关于 LastSearch
LastSearch 是面向 AI Agent 的 MCP 服务,可进行实时网络研究并提供基于证据的回答。它结合结论提取、核验引用、置信度评分和研究会话,并提供三种研究深度模式。
主要功能
- 01实时网络搜索
- 02证据与结论提取
- 03核验引用与来源引文
- 04基于证据的置信度评分
- 05快速、详尽和深度模式
适用场景
- 01研究当前主题并获取引用来源
- 02核查结论并发现矛盾
- 03对复杂问题开展多步研究
MCP 相关
向 MCP 客户端提供网络搜索、页面获取、信息提取、回答、比较和研究会话工具。所有工具都需要 LastSearch API 密钥。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
lastsearch
为 AI Agent 提供可靠的研究基础设施。 为你的 Agent 补上缺失的研究层。
提供实时网页搜索、证据提取和结构化引用的 MCP 服务。可接入 Claude Desktop、Cursor、Windsurf、LangChain、CrewAI 或任何 Agent 工作流。
功能
lastsearch 不会让 AI 信口开河,而是让它实时访问网页,并提供结构化且带引用的答案:
Your question → Web search → Neural rerank → Fetch pages → Extract claims → Verify → Cited answer (streamed)
每个答案都包含:
- 主张,附来源 URL、验证状态和共识级别
- 基于证据的置信度分数(0-1),并非由大模型自评,而是根据反馈自动校准
- 来源引文,已根据网页实际文本核实
- 原子化主张拆分——将复合事实拆分开来并分别验证
- 执行追踪,包含时间信息
- 3 种深度模式——
"fast"(默认)、"thorough"(通过改写查询自动重试)、"deep"(高级多步 Agentic 研究:迭代执行思考-搜索-提取-评估循环,并进行差距分析,最多 4 步,目标置信度为 0.85——需要 LastSearch 密钥并登录,配额消耗为 3 倍,配额用尽时回退到 thorough)
高级功能(需要 LASTSEARCH_API_KEY)
持有 LastSearch API 密钥(ls_xxx)的用户可获得增强验证:
- 语义重排序——根据查询与文档的语义相关性重新评估搜索结果
- 语义重排序——根据含义匹配证据,而非仅匹配关键词
- 多提供方搜索——并行搜索多个来源,以扩大覆盖范围
- 多轮一致性检查——通过多个独立的提取轮次交叉核对主张
- 深度推理模式——多步 Agentic 研究,迭代执行思考-搜索-提取-评估循环、差距分析,并合并跨步骤主张(最多 4 步,配额消耗为 3 倍,每天 100 次深度查询)
- 研究会话——跨查询保留记忆
LastSearch 密钥免费用户可享受充足的每日配额(每天 100 次高级查询;按每次 3 倍配额计算,约可进行 33 次深度查询)。超出配额后,查询会平稳回退到关键词验证(深度模式会回退到 thorough)。配额每 24 小时重置一次。
前往 lastsearch.ai 注册并免费获取 API 密钥——每天可进行 100 次高级查询,并使用完整验证流程。
快速开始
npx lastsearch setup
这会自动配置 Claude Desktop。你需要 LastSearch API 密钥——可在 lastsearch.ai/dashboard 免费获取。
手动设置
Claude Desktop
将以下内容添加到 ~/Library/Application Support/Claude/claude_desktop_config.json:
{
"mcpServers": {
"lastsearch": {
"command": "npx",
"args": ["-y", "lastsearch"],
"env": {
"LASTSEARCH_API_KEY": "ls_xxx"
}
}
}
}
Cursor / Windsurf
添加到 MCP 设置中:
{
"lastsearch": {
"command": "npx",
"args": ["-y", "lastsearch"],
"env": {
"LASTSEARCH_API_KEY": "ls_xxx"
}
}
}
HTTP 传输
作为 HTTP 服务运行,以供基于浏览器的客户端、Smithery 或任何支持 HTTP 的 Agent 使用:
# Start with HTTP transport
npx lastsearch --http
# Or set the port via environment variable
MCP_HTTP_PORT=3100 npx lastsearch --http
该服务提供:
POST /mcp— MCP Streamable HTTP 端点GET /health— 健康检查
Docker
docker build -t lastsearch ./apps/mcp
docker run -p 3100:3100 -e LASTSEARCH_API_KEY=ls_xxx lastsearch
MCP 工具
| 工具 | 描述 |
|---|---|
search | 通过多家服务商搜索网络 |
open | 获取网页并解析为纯文本 |
extract | 从网页中提取结构化知识 |
answer | 完整流程:搜索 + 提取 + 引用。depth:"fast"、"thorough" 或 "deep" |
compare | 比较原始大模型回答与有证据支持的回答 |
clarity | Clarity — 防止幻觉的回答引擎。三种模式:mode: "prompt"(仅增强提示词)、mode: "answer"(大模型回答,默认)和 mode: "verified"(大模型 + 网络融合) |
