RivalSearchMCP

Servidor MCP avançado para pesquisa web abrangente, descoberta de conteúdo e análise de tendências. Possui busca em múltiplos mecanismos, extração inteligente de conteúdo, navegação em sites e streaming de dados em tempo real.

GitHub

131

Experimente este MCPPatrocinado

Documentação

RivalSearchMCP

Servidor MCP de pesquisa determinística — web + redes sociais + acadêmico + notícias + código + documentação, tudo em um só lugar. Sem chaves de API, sem LLM no servidor, saídas estruturadas para encadeamento de agentes.

🆓 100% Gratuito e Open Source — Sem chaves de API ou assinaturas para as ferramentas principais. O servidor hospedado inclui limite de uso justo.

O Que Ele Faz

O RivalSearchMCP é um servidor FastMCP 3.x que expõe 9 ferramentas especializadas que pesquisam, buscam, pontuam e comparam informações em:

5 mecanismos de busca web (DuckDuckGo, Bing, Yahoo, Mojeek, Wikipedia) — concorrentes, com deduplicação e buscas seguras contra impressão digital TLS via Scrapling
9 plataformas sociais (Reddit, Hacker News, Stack Overflow, Dev.to, Medium, Product Hunt, Bluesky, Lobste.rs, Lemmy) — sem autenticação
5 fontes de notícias (Google News, Bing News, The Guardian, GDELT, DuckDuckGo News) — com filtro por intervalo de tempo
5 bases acadêmicas (OpenAlex, CrossRef, arXiv, PubMed, Europe PMC) + 4 hubs de datasets (Kaggle, HuggingFace, Dataverse, Zenodo)
Repositórios GitHub com limite de taxa integrado
Documentos (PDF, Word, texto, imagens) com OCR para imagens
Navegação em sites com modos de pesquisa, documentação e mapeamento

Nenhum LLM roda dentro do servidor. Cada ferramenta retorna saída determinística e auditável — o modelo do chamador faz a síntese. Ferramentas que se beneficiam de saída estruturada (content_operations score, find_conflicts) retornam ToolResult com tanto uma renderização markdown legível por humanos quanto um dicionário structuredContent analisável, para que agentes possam encadear saídas de ferramentas sem precisar de regex em texto.

✅ Por Que É Útil

Uma conexão, nove ferramentas — sem necessidade de configurar servidores MCP separados por fonte
Pontuação automática de qualidade — cada resultado carrega uma pontuação de nível/frescura/confirmação/citação (0-100) e cada resposta com múltiplos resultados carrega um sinal de confiança agregado
Detecção de conflitos — content_operations find_conflicts revela divergências numéricas, de data e de polaridade entre fontes como um sinal de primeira classe, em vez de simplesmente fazer uma média
Perfis de entidades — research_topic(mode="entity") distribui para 8 fontes em paralelo e retorna um relatório unificado com confiança
Higiene de produção — timeouts por ferramenta, limite de taxa (100 req/min/sessão), limites de tamanho de resposta, mascaramento de erros, observabilidade em nível de middleware

💡 Exemplo de Consulta

Depois de conectar, tente perguntar ao seu assistente de IA:

"Use o RivalSearchMCP para pesquisar FastAPI vs Django. Execute research_topic em ambos, agregue notícias recentes, verifique discussões no Reddit e Hacker News, pesquise atividade no GitHub, procure artigos acadêmicos, pontue as principais fontes e sinalize quaisquer conflitos entre elas."

📦 Como Começar

O RivalSearchMCP roda como um servidor MCP remoto hospedado no FastMCP. Basta seguir os passos abaixo para instalar e pronto.

Conectar ao Servidor ao Vivo

Ou adicione esta configuração manualmente:

Para Cursor:

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

Para Claude Desktop:

Vá em Configurações → Adicionar Servidor Remoto
Digite a URL: https://RivalSearchMCP.fastmcp.app/mcp

Para VS Code:

Adicione o JSON acima ao seu arquivo .vscode/mcp.json

Para Claude Code:

Use o gerenciamento MCP integrado: claude mcp add RivalSearchMCP --url https://RivalSearchMCP.fastmcp.app/mcp

Instalação Local com a CLI do FastMCP

Pré-requisitos:

# 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: Instalação com um Comando (Mais 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: Execução Rápida (Sem Instalação)

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: Desenvolvimento com Inspector

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

Método 4: Configuração Manual com 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"
    ]
  }
}

🛠 Ferramentas Disponíveis (9 no Total)

Cada ferramenta carrega ToolAnnotations (readOnlyHint, openWorldHint, destructiveHint, idempotentHint) para que clientes MCP como Claude e ChatGPT possam pular prompts de confirmação quando seguro. Cada ferramenta tem um teto de timeout= para que uma fonte travada não trave o cliente.

