" | "desktop" | "mobile"
    user_hint=None,           # {"referer_strategy": "self_root", "impersonate_first": "safari"}
    timeout=25,
)

if result.ok:
    print(result.verdict)     # strong_ok | weak_ok
    html = result.content
else:
    # Phase 3 수동 개입 (Playwright) 필요 — result.trace로 원인 진단
    pass

내부 단계 (디버깅용 노출)

fetch()는 단일 API이지만 내부는 phase로 나뉘어 있다. result.trace(또는 --trace)에서 각 시도를 확인할 수 있다.

probe      — curl_cffi + safari + self-referer로 첫 시도
validate   — 4-계층 검증 (marker / size / cookie / success_selectors)
detect     — WAF 제품 감지 ([(profile_id, confidence)] 랭킹)
plan       — 프로파일의 tls_candidates × url_transforms × referer 격자 구성
execute    — 격자 전수 시도 (첫 200에서 탈출하지 않음)
fallback   — capability 태그 기반 Playwright 라우팅 (정찰 스크립트 or local+chrome)
report     — FetchResult(ok, verdict, profile_used, trace, summary)

검증 원칙

• HTTP 200은 검사 시작 조건이지 성공이 아니다.
• 성공 판정은 4-계층 AND:
  1. 챌린지 마커 없음 (sec-if-cpt-container, Access Denied, Just a moment..., DataDome)
  2. 비정상 크기 아님 (< 3KB 또는 WAF fingerprint 크기)
  3. 쿠키 센서 상태 정상 (_abck=~-1~ 아님)
  4. success_selectors 중 하나 이상 매칭 (caller 제공 시 → strong_ok, 미제공 시 → weak_ok)

격자 축 (profile이 우선순위 추천, 격자는 전수 시도)

축	값	비고
url_transforms	original, mobile_subdomain (www.→m.), am_prefix, drop_www	사이트명 없음, 규칙만
tls_impersonate	safari, safari_ios, chrome99, chrome119, chrome131, chrome_android, firefox...	프로파일별 avoid 리스트 존재
referer_strategy	self_root, google_search, none

device_class:

• "auto" (기본) — 프로파일 전략 따름
• "desktop" — TLS 데스크톱만 + mobile_subdomain 비활성
• "mobile" — TLS 모바일만 + mobile_subdomain 활성

Playwright 폴백 (capability-matched)

engine/executor.py가 프로파일의 capabilities_needed를 읽고 실행기를 자동 선택:

태그	실행기	언제
needs_real_tls_stack + needs_js_exec	engine/templates/playwright_real_chrome.js (로컬 Node)	Akamai Bot Manager 등 — Chromium 번들 TLS는 탐지됨
needs_js_exec only	Playwright MCP / 현재 어시스턴트 세션의 브라우저 도구	Cloudflare 기본 방어 등
needs_mobile_context (+ real_tls)	engine/templates/playwright_mobile_chrome.js	모바일 디바이스 에뮬레이션 필요

자세한 선택 기준: playwright.md.

Playwright (JS 실행) 호출 규칙

fetch_chain의 needs_js_exec only 케이스는 현재 어시스턴트 세션에서 브라우저 도구를 직접 구동 해야 한다. subprocess 경로 없음. 즉:

1. result.summary에 "Playwright MCP must be invoked from the active assistant session"이 포함되면
2. 사용 가능한 브라우저 도구(navigate → wait → snapshot)로 세션이 직접 처리한다. 브라우저 도구가 없는 환경이면 한계를 보고하고 Local Node 템플릿 (engine/templates/playwright_real_chrome.js) 또는 Jina/archive/플랫폼 API 경로로 대체한다.

Phase 2 — 수동 개입 (옵션)

Phase 1이 ok=False를 반환하면 사용자 힌트를 받아 재시도:

result = fetch(
    url,
    success_selectors=[...],
    user_hint={"impersonate_first": "safari_ios", "referer_strategy": "none"},
)

힌트는 현재 호출 1회에만 적용되며 저장되지 않는다.

