RivalSearchMCP

Servidor MCP avanzado para investigación web exhaustiva, descubrimiento de contenido y análisis de tendencias. Incluye búsqueda en múltiples motores, extracción inteligente de contenido, navegación de sitios web y transmisión de datos en tiempo real.

GitHub
131
Prueba este MCPPatrocinado

Documentación

RivalSearchMCP

License: MIT MCP Server Python FastMCP LinkedIn

GitHub Stars GitHub Forks GitHub Issues Last Commit Visitor Count

Servidor MCP de investigación determinista — web + social + académico + noticias + código + documentación, todo en un solo lugar. Sin claves API, sin LLM en el servidor, salidas estructuradas para encadenamiento de agentes.

🆓 100% Gratis y de Código Abierto — Sin claves API ni suscripciones para las herramientas principales. El servidor alojado incluye limitación de uso justo.

Qué Hace

RivalSearchMCP es un servidor FastMCP 3.x que expone 9 herramientas especializadas que buscan, obtienen, puntúan y comparan información en:

  • 5 motores de búsqueda web (DuckDuckGo, Bing, Yahoo, Mojeek, Wikipedia) — concurrentes, deduplicados, con obtención segura de huella TLS mediante Scrapling
  • 9 plataformas sociales (Reddit, Hacker News, Stack Overflow, Dev.to, Medium, Product Hunt, Bluesky, Lobste.rs, Lemmy) — sin autenticación
  • 5 fuentes de noticias (Google News, Bing News, The Guardian, GDELT, DuckDuckGo News) — con filtrado por rango de tiempo
  • 5 bases de datos académicas (OpenAlex, CrossRef, arXiv, PubMed, Europe PMC) + 4 centros de datos (Kaggle, HuggingFace, Dataverse, Zenodo)
  • Repositorios de GitHub con limitación de velocidad integrada
  • Documentos (PDF, Word, texto, imágenes) con OCR para imágenes
  • Recorrido de sitios web con modos de investigación, documentación y mapeo

No se ejecuta ningún LLM dentro del servidor. Cada herramienta devuelve una salida determinista y auditable — el modelo del llamador hace la síntesis. Las herramientas que se benefician de salida estructurada (content_operations score, find_conflicts) devuelven ToolResult con tanto una representación Markdown legible por humanos como un dict structuredContent analizable, para que los agentes puedan encadenar salidas de herramientas sin analizar prosa con regex.

✅ Por Qué Es Útil

  • Una conexión, nueve herramientas — sin necesidad de configurar servidores MCP separados por fuente
  • Puntuación automática de calidad — cada resultado lleva una puntuación de nivel/frescura/corroboración/cita (0-100) y cada respuesta con múltiples resultados lleva una señal de confianza agregada
  • Detección de conflictos — content_operations find_conflicts saca a la luz desacuerdos numéricos, de fecha y de polaridad entre fuentes como una señal de primera clase en lugar de promediarlos
  • Perfiles de entidad — research_topic(mode="entity") se expande a 8 fuentes en paralelo y devuelve un informe unificado con confianza
  • Higiene de producción — tiempos de espera por herramienta, limitación de velocidad (100 req/min/sesión), límites de tamaño de respuesta, enmascaramiento de errores, observabilidad a nivel de middleware

💡 Ejemplo de Consulta

Una vez conectado, prueba a preguntar a tu asistente de IA:

"Usa RivalSearchMCP para investigar FastAPI vs Django. Ejecuta research_topic en ambos, agrega noticias recientes, revisa discusiones en Reddit y Hacker News, busca actividad en GitHub, busca artículos académicos, puntúa las mejores fuentes y señala cualquier conflicto entre ellas."

📦 Cómo Empezar

RivalSearchMCP se ejecuta como un servidor MCP remoto alojado en FastMCP. Solo sigue los pasos a continuación para instalarlo y listo.

Conectar al Servidor en Vivo

Install MCP Server

O añade esta configuración manualmente:

Para Cursor:

{
  "mcpServers": {
    "RivalSearchMCP": {
      "url": "https://RivalSearchMCP.fastmcp.app/mcp"
    }
  }
}

Para Claude Desktop:

  • Ve a Configuración → Añadir Servidor Remoto
  • Introduce la URL: https://RivalSearchMCP.fastmcp.app/mcp

Para VS Code:

  • Añade el JSON anterior a tu archivo .vscode/mcp.json

Para Claude Code:

  • Usa la gestión MCP integrada: claude mcp add RivalSearchMCP --url https://RivalSearchMCP.fastmcp.app/mcp

Instalación Local con la CLI de FastMCP

Requisitos previos:

