wet

WET - Web Extended Toolkit MCP 服务

**已重命名（2026-09-13）：**仓库现已命名为 wet，以命令行为先（wet 命令）。PyPI 包仍为 wet（PyPI 政策不允许创建新的 wet 项目）；MCP 服务是次要入口：不带子命令运行 wet 即可。

mcp-name: io.github.n24q02m/wet

**已重命名：**仓库、CLI 和 Python 模块现已命名为 wet。PyPI 发行包仍为 wet-mcp（安装命令为 pip install wet-mcp / uvx wet-mcp）。MCP 服务仍可用：不带子命令运行 wet（直接运行 = MCP 透传）；旧版 wet-mcp 控制台别名仍然有效。

面向 AI Agent 的开源 MCP 服务：网页搜索、内容提取和库文档。

阶段	状态	范围
阶段 1	已发布	web-core ScrapingAgent 迁移、智能分块输出、搜索优化、精简媒体功能
阶段 2	已发布	Context7 级别的文档搜索：库索引（Tier 1 + Tier 2）、带令牌上限的版本感知查询、项目锁定（Cabinets）
阶段 3	已发布	extract.agent 多步骤研究与引用综合、通过 patchright 执行 extract.interact 点击/填充/提交（可选会话持久化）、迁移 docs_004_chunk_summaries、已移除 media.analyze（v2.0.0）

当前版本：v3.x。 media(action="analyze") 已在 v2.0.0 重大变更版本中移除。使用 imagine-mcp 的 understand 操作进行视觉/音频/视频分析。升级方法请参阅 docs/migration.md。

n24q02m 的姊妹项目（点击展开）

| 项目 | 简介 | 标签 | |---|---|---| | [agent-chat-plugin](https://github.com/n24q02m/agent-chat-plugin) | AI Agent 在共享文件夹中进行点对点对话——无需人工转发、无需协调器，工... | Tooling | | [crg](https://github.com/n24q02m/crg) | 面向高效代码审查的知识图谱——语义搜索和调用-... | MCP | | [better-drive](https://github.com/n24q02m/better-drive) | 双向 Google Drive 同步，支持 .driveignore 过滤器——采用 rclone 引擎，提供 Windows 托盘 | Tooling | | [better-email-mcp](https://github.com/n24q02m/better-email-mcp) | 面向 AI Agent 的 IMAP/SMTP 邮件功能——读取、发送、整理文件夹并管理附... | MCP | | [better-godot-mcp](https://github.com/n24q02m/better-godot-mcp) | 面向 Godot Engine 的复合 MCP 服务——提供 17 个复合工具，支持 AI 辅助游... | MCP | | [better-notion-mcp](https://github.com/n24q02m/better-notion-mcp) | 面向 AI Agent、以 Markdown 为先的 Notion——支持页面、数据库、内容块和评论... | MCP | | [better-semantic-release](https://github.com/n24q02m/better-semantic-release) | 可直接替换的 python-semantic-release 分支，内置发布安全防护（orp... | Tooling | | [better-telegram-mcp](https://github.com/n24q02m/better-telegram-mcp) | 面向 AI Agent 的 Telegram 功能——支持多种机器人... | MCP | | [better-workspace-mcp](https://github.com/n24q02m/better-workspace-mcp) | Google Workspace MCP 服务（Docs/Drive/Calendar/Gmail/Sheets/Slides/Tasks/Ch... | MCP | | [claude-plugins](https://github.com/n24q02m/claude-plugins) | 面向 n24q02m MCP 服务的 Claude Code 插件市场——安装网页搜索... | Marketplace | | [imagine-mcp](https://github.com/n24q02m/imagine-mcp) | 面向 AI Agent 的图像和视频理解与生成——支持 Gemini、Op... | MCP | | [jules-task-archiver](https://github.com/n24q02m/jules-task-archiver) | 通过 batchexecute API 批量操作 Jules 任务的 Chrome 扩展——... | Tooling | | [mcp-core](https://github.com/n24q02m/mcp-core) | 用于构建 MCP 服务的共享基础组件——支持 Streamable HTTP 传输、OAuth... | MCP | | [mnemo](https://github.com/n24q02m/mnemo) | 具备混合搜索和嵌入式同步功能的持久化 AI 记忆。开放、免费、无限... | MCP | | [fastretrieval](https://github.com/n24q02m/fastretrieval) | 基于 ONNX 和 GGUF 的多模型嵌入与重排运行时 | Library | | [skret](https://github.com/n24q02m/skret) | 无需服务端的密钥管理。 | CLI | | [tacet](https://github.com/n24q02m/tacet) | 一种自蒸馏神经符号级联架构，可在知识间摊销大模型成本... | Tooling | | [web-core](https://github.com/n24q02m/web-core) | 用于搜索、抓取、HTTP 安全和 st... 的共享 Web 基础设施包 | Library | | [wet](https://github.com/n24q02m/wet) | 面向 AI Agent 的开源 MCP 服务：网页搜索、内容提取和库... | MCP |