의존성 자동 설치

최초 호출 시 필요 패키지를 확인/설치한다. 점검만 하려면 인자 없이, 설치까지 하려면 --install. curl_cffi는 0.15.0 이상을 요구한다 — 0.15부터 impersonate="chrome"이 최신 Chrome(146+) 지문으로 갱신되고(0.14는 chrome142에 고정), HTTP/3 지문과 SSRF-safe redirect 기본값이 추가됐다. 아래 수동 가드는 미설치뿐 아니라 0.15 미만이면 업그레이드한다:

bash scripts/bootstrap.sh            # 점검만 (curl_cffi / beautifulsoup4 / pyyaml / node)
bash scripts/bootstrap.sh --install  # 누락 패키지 설치
# 수동 확인 (0.15 미만이면 업그레이드):
python3 -c "import curl_cffi,bs4,yaml; v=curl_cffi.__version__.split('.'); assert (int(v[0]),int(v[1]))>=(0,15)" 2>/dev/null \
  || pip install -U "curl_cffi>=0.15.0" beautifulsoup4 pyyaml -q

Playwright 로컬 경로 사용 시 Node가 필요:

npm i -g playwright playwright-extra puppeteer-extra-plugin-stealth
npx playwright install chrome

engine 코드를 건드렸다면 (CI 게이트)

python3 engine/bias_check.py        # No-Site-Name Rule 린터
bash scripts/smoke_test.sh          # bias_check + unit/online smoke (pytest 및 직접 실행 모두 지원)

빠른 참조 — Phase 0 명령어

먼저 이걸 기억하라: Reddit/X/YouTube는 이제 engine이 자동 처리한다. bash scripts/run_engine.sh "<URL>" (= python3 -m engine "<URL>") 하나면 Phase 0 라우터(engine/phase0.py)가 격자보다 먼저 공식 경로를 시도한다 — Reddit→.rss, X 트윗→tweet-result/oEmbed, X 프로필→syndication, YouTube→yt-dlp. 아래 수동 스니펫은 디버그/참조용이며 trace에 phase=phase0로 기록된다. (실측 주의: Reddit .json+모바일UA·syndication-timeline은 흔히 403/429라 plain curl은 신뢰 불가 — engine이 curl_cffi 지문으로 접근한다.)

# ★ 거의 모든 경우 이거면 됨 (Phase 0 자동 + 실패 시 격자→정찰 에스컬레이션)
bash scripts/run_engine.sh "<URL>"      # = python3 -m engine "<URL>"

# 범용 웹 (Jina Reader — 일반 HTML만, WAF 사이트엔 무효)
curl -s "https://r.jina.ai/{URL}"

# yt-dlp — 1,858 사이트 미디어 메타데이터 / 자막
yt-dlp --dump-json "URL"
yt-dlp --write-sub --write-auto-sub --sub-lang "en,ko" --skip-download -o "/tmp/%(id)s" "URL"

# Reddit — .rss (curl_cffi 지문 필요; plain curl은 TLS로 403)
python3 -c "from curl_cffi import requests as r; print(r.get('https://www.reddit.com/r/{sub}/.rss', impersonate='safari').text[:2000])"

# X/Twitter — 개별 트윗(가장 안정적): tweet-result / oEmbed
python3 -c "from curl_cffi import requests as r; print(r.get('https://cdn.syndication.twimg.com/tweet-result?id={TWEET_ID}&token=a', impersonate='safari').text)"
# X 프로필 타임라인 (rate-limit 변동 — engine이 재시도) / 키워드: web.search_query(site:x.com {kw})→tweet-result
curl -sL "https://syndication.twitter.com/srv/timeline-profile/screen-name/{handle}"

# Hacker News
curl -sL "https://hacker-news.firebaseio.com/v0/topstories.json?limitToFirst=10&orderBy=%22%24key%22"

커버리지 회귀 점검: python3 tests/coverage_battery.py — 플랫폼별 전수 경로 pass/fail + 썩은 예시 자동 적발.

