讓AI具時事趨勢分析的 Web Search 功能（DuckDuckGo)

2026-03-292026-03-29

目前似乎都要付費。目前的實際選項如下：

方案（方案 │ API Key │ 費用 │ 品質）：

DuckDuckGo (duckduckgo-search) │ ❌ 不需要 │ 免費 │ 一般搜尋結果
SerpApi │ ✅ 需要 │ 付費（有免費額度） │ 可取得 Google AI Overviews
Tavily │ ✅ 需要 │ 免費額度 1000次/月 │ 專為 AI agent 設計
Google Custom Search API │ ✅ 需要 │ 免費 100次/天 │ 一般搜尋，無 AI Overviews

目前市面上主流的 AI 搜尋引擎 MCP (Model Context Protocol) 伺服器主要分為通用搜尋與 AI 研發優化兩類。以下整理幾個常見的選項及其費用：

Brave Search

price:
https://api-dashboard.search.brave.com/documentation/pricing

這是目前社群與官方最推崇的選項，因為它的免費額度高且 API 密鑰容易取得。

付費方案： 每月 $5 美元可獲得 1,000 次查詢。($5.00 / per 1,000 requests)
特色： 重視隱私，反應速度快，適合日常通用搜尋。

Exa (原 Metaphor，為 AI 打造的搜尋)

Exa 是專門為大型語言模型設計的搜尋引擎，它搜尋的是網頁內容的語義而非關鍵字。

免費額度： 每月提供 1,000 次免費查詢。
付費方案： 採計次收費，基礎搜尋每 1,000 次約 $7 美元。
特色： 能過濾出更適合 AI 閱讀的乾淨內容，適合需要高品質參考資料的場景。

Tavily (專注於 AI 研究)

許多自主代理(Agents)預設使用的搜尋工具，強調資訊的整合與研究深度。

免費額度： 每月 1,000 次免費查詢。
付費方案： 每月 $30 美元起（約 4,000 次查詢）。
特色： 搜尋結果經過 AI 優化與評分，適合複雜的資料蒐集與分析任務。

Perplexity (透過第三方 MCP 實作)

雖然官方目前以 API 形式為主，但 GitHub 上有許多開源的 MCP 實作可以串接 Perplexity。

費用： * API 模式： 根據 Token 與搜尋次數計費（每 1,000 次搜尋約 $5 美元）。
- Web 模式： 若使用某些開源 MCP 封裝，可透過你現有的 Pro 訂閱(每月 $20 美元)權限來呼叫。
特色： 整合性最強，直接提供總結後的答案與來源。

Google Custom Search (漸入歷史)

免費額度： 每天 100 次免費查詢。
付費方案： 超過後每 1,000 次 $5 美元。
注意： 舊版的 API 預計於 2027 年關閉，目前社群開發重心已轉向 Brave 或 Tavily。

DuckDuckGo 官網:
https://duckduckgo.com/

關於 DuckDuckGo 的 MCP 伺服器，情況與 Brave 或 Exa 略有不同，主要特點是「免費但非官方」。

DuckDuckGo MCP 的定位

目前 DuckDuckGo 並沒有推出官方的 MCP 伺服器，社群中常見的工具（如 duckduckgo-mcp-server 或 duck-duck-scrape-mcp）大多是透過 網頁爬蟲 (Web Scraping) 或非官方 API 實作的。

費用與限制

費用： 完全免費。因為它是模擬瀏覽器行為或使用公開介面，不需要註冊 API Key。
限制： * 頻率限制 (Rate Limiting)： 這是最大的缺點。如果你在短時間內發送太多請求，DuckDuckGo 會暫時封鎖你的 IP，導致 AI 搜尋失敗。
- 穩定性： 由於是爬蟲原理，如果網頁改版，MCP 可能會失效，需要等待開發者更新。

常見的 MCP 實作方式

如果你想在 Claude Desktop 或其他支援 MCP 的環境安裝，通常使用以下指令（以常見的社群版本為例）：

JSON

{
  "mcpServers": {
    "ddg-search": {
      "command": "uvx",
      "args": ["duckduckgo-mcp-server"]
    }
  }
}

想要自架 AI 搜尋 MCP 伺服器且不被 Google 阻擋，最穩定的做法是透過 SearXNG。這是一個開源、隱私且整合型的搜尋引擎（Metasearch Engine），它能同時抓取 Google、Bing、DuckDuckGo 等數十個來源。

自架 SearXNG 核心

這是自架搜尋的第一步，建議使用 Docker 部署，這樣可以透過代理（Proxy）或更換 IP 來避免被 Google 阻擋。

準備一份 docker-compose.yml，包含 searxng 與 redis。
在 settings.yml 中啟用 JSON 格式輸出，這對 MCP 讀取資料非常重要。
防擋機制： 在設定檔中加入多個代理伺服器（Upstream Proxies），或利用 limiter 功能模擬真人搜尋行為。

串接 MCP 伺服器

當你的 SearXNG 運作後，你需要一個 MCP 伺服器來翻譯 LLM 的請求。你可以使用社群維護的 searxng-mcp-server，或是簡單用 Python/Node.js 自己寫一個。

環境變數： 設定 SEARXNG_URL=http://your-vps-ip:8080。
溝通協議： MCP 會將 LLM 的 search 指令轉化為 http://your-vps-ip:8080/search?q=query&format=json。

避免被 Google 阻擋的技巧

如果你直接從單一 VPS IP 大量爬取 Google，很快就會遇到驗證碼。

多後端輪替： SearXNG 可以同時開啟 Bing、DuckDuckGo、Brave 與 Wikipedia。當 Google 暫時失效時，其他來源依然能提供準確結果。
使用容器化的住宅代理： 如果預算允許，可以讓 SearXNG 的出口流量經過如 Bright Data 或 Proxyrack 的住宅 IP 池。
延遲請求： 在 MCP 層級加入少許隨機延遲（1-3秒），避免瞬間併發請求過高。

總結來說，追求完全自主控制與多來源整合，請選 SearXNG；追求開發效率與穩定性，請選 Brave Search API 搭配簡單的 MCP 封裝。

Max的程式語言筆記