# Install UV (modern Python package manager)
curl -LsSf https://astral.sh/uv/install.sh | sh

# Install FastMCP CLI (optional but recommended)
uv tool install fastmcp

Método 1: Instalación con un solo comando (la más fácil)

# Clone repository
git clone https://github.com/damionrashford/RivalSearchMCP.git
cd RivalSearchMCP

# Install directly to your MCP client:
fastmcp install claude-desktop server.py   # For Claude Desktop
fastmcp install cursor server.py           # For Cursor
fastmcp install claude-code server.py      # For Claude Code

Método 2: Ejecución rápida (sin instalación)

git clone https://github.com/damionrashford/RivalSearchMCP.git
cd RivalSearchMCP

# Run directly with FastMCP CLI
fastmcp run server.py  # Auto-detects entrypoint, uses STDIO

# Or run in HTTP mode for testing
fastmcp run server.py --transport http --port 8000

Método 3: Desarrollo con Inspector

# Run with MCP Inspector for testing
fastmcp dev server.py

Método 4: Configuración manual con UV

git clone https://github.com/damionrashford/RivalSearchMCP.git
cd RivalSearchMCP
uv sync

# Add to Claude Desktop or Cursor config:
{
  "RivalSearchMCP": {
    "command": "uv",
    "args": [
      "--directory",
      "/full/path/to/RivalSearchMCP",
      "run",
      "python",
      "server.py"
    ]
  }
}

🛠 Herramientas Disponibles (9 en Total)

Cada herramienta lleva ToolAnnotations (readOnlyHint, openWorldHint, destructiveHint, idempotentHint) para que clientes MCP como Claude y ChatGPT puedan omitir los avisos de confirmación cuando sea seguro. Cada herramienta tiene un límite de timeout= para que una fuente bloqueada no detenga al cliente.

Búsqueda y Descubrimiento (5 herramientas)

  • web_search — búsqueda concurrente en múltiples motores: DuckDuckGo, Bing, Yahoo, Mojeek y Wikipedia. La huella TLS respaldada por Scrapling evita el fronting de Cloudflare/Akamai. Los fallos por motor no bloquean a los demás.
  • social_search — 9 plataformas: Reddit, Hacker News, Stack Overflow, Dev.to, Medium, Product Hunt, Bluesky, Lobste.rs, Lemmy. Sin autenticación.
  • news_aggregation — 5 fuentes: Google News, Bing News, The Guardian, GDELT, DuckDuckGo News. Acepta time_range (día/semana/mes/cualquier momento).
  • github_search — búsqueda de repositorios con limitación de velocidad integrada (60/h sin autenticar), inclusión opcional de README.
  • map_website — recorre un sitio en modo research, docs o map; devuelve puntuaciones de calidad por página y una señal de confianza agregada.

Análisis de Contenido (3 herramientas)

  • content_operations — una herramienta, seis operaciones: retrieve, stream, analyze, extract, score, find_conflicts.
    • score puntúa URLs según nivel / frescura / corroboración / citas (0-100) y devuelve tanto Markdown como JSON estructurado.
    • find_conflicts compara de 2 a 10 fuentes para detectar desacuerdos numéricos / de fecha / de polaridad con pesos de confianza.
  • research_topic — dos modos: topic (búsqueda + obtención + hallazgos clave ordenados por relevancia) y entity (perfil unificado entre fuentes de una entidad nombrada, expandiéndose en paralelo a web / noticias / GitHub / social / académico).
  • document_analysis — extrae texto de PDF, Word, texto plano e imágenes. Las imágenes usan EasyOCR (carga diferida; sin configuración). Límite de 50 MB.

Flujo de Trabajo de Investigación (1 herramienta)

  • scientific_research — búsqueda de artículos académicos y conjuntos de datos. 5 proveedores de artículos (OpenAlex, CrossRef, arXiv, PubMed, Europe PMC) y 4 centros de datos (Kaggle, HuggingFace, Dataverse, Zenodo).

Plugins

RivalSearchMCP se distribuye como un plugin instalable tanto para Claude Code como para OpenAI Codex. El plugin registra el servidor MCP alojado en https://RivalSearchMCP.fastmcp.app/mcp, por lo que los usuarios no necesitan clonar este repositorio ni ejecutar un servidor local.

El repositorio de GitHub es el mercado de plugins. Añade el mercado una vez y luego instala uno o ambos plugins:

  • rival-search-mcp registra el servidor MCP alojado y expone las 9 herramientas.
  • rival-search-mcp-skills instala la habilidad de agente independiente, la documentación de referencia y las utilidades de CLI.