No-Site-Name Rule

engine/**, waf_profiles.yaml, engine/templates/** 파일에는 특정 사이트의 도메인/URL/셀렉터/브랜드명을 하드코딩하지 않는다.

금지

• "coupang.com": {...} 같은 사이트별 레지스트리 엔트리
• if "coupang" in url: ... 같은 도메인 분기
• WAF 프로파일 notes에 특정 사이트 이름이나 경험적 byte 크기 박제

허용

• SKILL.md / references/*.md의 설명 텍스트에 사이트 이름 예시 (독자 이해용)
• Phase 0 공식 API 인덱스 (플랫폼이 공식 공개한 엔드포인트)
• observations/*.jsonl 로그 (append-only 관측 데이터 — 코드 경로에 영향 없음)
• 호출자가 제공하는 success_selectors, user_hint (현재 호출에만 유효)

경계 사례 판단 기준

"이 엔트리가 다른 사이트에서도 같은 WAF를 쓰면 일반적으로 유효한가?" → YES면 waf_profiles.yaml, NO면 runtime hint.

새 사이트가 안 뚫릴 때

1. 먼저 result.trace에서 어느 phase가 실패했는지 확인
2. 사용자의 user_hint로 1회 재시도
3. 반복 성공 패턴이 관측되면 observations/에 로그 (아직 자동 기록 없음 — 수동)
4. 3회+ 반복 확인되고 동일 WAF를 쓰는 다른 사이트에도 유효하면 waf_profiles.yaml 해당 프로파일의 tls_impersonate_candidates / url_transform_order를 튜닝 (사이트명 절대 넣지 않음)
5. 여전히 안 되면 새 WAF 프로파일 후보 검토 (예: DataDome 세부화, Kasada 등)

관련 문서 (references/) — 언제 무엇을 읽을지

이 섹션은 참조 파일 선택 가이드다. 문제가 생겼을 때 어떤 references/*.md를 열어야 할지 결정하는 기준으로 쓴다. 필요할 때만 해당 파일을 읽고, 선제적으로 전부 읽지 않는다. 빠른 시작이 필요하면 references/fallback.md부터 본다.

A. Engine 확장·진단 (하네스 내부)

파일	언제 읽는가	무엇을 다루는가
tls-impersonate.md	curl_cffi 격자가 전부 challenge/blocked로 끝날 때, 새 impersonate 타겟을 waf_profiles.yaml에 추가할 때	curl_cffi로 Safari/Chrome/Firefox TLS(JA3/JA4) 지문 복제하는 방법, WAF(Akamai/Cloudflare/F5 등)별 최적 타겟 조합, 임퍼소네이션 타겟 버전 목록, tls_impersonate_avoid의 실증 근거
playwright.md	engine이 Playwright fallback으로 넘어가는데 MCP/Local Chrome 중 어디로 갈지 확인 필요할 때	Approach 1 (브라우저 도구 — Cloudflare급 챌린지), Approach 2 (Local Node + channel:'chrome' + stealth — Akamai Bot Manager급), 템플릿 파라미터 규격
fallback.md	verdict가 애매하거나 Phase 전환 타이밍 결정 필요할 때	engine의 Phase 0→1→2→3 에스컬레이션 원칙, 응답 성공/실패 판정 기준 세부, 각 Phase 종료 조건
metadata.md	본문 전체를 못 가져왔지만 제목·요약·가격·저자 같은 핵심만이라도 필요할 때	OGP 메타 태그, JSON-LD (Schema.org), Twitter Card 파싱, 구조화 데이터 추출 패턴