目录

• 功能
• 状态
• 快速安装
• 自托管用法
• 配置
• 文档
• 工具
• CLI
• 比较
• 安全
• 从源代码构建
• 部署到 Cloudflare
• Smithery
• 信任模型
• 许可证

## 功能

• 网页搜索 -- 内置 SearXNG 元搜索（Google、Bing、DuckDuckGo、Brave），支持查询扩展、TTL 缓存（一般查询 1 小时／时效性查询 5 分钟）、标准化引用格式，以及 200 个 token 的摘要上限。可通过 SEARCH_BACKENDS 配置可选的云搜索后端（Tavily、Brave、Exa、Kagi、OpenRouter、Firecrawl），组成回退链
• 学术研究 -- 搜索 Google Scholar、Semantic Scholar、arXiv、PubMed、CrossRef、BASE
• 文档库 -- 自动发现并索引文档，支持 FTS5 混合搜索、HyDE 增强检索和特定版本的文档
• 内容提取 -- 通过 n24q02m-web-core ScrapingAgent 使用 5 种策略组成的升级链（basic_http -> tls_spoof -> 来自 BROWSER_BACKENDS（native / browserless / cf-browser-rendering）的渲染后端 -> 可选的、需要密钥的 captcha）；使用 markitdown 桥接处理低层级 HTML/MD 回退；输出结构化的智能分块结果（纯文本 + Markdown + JSON-LD + 代码块 + 元数据）；支持批处理（最多 50 个 URL）、深度爬取和站点映射
• 本地文件转换 -- 将 PDF、DOCX、XLSX、CSV、HTML、EPUB、PPTX 转换为 Markdown
• 媒体 -- 列出并下载图片／视频／音频文件。analyze 已在 v2.0.0 中移除 -- 视觉／音频推理请使用 imagine-mcp.understand
• 反机器人 -- 使用隐身策略绕过 Cloudflare、Medium、LinkedIn、Twitter
• 零配置 -- 通过 fastretrieval 内置本地引用嵌入和重排，无需 API 密钥。可通过 ~/.wet/config.toml 中的 [models.embed|rerank|chat|jev_score] 单元格为各任务配置可选的云模型（默认使用 OpenRouter；一个 OPENROUTER_API_KEY 即可供所有单元格使用）
• 同步 -- 通过 Google Drive 跨机器同步已索引的文档（OAuth 设备代码，无需浏览器重定向）

快速安装

# Method 1 (default): plugin install via Claude Code
/plugin marketplace add n24q02m/claude-plugins
/plugin install wet@n24q02m-plugins

# Method 2 (CLI): direct uvx invocation
claude mcp add wet -- uvx wet-mcp

# Method 3 (source-built container for HTTP / multi-device / OAuth)
docker build --target http -t wet:local .
docker run -d --name wet-http -p 8084:8080 \
  -v wet-data:/data -e PUBLIC_URL=https://wet.example.com \
  wet:local

# Method 4 (remote): point a client at an HTTP deployment
claude mcp add --transport http wet https://<your-host>/mcp

安装矩阵（除非另有说明，均使用 stdio；完整步骤请参阅设置页面）：

客户端	安装
Claude Code（插件）	/plugin marketplace add n24q02m/claude-plugins 然后运行 /plugin install wet@n24q02m-plugins
Claude Code（stdio）	claude mcp add wet -- uvx wet-mcp
Codex	在 ~/.codex/config.toml 的 mcp_servers 下注册 stdio 命令 uvx wet-mcp
Gemini CLI	将下方的 mcpServers JSON 添加到 ~/.gemini/settings.json
Cursor / Windsurf	通过客户端的 MCP 设置（mcp.json）添加下方的 mcpServers JSON
任意客户端（HTTP 自托管）	将客户端指向 https://<your-host>/mcp（Streamable HTTP，需通过 OAuth 验证）