Claude Code

Desde una terminal:

# 1. Add this repo as a marketplace
claude plugin marketplace add damionrashford/RivalSearchMCP --scope user

# 2. Install the plugin
claude plugin install rival-search-mcp@rivalsearchmcp --scope user

# Optional: install the skill-only plugin
claude plugin install rival-search-mcp-skills@rivalsearchmcp --scope user

Dentro de Claude Code, el mismo flujo está disponible con comandos de barra:

/plugin marketplace add damionrashford/RivalSearchMCP
/plugin install rival-search-mcp@rivalsearchmcp
/plugin install rival-search-mcp-skills@rivalsearchmcp

Para una instalación de equipo/proyecto, usa --scope project en lugar de --scope user, o añade el mercado a .claude/settings.json:

{
  "extraKnownMarketplaces": {
    "rivalsearchmcp": {
      "source": {
        "source": "github",
        "repo": "damionrashford/RivalSearchMCP"
      }
    }
  }
}

Luego instala uno o ambos plugins con /plugin install rival-search-mcp@rivalsearchmcp y /plugin install rival-search-mcp-skills@rivalsearchmcp.

Una vez instalado, Claude Code expone las herramientas MCP como mcp__RivalSearchMCP__*. Ejemplos de indicaciones:

Use RivalSearchMCP to search recent news about open source AI agents.
Use RivalSearchMCP to compare FastAPI and Django across web, GitHub, and academic sources.
Use RivalSearchMCP to retrieve this URL, score the source, and identify conflicting claims.

OpenAI Codex

# 1. Add this repo as a marketplace
codex plugin marketplace add damionrashford/RivalSearchMCP --ref main

# 2. Install the plugin
codex plugin add rival-search-mcp@rival-search-mcp-marketplace

# Optional: install the skill-only plugin
codex plugin add rival-search-mcp-skills@rival-search-mcp-marketplace

Una vez instalado, inicia o actualiza una sesión de Codex y pide a Codex que use RivalSearchMCP. Ejemplos de indicaciones:

Use RivalSearchMCP to run web_search for current MCP server comparisons.
Use RivalSearchMCP to research this company across news, GitHub, and social sources.
Use RivalSearchMCP to find scientific papers about retrieval augmented generation.

Si ya añadiste el mercado y quieres los metadatos más recientes del plugin:

codex plugin marketplace upgrade

Estructura del plugin

plugins/rival-search-mcp/
├── .claude-plugin/
│   └── plugin.json       # Claude Code manifest
├── .codex-plugin/
│   └── plugin.json       # Codex manifest
└── .mcp.json             # Registers https://RivalSearchMCP.fastmcp.app/mcp

plugins/rival-search-mcp-skills/
├── .claude-plugin/
│   └── plugin.json       # Claude Code skill plugin manifest
├── .codex-plugin/
│   └── plugin.json       # Codex skill plugin manifest
└── skills/
    └── rival-search-mcp/ # Agent skill, resources, and CLI helper

Catálogos del mercado en:

  • .claude-plugin/marketplace.json — Claude Code
  • .agents/plugins/marketplace.json — Codex

Paquete del plugin:

  • plugins/rival-search-mcp/.claude-plugin/plugin.json — manifiesto de Claude Code
  • plugins/rival-search-mcp/.codex-plugin/plugin.json — manifiesto de Codex
  • plugins/rival-search-mcp/.mcp.json — registro del servidor MCP alojado
  • plugins/rival-search-mcp-skills/skills/rival-search-mcp/ — paquete de habilidad de agente independiente

Habilidades de Agente

RivalSearchMCP incluye una Habilidad de Agente para Claude Code — una CLI autocontenida que permite a los agentes de IA usar las 9 herramientas sin configuración MCP.

Uso como Habilidad de Claude Code

Copia la habilidad en tu directorio de habilidades de Claude Code:

# Project-level (available when working in this repo)
cp -r skills/rival-search-mcp .claude/skills/

# Global (available in all projects)
cp -r skills/rival-search-mcp ~/.claude/skills/

Claude descubrirá automáticamente la habilidad y usará la CLI cuando pidas investigación web, análisis de competidores o descubrimiento de contenido.

Uso directo de la CLI

La CLI es autocontenida con dependencias integradas — solo ejecútala con uv:

uv run skills/rival-search-mcp/scripts/cli.py call-tool web_search --query "your query"
uv run skills/rival-search-mcp/scripts/cli.py call-tool social_search --query "AI agents" --platforms reddit
uv run skills/rival-search-mcp/scripts/cli.py call-tool news_aggregation --query "tech news" --time-range week
uv run skills/rival-search-mcp/scripts/cli.py list-tools

Estructura de la habilidad

skills/rival-search-mcp/
├── SKILL.md              # Agent instructions (auto-loaded by Claude Code)
├── scripts/
│   └── cli.py            # Standalone CLI with all 9 tools
└── resources/
    ├── search.md         # web_search, social_search, news_aggregation, github_search, map_website
    ├── content.md        # content_operations, document_analysis
    └── research.md       # research_topic, scientific_research