B. 경량 대안 (engine 말고 다른 도구가 나은 상황)

파일	언제 읽는가	무엇을 다루는가
jina.md	WAF 없는 일반 웹(블로그·뉴스·Wiki)의 깨끗한 마크다운 추출 필요할 때	r.jina.ai/URL 한 줄로 Puppeteer 기반 JS SPA 렌더링, 마크다운 변환, 무료 500 RPM, API 키 불필요
cache-archive.md	원본 사이트가 차단됐지만 과거 스냅샷으로라도 접근 필요할 때	Wayback Machine CDX API, archive.today, AMP Cache (Google Cache는 2024-07 종료됨)
rss.md	뉴스·블로그·커뮤니티의 시계열 업데이트를 구조화해 받고 싶을 때	RSS/Atom 자동 발견, 피드 파싱, 인증 불필요 — 가장 깔끔한 시계열 데이터 소스

C. 플랫폼별 공식/공개 API (Phase 0 인덱스와 연결)

파일	언제 읽는가	무엇을 다루는가
json-api.md	Reddit/Wikipedia/HN/npm/PyPI 등 URL 변형만으로 JSON/피드를 주는 사이트	Reddit Atom/RSS(.rss) 대체 경로 + score·댓글용 OAuth(.json은 WAF 차단), HN Firebase, Algolia Search, Wikipedia REST, npm/PyPI Registry API
public-api.md	Bluesky/Mastodon/arXiv/Stack Overflow/CrossRef/GitHub/OpenLibrary/Wayback 공식 API 사용 시	인증 없이 쓰는 공식 공개 REST/AT/Atom API 엔드포인트, 요청 형식, 공통 파라미터
twitter.md	X/Twitter 접근 — 프로필 타임라인, 특정 트윗, 키워드 검색	syndication.twitter.com 타임라인, tweet-result/oEmbed 개별 트윗, 검색은 web.search_query로 URL 확보 후 tweet-result
naver.md	네이버 블로그·뉴스·증권·검색 접근	서비스별 대체 접근(블로그는 m.blog.naver.com 변환, 증권은 비공식 JSON, 검색은 search.naver.com), 한글 검색 쿼리 패턴
media.md	YouTube/Vimeo/Twitch/TikTok/SoundCloud 등 미디어 메타·자막·오디오 필요 시	yt-dlp --dump-json 기반 1,858개 사이트 커버, 자막 다운로드(--write-sub), 포맷 선택, 라이브/팟캐스트

D. Engine 코드 직접 읽을 때

파일	언제 읽는가
engine/phase0.py	Phase 0 공식-API 라우터 (Reddit/X/YouTube 자동 경로). 플랫폼·경로 추가 시. bias_check 면제 파일(R5 sanctioned)
engine/fetch_chain.py	체인 단계 로직·Attempt/FetchResult schema·untried_routes/must_invoke_playwright_mcp 실패게이트
engine/validators.py	4-계층 검증 세부 (Verdict 분류, 챌린지 마커 목록)
engine/waf_detector.py	WAF 랭킹 감지 알고리즘, _LAST_LOAD_ERROR 처리
engine/waf_profiles.yaml	프로파일별 detectors·tls_candidates·capabilities_needed
engine/url_transforms.py	URL 변환 규칙 추가할 때
engine/executor.py	Playwright MCP vs local capability 매칭 로직
engine/templates/*.js	Playwright 템플릿 튜닝 (warmup, reload, devices)
engine/bias_check.py	편향 린터 규칙 — brand denylist, URL_PATTERN, excluded dirs

Port Notes (Codex)

• 단일 진입점은 bash scripts/run_engine.sh <URL> (= python3 -m engine <URL>). engine의 WAF 로직을 즉흥으로 재구현하지 않는다.
• 의존성 점검/설치는 scripts/bootstrap.sh [--install].
• R7 정찰은 scripts/playwright_recon.js (stdin JSON → 내부 /api/·graphql·.json 요청 추출).
• Local Node 브라우저 폴백이 없으면 한계를 보고하고 generic engine / Jina / archive / 플랫폼 API 경로로 계속 진행한다.
• 산문보다 결정론적 증거(trace 요약)를 우선한다. engine 실패 시 trace 요약 + 차선 경로를 먼저 보인다.