已停止发布公共 OCI 镜像。现有历史注册表标签保持不变；新的容器部署请从源代码构建，或使用 Cloudflare 管理的注册表。

HTTP 端点使用 Streamable HTTP，并受 OAuth 验证保护——客户端首次连接时会提示你在浏览器中进行身份验证（无需粘贴 API 密钥）。请使用方法 3 或部署到 Cloudflare一节进行部署。

完整的设置矩阵见规范文档站点 mcp.n24q02m.com/servers/wet/setup/ ；可直接粘贴给 Agent 的代码片段见 claude-plugins/plugins/wet/setup-with-agent.md （遵循 Spec F 单一事实来源）。

自托管用法

有两种受支持的方式可运行常驻 HTTP 服务。两种方式下，MCP 端点均为 http://127.0.0.1:8000/mcp（Streamable HTTP），配置根目录均为 ~/.wet/（config.toml、docs.db、subs/）。切勿将服务作为客户端的子进程启动——请在客户端中注册该端点。

开发环境（uv，无身份验证，仅限环回地址）

git clone https://github.com/n24q02m/wet && cd wet
uv run wet config init            # writes ~/.wet/config.toml (default: auth = "no-auth")
uv run wet                        # serves http://127.0.0.1:8000/mcp

no-auth 模式会拒绝绑定非环回地址——切换到令牌身份验证之前，服务仅可通过本地主机访问。

始终运行（docker）

# 1. Mint a token and its scrypt hash (hull-core canonical; the hash command
#    never echoes the token itself)
openssl rand -hex 32                 # the token — give it to clients, keep it secret
uv run wet token hash <token>        # paste the output as token_hash

# 2. Instance config from the example
cp docker-config/config.example.toml docker-config/config.toml
#    edit [server] token_hash and the [models.*] cells (see below)

# 3. Data continuity (optional): carry an existing instance over by copying
#    docs.db and subs/ into the wet-home named volume BEFORE first start:
docker volume create wet-wet-home && \
  docker cp ~/.wet/docs.db wet-wet-home:/docs.db && \
  docker cp ~/.wet/subs wet-wet-home:/subs  # adjust: files land as root, chown 999:999

docker compose up -d --build

Compose 将 127.0.0.1:${WET_PORT:-8000} 发布到容器的 8000 端口（仅限 loopback），并将 docker-config/config.toml 以只读方式挂载到 /home/appuser/.wet/config.toml。持久化数据（docs.db、subs/）存放在 名为 wet-home 的卷中；下载/缓存目录存放在 wet-data 中。编辑配置后，执行 docker compose restart 即可生效。

使用者

# CLI (same token, JSON-RPC over HTTP not needed — use the installed CLI):
uvx wet-mcp --help                  # or `wet <tool>` for direct tool calls

# MCP client (Claude Code):
claude mcp add --transport http wet http://127.0.0.1:8000/mcp \
  --header "Authorization: Bearer <token>"

# Raw probe:
curl -s -o /dev/null -w '%{http_code}\n' http://127.0.0.1:8000/mcp \
  -X POST -H 'Content-Type: application/json' \
  -d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{}}'            # 401
curl -s -o /dev/null -w '%{http_code}\n' http://127.0.0.1:8000/mcp \
  -X POST -H 'Authorization: Bearer <token>' -H 'Content-Type: application/json' \
  -H 'Accept: application/json, text/event-stream' \
  -d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2025-03-26","capabilities":{},"clientInfo":{"name":"curl","version":"0"}}}'  # 200

配置：本地模型与云端模型

~/.wet/config.toml 中的 [models.embed|rerank|chat|jev_score] 配置项按任务分别设置（每项都有自己的 base_url + api_key + model，遵循 OpenAI 规范）。示例附带了 OpenRouter 配置；任何兼容 OpenAI 的端点都可以使用——无论是云端端点，还是 Ollama 这类本地服务（从容器内访问时，base_url = "http://host.docker.internal:11434/v1"）。文件中的密钥仅供主机使用；也可以将 api_key = "" 留空，并在启动时通过 HULL_EMBED_API_KEY / HULL_RERANK_API_KEY / HULL_CHAT_API_KEY / HULL_JEV_SCORE_API_KEY 注入密钥。