⚡ Características Clave

  • Búsqueda Multi-Motor: 5 motores de búsqueda (DuckDuckGo, Bing, Yahoo, Mojeek, Wikipedia) con obtención segura de huella TLS mediante Scrapling
  • Investigación Social en 9 Plataformas: Reddit, Hacker News, Stack Overflow, Dev.to, Medium, Product Hunt, Bluesky, Lobste.rs, Lemmy
  • Agregación de Noticias de 5 Fuentes: Google News, Bing News, The Guardian, GDELT, DuckDuckGo News — con filtrado por rango de tiempo
  • 5 Bases de Datos Académicas + 4 Centros de Datos: OpenAlex, CrossRef, arXiv, PubMed, Europe PMC + Kaggle, HuggingFace, Dataverse, Zenodo
  • Salida Determinista: no se ejecuta ningún LLM dentro del servidor; los modelos de los llamadores hacen la síntesis
  • ToolResult Estructurado: content_operations score y find_conflicts devuelven tanto Markdown (para humanos) como JSON analizable (para encadenamiento de agentes)
  • Puntuación Automática de Calidad: cada herramienta con múltiples resultados adjunta calidad por elemento (0-100) y una señal de confianza agregada
  • Detección de Conflictos: encuentra desacuerdos numéricos/de fecha/polaridad entre fuentes con pesos de confianza
  • Análisis de Documentos: PDF / Word / texto / imágenes (imágenes mediante EasyOCR, descargado automáticamente)
  • Higiene de Producción: tiempos de espera por herramienta, limitación de velocidad con ventana deslizante, límites de tamaño de respuesta, enmascaramiento de errores, pila de middleware FastMCP 3.x
  • Cero Autenticación: cada herramienta funciona sin claves API ni configuración.

💬 Preguntas Frecuentes

¿Es RivalSearchMCP realmente gratuito?

Sí. RivalSearchMCP es gratuito y de código abierto bajo la Licencia MIT. Las herramientas principales no requieren APIs de pago ni suscripciones. El servidor alojado aplica limitación de uso justo; puedes autoalojarlo si necesitas límites diferentes.

¿Necesito claves API?

No. RivalSearchMCP funciona completamente sin claves API, autenticación ni configuración. Solo añade la URL y usa las 9 herramientas de inmediato.

¿Qué clientes MCP son compatibles?

RivalSearchMCP funciona con cualquier cliente compatible con MCP, incluidos Claude Desktop, Cursor, VS Code y Claude Code.

¿Puedo autoalojar esto?

Sí. Clona el repositorio, ejecuta uv sync --extra dev, luego fastmcp run (stdio) o fastmcp run --transport http --host 0.0.0.0 --port 8000 (HTTP). Las instrucciones completas están en la sección Cómo Empezar de arriba.

¿Por qué no hay un LLM / agente de investigación dentro del servidor?

Deliberadamente. El servidor devuelve una salida determinista y auditable para que el modelo del llamador pueda razonar sobre ella — una máquina consistente no puede alucinar de la misma manera que una que sintetiza. Si quieres un bucle de agente autónomo, ejecútalo en tu cliente.

🤝 Contribuciones

¡Las contribuciones son bienvenidas! Ya sea corrigiendo errores, añadiendo nuevas herramientas de investigación o mejorando la documentación, tu ayuda es apreciada.

  1. Haz un Fork del Proyecto
  2. Crea tu Rama de Característica (git checkout -b feature/AmazingFeature)
  3. Haz Commit de tus Cambios (git commit -m 'Add some AmazingFeature')
  4. Haz Push a la Rama (git push origin feature/AmazingFeature)
  5. Abre un Pull Request

💡 Problemas, Comentarios y Soporte

¿Encontraste un error, tienes una solicitud de característica o quieres compartir cómo usas RivalSearchMCP? ¡Nos encantaría saber de ti!

  • Reporta un error — Ayúdanos a mejorar reportando problemas
  • Solicita una característica — Sugiere nuevas capacidades que te resulten útiles
  • Comparte tu caso de uso — Cuéntanos cómo usas RivalSearchMCP

👉 Abre un Problema

Atribución y Licencia

Este es un proyecto de código abierto bajo la Licencia MIT. Si usas RivalSearchMCP, por favor acredítalo enlazando de vuelta a RivalSearchMCP. Consulta el archivo LICENSE para más detalles.

⭐ ¿Te gusta este proyecto? ¡Dale una estrella!

Si encuentras útil RivalSearchMCP, considera darle una estrella. ¡Ayuda a otros a descubrir el proyecto y motiva el desarrollo continuo! Star this repo