session_create | 创建研究会话(跨查询持久保存记忆) |
session_ask | 在会话中研究(回忆已有知识并存储新论断) |
session_recall | 查询会话知识,不发起新的网络搜索 |
session_share | 公开分享会话(返回分享 URL) |
session_knowledge | 导出会话中的所有论断 |
session_fork | 派生共享会话,以继续研究 |
feedback | 提交关于结果准确性的反馈 |
注意: 所有工具都需要 LastSearch API 密钥(
ls_xxx)。在 lastsearch.ai/dashboard 免费获取。
示例
快速查询:
"Use answer to explain what causes aurora borealis"
提高准确性:
"Use answer with depth thorough to research quantum computing"
深度研究(多步骤,需要 LastSearch 密钥):
"Use answer with depth deep to compare CRISPR approaches for sickle cell disease"
深度模式会运行迭代的思考、搜索、提取和评估循环:通过差距分析识别缺失信息,再用后续查询补齐,并在多个步骤间合并论断和来源,最后重新验证。最多经过 4 个步骤,目标置信度为 0.85。没有 LastSearch 密钥或配额用尽时,会回退到 thorough 模式。
检测矛盾:
"Use answer with depth thorough to check if coffee is good for health, and show me any contradictions"
研究会话:
"Create a session called quantum-research, then ask about quantum entanglement, then ask how entanglement is used in computing"
企业搜索:
"Use answer to search our Elasticsearch at https://es.company.com/kb/_search for our refund policy"
响应结构
{
"answer": "Aurora borealis occurs when charged particles from the Sun...",
"confidence": 0.92,
"claims": [
{
"claim": "Aurora borealis is caused by solar wind particles...",
"sources": ["https://en.wikipedia.org/wiki/Aurora"],
"verified": true,
"verificationScore": 0.82,
"consensusLevel": "strong"
}
],
"sources": [
{
"url": "https://en.wikipedia.org/wiki/Aurora",
"title": "Aurora - Wikipedia",
"domain": "en.wikipedia.org",
"quote": "An aurora is a natural light display...",
"verified": true,
"authority": 0.70
}
],
"contradictions": [],
"reasoningSteps": []
}
为什么选择 lastsearch?
| 特性 | 原始大模型 | lastsearch |
|---|---|---|
| 来源 | 无 | 包含引文的真实 URL |
| 引用 | 可能是幻觉 | 已从网页验证 |
| 置信度 | 未知 | 基于证据的评分 |
| 深度 | 单轮处理 | 3 种模式:fast、thorough、deep reasoning |
| 时效性 | 训练数据 | 实时网络 |
| 论断 | 混杂在文本中 | 结构化并附有链接 |
可靠性
所有 API 调用在发生瞬时故障(429 速率限制、5xx 服务器错误)时,都会自动进行指数退避重试。身份验证错误会立即失败,不会浪费重试次数。
技术栈
- 搜索:多家服务商(并行搜索多个来源)
- 解析:@mozilla/readability + linkedom
- AI:OpenRouter(100+ 个模型)
- 验证:关键词与语义混合验证
- 协议:Model Context Protocol(MCP)
Agent 技能
预构建的技能,用于指导编码 Agent 何时使用 LastSearch 工具:
npx skills add lastsearch-hq/lastsearch-skills
技能适用于 Claude Code、Codex CLI、Gemini CLI、Cursor 等。查看技能 →
社区
许可证
Apache 2.0
数据、隐私与条款
此软件包会将你的请求(查询、URL 以及你要求其核验的文档)和 LastSearch API 密钥发送到 lastsearch.ai 上托管的 LastSearch API。查询和结果会存储在该处,并以汇总且不含标识信息的形式用于改进核验,详情请参阅隐私政策。此软件包本身不会收集遥测数据。使用托管 API 须遵守服务条款。
LastSearch 是一个由个人开发者运营的免费非商业兴趣项目。答案、引用和置信度评分均为 AI 生成的研究结果,不构成专业建议;对于任何重要信息,请对照一手来源进行核验。
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。