配置

wet 开箱即用，无需配置：网页搜索使用内嵌的本地 SearXNG；未设置云端密钥时，嵌入和重排会通过 fastretrieval 回退到捆绑的本地 ONNX 模型。若要获得更高质量的结果，请配置 ~/.wet/config.toml 中按任务划分的服务商配置项。运行设置使用普通环境变量（不带应用前缀）——在 HTTP 自托管模式下，则通过浏览器设置表单填写。

服务商配置项——[models.embed|rerank|chat|jev_score] 各自使用独立的 base_url + api_key + model（遵循 OpenAI 规范）。所有配置项都预先配置为使用 OpenRouter；任何兼容 OpenAI 的端点都可以使用。配置项的密钥可以在文件中留空，并在启动时通过 HULL_EMBED_API_KEY / HULL_RERANK_API_KEY / HULL_CHAT_API_KEY / HULL_JEV_SCORE_API_KEY 注入。如果配置项保留了 OpenRouter 默认的 base_url，环境变量中的 OPENROUTER_API_KEY 会作为最后的凭据供其使用——一个 OpenRouter 密钥即可支持所有任务。嵌入或重排配置项留空时会回退到本地 ONNX 模型；聊天配置项没有密钥时会禁用 LLM 功能（例如 extract(action="agent")）。

FASTRETRIEVAL_CACHE_PATH 用于控制本地模型缓存。

搜索后端——SEARCH_BACKENDS 是按顺序执行的运行时回退链： searxng（默认，可通过 SEARXNG_URL 使用本地或外部服务）、需要密钥的 tavily / brave / exa / kagi / openrouter、密钥可选的 firecrawl，以及无需凭据的 duckduckgo / startpage。需要密钥的服务商使用 TAVILY_API_KEY、BRAVE_API_KEY、EXA_API_KEY、 KAGI_API_KEY 或 OPENROUTER_API_KEY（使用逗号分隔多个密钥以轮换）。openrouter 后端会通过聊天补全和 openrouter:web_search 服务端工具执行查询，并将返回的 url_citation 注释映射为通用结果格式；OPENROUTER_MODEL（默认使用免费层级模型）、OPENROUTER_BASE_URL 和 OPENROUTER_SEARCH_ENGINE 可以覆盖其行为。未设置 FIRECRAWL_API_KEY 时，Firecrawl 会尝试无密钥请求；如果请求被拒，或者 DuckDuckGo/Startpage 遇到机器人验证，系统就会转到链中的下一个后端。

结果重排使用已配置的重排配置项（[models.rerank]——默认通过 OpenRouter 使用云端服务，或在没有密钥时使用本地 ONNX）；同一回退链也用于网页搜索、研究、相似页面搜索、Agent 搜索，以及文档发现/索引回退。SearXNG 在研究场景中保留科学类别筛选；其他服务商则使用各自的搜索功能。托管用户在自己的中继记录中配置回退链和密钥。空的托管记录不会继承运营方的服务商密钥或本地 SearXNG URL；单用户 stdio 仍使用环境变量/设置，并保留公开的本地路径。 浏览器渲染后端——BROWSER_BACKENDS（CSV，升级链）用于选择 extract 的无头渲染环节：native（进程内 Chromium，默认无需配置）、browserless（自托管渲染服务——设置 BROWSERLESS_URL + BROWSERLESS_TOKEN）以及 cf-browser-rendering（Cloudflare Browser Rendering——设置 CF_ACCOUNT_ID + CF_BROWSER_RENDERING_TOKEN）。链为空时回退到 native。设置 CAPSOLVER_API_KEY，可在升级链末尾追加一个可选的、需密钥启用的 CAPTCHA 层级。

Robots 策略——设置 RESPECT_ROBOTS_TXT=true，即可在 extract 策略链以及由 Crawl4AI 支持的 crawl、sitemap 和 list_media 操作中强制执行 robots.txt。默认值为 false，以保留现有部署行为；如果运维人员要求执行 robots 规则，请明确配置此进程级策略。

