| name | agentcore-deepsearch |
| description | 用 AWS Bedrock AgentCore 云端浏览器做联网深度调研、搜索、抓网页正文。Use when 要做带引用的多源调研 / 搜资料 / 抓动态页 / 反爬站 / SPA / 需 JS 渲染的页面。本机已部署同名 MCP server,优先用它而非裸 WebFetch。NOT for 抓本机已登录态的页面(用 chrome-cdp 9222),NOT for 纯本地文件搜索(用 grep/search_files)。 |
| version | 1.0.0 |
| author | oneclaw |
AgentCore DeepSearch
基于 AWS Bedrock AgentCore 云端浏览器的搜索+抓取 MCP server。部署后做联网深度调研时优先用它。
部署步骤(依赖安装 / IAM 权限 / 挂载到 Hermes 或 Claude Code)见同目录 README.md。
约定源码放在 ~/.claude/skills/agentcore-deepsearch/,venv 在该目录 .venv/(路径可自定,挂载配置里改一致即可)。
为什么用它
- 抓取走 AWS 全托管、隔离 microVM 里的云端 Chromium(us-west-2,系统默认实例
aws.browser.v1,代码动态从 SDK 取最新)。
- 智能混合抓取:默认先本地 HTTP(快、免费、不占云端),遇到 JS 动态页 / 反爬 / Cloudflare / 正文过短,自动升级到云端浏览器重抓。
- 比裸 WebFetch 强:能跑 JS、过反爬、真实浏览器指纹、session 隔离。
- 比本机 chrome-cdp 强:云端隔离、可并发、不占用 Abel 本地 Chrome。
工具清单(MCP 名带前缀 mcp__agentcore-deepsearch__)
| 工具 | 用途 | 关键参数 |
|---|
web_search | 搜索,返回 标题/URL/摘要,不抓正文 | query, num_results, engine(duckduckgo/google), freshness(day/week/month/year) |
fetch_page | 抓单 URL 正文 → markdown | url, force_browser, force_http, wait_selector |
fetch_batch | 并发抓多个 URL 正文 | urls[], force_browser, force_http |
deep_search | 先广后深:搜索引擎打开视野 + 纵深抓多个来源正文 | query, top_k_fetch, engine, force_browser |
deep_search_multi | 并发跑多个子查询 | queries[], top_k_fetch, engine |
browser_status | 看 region/配置,排查连接 | — |
deep_search 返回结构(先广后深):
search_overview — 搜索引擎完整视野,多个候选来源的标题/URL/摘要,先看清全貌。
sources — 对前 K 个来源纵深抓取的正文(强制 ≥2 个,单一来源不算深度调研)。
note — 广度/纵深计数 + 交叉验证提醒;抓到 <2 个来源时会警告别下结论。
标准 deep research 编排(递归在 LLM 侧,工具只取数)
- 拆解:大问题拆成 3~5 个子查询(不同角度 / 同义词 / 专有名词)。
- 广撒网:
deep_search_multi(queries=[...], top_k_fetch=3) 一次并发把多组来源正文取回。还不确定读哪篇时先 web_search 看标题。
- 提炼:从 markdown 提炼 learnings(短句、高信息密度),每条记来源 URL。
- 追问:基于 learnings 生成 follow-up,对没查清的点再调一轮
deep_search。
- 收敛:信息饱和后写带引用总结,每个结论标
[来源]。URL 只能来自工具返回,绝不自己编。
什么时候加 force_browser / engine=google
engine="google":要 Google 质量、DDG 结果太少时。慢且占 session,按需。
force_browser=True:明确是 SPA / 需登录 / JS 渲染 / 反爬严格的站。
force_http=True:明知是爬虫友好的静态长页(Wikipedia、文档站),最快最省。
- 默认(都不传):智能混合,大多数情况直接用默认。
省钱 / 注意
- 云端 session 按 CPU/内存秒计费(一个 10 分钟 session 约 $0.01)。能用 HTTP 就别
force_browser,别为一个静态页开云端。
- 抓取并发默认 4;不自动解 CAPTCHA,遇验证码页抓到提示文本需换源。
- 正文默认上限 50000 字符(防爆上下文),超长标
truncated=true。
排查
- 连不上先调
browser_status 看 region/凭证。AWS 凭证走 ~/.aws/credentials default profile。
- 本地直接调试:
cd ~/.claude/skills/agentcore-deepsearch && .venv/bin/python server.py,喂 JSON-RPC。