隐身层级 + 预置身份（可选启用）——在 BROWSER_BACKENDS 中追加 invisible，可在升级链末尾添加一个隐身 Firefox 引擎层级（n24q02m-hull[invisible] 附加项：pip install "wet-mcp[invisible]"）。整个链共用一个一致的浏览器身份：使用 WET_IDENTITY_SEED 为其设定种子（或由 wet 生成一次，并将其持久化到 ~/.wet/subs/<sub>/identity.json），同时安装 wet[identity] 附加项。若未安装这些附加项，链会保持旧版行为（仅警告一次）。STEALTHFOX_BINARY 用于指定已打补丁的 Firefox 版本，以跳过引擎下载；IDENTITY_PROFILE_DIR（默认值为 ~/.wet/subs/<sub>/profiles）用于按命名空间保存持久化的浏览器配置文件。

禁用本地回退——可按能力选择退出占用资源较多的进程内本地回退（例如，在仅通过云后端进行渲染、搜索和嵌入的精简容器中）：DISABLE_LOCAL_BROWSER、DISABLE_LOCAL_SEARCH、DISABLE_LOCAL_EMBED、DISABLE_LOCAL_RERANK。

文档同步——SYNC_ENABLED（默认值为 true）、GOOGLE_DRIVE_CLIENT_ID（同步必需）、SYNC_FOLDER（默认值为 wet）、SYNC_INTERVAL（默认值为 300s）。同步通过 OAuth Device Code 流程使用 Google Drive（无需浏览器重定向）。 DOCS_DB_BACKEND=cf-d1 会禁用 GDrive/S3 文件同步，包括自动启动、中继向导和设备代码设置，即使仍保留旧版同步设置也是如此。非 CF SQLite 部署仍可使用 GDrive 同步；SYNC_S3_BUCKET 用于改用 S3，而 SYNC_ENABLED=false 会同时禁用两者。

HTTP 自托管——MCP_TRANSPORT=http、PUBLIC_URL=<your-domain>。设置表单由 MCP_RELAY_PASSWORD 控制访问；多用户部署还需要 CREDENTIAL_SECRET（每用户的保险库密钥）、MCP_JWT_SIGNING_SECRET（可轮换的 OAuth JWT 密钥）和 MCP_DCR_SERVER_SECRET。

stdio 配置示例（一个 OpenRouter 密钥即可为所有提供商单元供能）：

{
  "mcpServers": {
    "wet": {
      "command": "uvx",
      "args": ["wet-mcp"],
      "env": {
        "OPENROUTER_API_KEY": "sk-or-xxx"
      }
    }
  }
}

如需为不同任务使用不同的端点或模型，请编辑 ~/.wet/config.toml 中的 [models.*] 单元，或在启动时注入 HULL_EMBED_API_KEY / HULL_RERANK_API_KEY / HULL_CHAT_API_KEY / HULL_JEV_SCORE_API_KEY，而不是将密钥存储在文件中。

状态

采用稳定架构，支持两种传输方式：stdio（默认，本地）和 HTTP（自托管，由 OAuth 控制访问）。没有守护进程桥接层，也不会从 stdio 自动启动。media.analyze 操作已在 v2.0.0 BREAKING 版本中移除——升级说明请参阅 docs/migration.md。当前发布系列：v3.x。

文档

完整文档见 mcp.n24q02m.com/servers/wet/setup/：

• 安装 -- Claude Code、Codex、Gemini CLI、Cursor、Windsurf、mcp.json 的安装方法
• 模式概览 -- stdio / local-relay / remote-relay / remote-oauth
• 多用户设置 -- 基于 JWT 的 sub 声明的凭证模型

仓库内参考资料（Spec F 的唯一事实来源：设置文档位于 claude-plugins/plugins/wet/）：

• docs/ARCHITECTURE.md -- web-core ScrapingAgent 集成、策略链、存储布局、LLM 提供商分发
• docs/BENCHMARKS.md -- v1.x 基准覆盖范围 / 延迟占位符 + tier-1 fixture 指标

使用 AI Agent 安装 -- 将以下内容粘贴给你的 AI 编码 Agent：

按照以下步骤安装 MCP 服务 wet： https://raw.githubusercontent.com/n24q02m/claude-plugins/main/plugins/wet/setup-with-agent.md

工具

6 个 MCP 工具（3 个领域工具 + config + help + config__open_relay）。旧版 setup 工具已合并到 config 操作分发中。

工具	描述
search	网页（SearXNG 元搜索）、新闻、图片、学术研究（Scholar / arXiv / PubMed / CrossRef / Semantic Scholar / BASE）、库文档（HyDE + FTS5）、查找相似页面。包含 docs_resolve（库名称 -> 排序后的 ID）、docs_query（感知版本 + 主题 + 5000-token 上限）、docs_lock_project（通过 pyproject / package.json / go.mod / Cargo.toml 清单检测，固定 Cabinets 项目）。
extract	URL -> 智能分块字典（clean_text + markdown + structured_data + code_blocks + metadata），通过 web-core 5 策略链处理。批量处理（最多 50 个 URL）、深度爬取、站点映射、本地文件转换（PDF/DOCX/XLSX/PPTX/EPUB）、结构化提取（JSON Schema）
media	list（从图库页面发现 URL）、download（防 SSRF）。analyze 已在 v2.0.0 中移除 -- 请改用 imagine-mcp.understand
config	status、set、cache_clear、docs_reindex、warmup、setup_sync、setup_status、setup_skip、setup_reset、setup_complete
help	各工具文档：search、extract、media、config
config__open_relay	重新触发零配置中继设置流程（为浏览器表单输出新的中继 URL）。通过 mcp-core 的 register_open_relay_tool 注册，让 LLM 无需手动重启即可重新开始设置。

媒体处理边界：对于视觉 / 音频理解（图片描述生成、 OCR、音频转录、视频摘要），请使用 imagine-mcp。media.analyze 已在 wet v2.0.0 中移除 -- 请改用 imagine-mcp.understand。

命令行

此软件包会安装两个控制台脚本：wet（主要脚本）和 wet-mcp （为兼容现有 uvx wet-mcp 配置而保留的旧版别名）。直接调用 （或使用任何以连字符开头的标志）会启动服务；以位置参数开头的调用 会作为子命令分发。

uvx --from wet-mcp wet warmup   # try a subcommand without a persistent install

wet                             # start the server over stdio (default transport)
wet --http                      # start the server over Streamable HTTP (self-host mode)

wet auth google                 # authorize the Google credential provider for Drive sync
wet logout                      # clear the local Google Drive sync token
wet warmup                      # pre-download local models + run auto-setup (SearXNG, browser) to avoid first-run delays
wet docs reindex <library>      # drop the cached docs index for <library>; the next docs search re-indexes it

auth google 可通过 --client-id 和 --client-secret 使用自带的 OAuth 客户端（仅限单用户 / 本地机器；令牌会写入 本地存储）。每个子命令都会输出 JSON 结果并退出。

功能	wet	Brave Search	Tavily	Firecrawl	Context7
网页搜索	是（SearXNG 聚合）	是	是	否	否
提取 URL 内容	是（5 策略链）	否	是（基础功能）	是	否
媒体列表 / 下载	是	否	否	否	否
库文档搜索	是（Tier 1 精选 + Tier 2 按需，感知版本，Cabinets）	否	否	否	是
学术研究	是（6 个提供商）	否	否	否	否
可自托管	是	否	否	否	是
免费层级	是（开源）	有限	有限	有限	是

安全性

• 防止 SSRF——对爬取目标进行 URL 验证
• 优雅降级——云端 → 本地嵌入，多层级爬取
• 错误信息清理——错误消息中不包含凭据
• 文件转换沙箱隔离——可选的 CONVERT_ALLOWED_DIRS 限制

从源代码构建

git clone https://github.com/n24q02m/wet.git
cd wet
uv sync
uv run wet

部署到 Cloudflare

在 Cloudflare 上以无服务器方式运行自己的单用户 wet 实例（Containers + D1 + Vectorize + KV）。

前提条件： Cloudflare 账户需使用 Workers Paid 计划——Containers、D1 和 Vectorize 均需此计划（Cloudflare 免费套餐不包含这些服务）——并安装 wrangler CLI。

1. git clone https://github.com/n24q02m/wet && cd wet
2. wrangler login
3. 配置资源并应用 D1 架构：

   wrangler d1 create wet-docs
   wrangler d1 execute wet-docs --file migrations/0001_init_wet.sql --remote
   wrangler d1 execute wet-docs --file migrations/0002_project_context.sql --remote
   wrangler d1 execute wet-docs --file migrations/0003_version_index_state.sql --remote
   wrangler vectorize create wet-docs-vectors --dimensions 768 --metric cosine
   wrangler kv namespace create wet-kv
   

   将返回的 ID 粘贴到 wrangler.jsonc 中。
4. 从此检出版本构建精简版 HTTP 镜像，并直接推送到 Cloudflare 的托管注册表（CF Containers 无法从外部 注册表拉取镜像）：

   docker build --target http --build-arg SLIM=1 -t wet:beta .
   wrangler containers push wet:beta   # prints registry.cloudflare.com/<ACCOUNT_ID>/wet:beta
   

5. 设置操作员身份验证/存储和 Browser Run 密钥：

   wrangler secret put CREDENTIAL_SECRET
   wrangler secret put MCP_JWT_SIGNING_SECRET
   wrangler secret put MCP_RELAY_PASSWORD
   wrangler secret put MCP_DCR_SERVER_SECRET
   wrangler secret put CF_BROWSER_RENDERING_TOKEN
   

6. 执行 wrangler deploy，然后在 Worker 域名下的浏览器中继表单中完成设置。

存储通过 MCP_STORAGE_BACKEND=cf-kv（凭据/令牌，加密）、 DOCS_DB_BACKEND=cf-d1（文档 + BM25 全文检索）和 Vectorize（嵌入）映射到 Cloudflare。默认的无头渲染器为 BROWSER_BACKENDS=cf-browser-rendering。精简镜像中已禁用本地 ONNX 回退；请通过每个已验证身份主题的中继记录配置搜索和云端 检索。Worker 级别的搜索/模型链和提供商密钥不会转发到容器。

config.toml 中每个任务对应的 [models.*] 配置项用于配置云端 嵌入/重排/聊天：将每项的 base_url 指向任意兼容 OpenAI 的端点——默认使用 OpenRouter——并通过该项的 api_key 或对应的 HULL_<TASK>_API_KEY 环境变量提供密钥。对于所有保留 OpenRouter 默认 base_url 的配置项，只需使用一个 OPENROUTER_API_KEY。 将带密钥的搜索提供商凭据（例如 TAVILY_API_KEY）存储在同一主题记录中。请为所选嵌入模型支持的维度配置 Vectorize 和 EMBEDDING_DIMS。

部署（维护中的实例）

每个带标签的版本都会自动部署（仅当 CF_DEPLOY_ENABLED 开关开启时——请参阅下方的暂停说明）：CD 的 deploy-cf 作业会检出 已发布的标签，构建 http-slim 镜像，将其作为不可变的 :<release-tag> 推送到 Cloudflare 托管的 注册表，部署 Worker，并通过金丝雀健康检查——线上运行的版本与其自身版本完全一致。Beta 分发会重新部署 beta；稳定版分发需经维护者批准。禁止对维护中的实例手动运行 wrangler deploy：这会破坏 版本标签与线上镜像之间的对应关系。在自己的 Cloudflare 账户上自托管（使用上方按钮）不受影响。

已于 2026-09-13 暂停： 账户中的 CF 部署令牌因不符合清单要求（违反流程）而被移除，因此 deploy-cf 现在会在 CF_DEPLOY_ENABLED 仓库变量关闭时跳过操作。维护中的实例将保持冻结状态，继续运行最后一次部署的版本，直到按照文档说明的流程重新建立令牌并将变量设为 true。

Smithery

wet 提供 smithery.yaml，因此可以通过 Smithery 安装和运行。清单声明了 stdio 启动 命令（uvx --python 3.13 wet-mcp），配置架构为空——启动无需配置，提供商和凭据可在运行时通过服务自身的配置流程进行设置（请参阅配置）。

信任模型

此插件实现 TC-Local（绑定到机器，单一信任主体）。完整分类请参见 mcp-core 信任模型。

模式	存储	加密	谁可以读取你的数据？
stdio（默认）	~/.wet/config.json	AES-GCM，绑定到机器的密钥	仅你的操作系统用户（文件权限 0600）
HTTP 自托管	与 stdio 相同	相同	仅你（管理员 = 用户）

许可证

Apache-2.0 -- 参见 LICENSE。