Pesquisa e Descoberta (5 ferramentas)

web_search — pesquisa multi-mecanismo concorrente em DuckDuckGo, Bing, Yahoo, Mojeek e Wikipedia. Impressão digital TLS via Scrapling contorna o fronting de Cloudflare/Akamai. Falhas por mecanismo não bloqueiam os outros.
social_search — 9 plataformas: Reddit, Hacker News, Stack Overflow, Dev.to, Medium, Product Hunt, Bluesky, Lobste.rs, Lemmy. Sem autenticação.
news_aggregation — 5 fontes: Google News, Bing News, The Guardian, GDELT, DuckDuckGo News. Aceita time_range (dia/semana/mês/qualquer momento).
github_search — pesquisa de repositórios com limite de taxa integrado (60/h sem autenticação), inclusão opcional de README.
map_website — navega em um site no modo research, docs ou map; retorna pontuações de qualidade por página e um sinal de confiança agregado.

Análise de Conteúdo (3 ferramentas)

content_operations — uma ferramenta, seis operações: retrieve, stream, analyze, extract, score, find_conflicts.
- score avalia URLs em nível / frescura / confirmação / citações (0-100) e retorna tanto markdown quanto JSON estruturado.
- find_conflicts compara 2-10 fontes para divergências numéricas / de data / de polaridade com pesos de confiança.
research_topic — dois modos: topic (pesquisa + busca + principais descobertas ranqueadas por relevância) e entity (perfil unificado entre fontes de uma entidade nomeada, distribuindo para web / notícias / GitHub / redes sociais / acadêmico em paralelo).
document_analysis — extrai texto de PDF, Word, texto simples e imagens. Imagens usam EasyOCR (carregado sob demanda; sem configuração). Limite de 50 MB.

Fluxo de Pesquisa (1 ferramenta)

scientific_research — pesquisa de artigos acadêmicos e datasets. 5 provedores de artigos (OpenAlex, CrossRef, arXiv, PubMed, Europe PMC) e 4 hubs de datasets (Kaggle, HuggingFace, Dataverse, Zenodo).

Plugins

O RivalSearchMCP é distribuído como um plugin instalável tanto para Claude Code quanto para OpenAI Codex. O plugin registra o servidor MCP hospedado em https://RivalSearchMCP.fastmcp.app/mcp, então os usuários não precisam clonar este repositório ou rodar um servidor local.

O repositório GitHub é o marketplace de plugins. Adicione o marketplace uma vez e depois instale um ou ambos os plugins:

rival-search-mcp registra o servidor MCP hospedado e expõe as 9 ferramentas.
rival-search-mcp-skills instala a skill de agente autônoma, a documentação de referência e os utilitários de CLI.

Claude Code

A partir de um 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 do Claude Code, o mesmo fluxo está disponível com comandos de barra:

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

Para instalação em equipe/projeto, use --scope project em vez de --scope user, ou adicione o marketplace a .claude/settings.json:

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

Depois instale um ou ambos os plugins com /plugin install rival-search-mcp@rivalsearchmcp e /plugin install rival-search-mcp-skills@rivalsearchmcp.

Uma vez instalado, o Claude Code expõe as ferramentas MCP como mcp__RivalSearchMCP__*. Exemplos de prompts:

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

Depois de instalado, inicie ou atualize uma sessão do Codex e peça ao Codex para usar o RivalSearchMCP. Exemplos de prompts:

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.

Se você já adicionou o marketplace e quer os metadados mais recentes do plugin:

codex plugin marketplace upgrade

Estrutura do 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 do marketplace em:

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

Pacote do plugin:

plugins/rival-search-mcp/.claude-plugin/plugin.json — manifesto do Claude Code
plugins/rival-search-mcp/.codex-plugin/plugin.json — manifesto do Codex
plugins/rival-search-mcp/.mcp.json — registro do servidor MCP hospedado
plugins/rival-search-mcp-skills/skills/rival-search-mcp/ — pacote de skill de agente autônomo

Skills de Agente

O RivalSearchMCP inclui uma Skill de Agente para Claude Code — uma CLI autônoma que permite que agentes de IA usem todas as 9 ferramentas sem configuração MCP.

Usar como Skill do Claude Code

Copie a skill para o diretório de skills do seu 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/

O Claude descobrirá automaticamente a skill e usará a CLI quando você pedir pesquisa web, análise de concorrentes ou descoberta de conteúdo.

Usar a CLI diretamente

A CLI é autônoma com dependências embutidas — basta executar com 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

Estrutura da skill

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

⚡ Principais Recursos

Pesquisa Multi-Mecanismo: 5 mecanismos de busca (DuckDuckGo, Bing, Yahoo, Mojeek, Wikipedia) com buscas seguras contra impressão digital TLS via Scrapling
Pesquisa Social em 9 Plataformas: Reddit, Hacker News, Stack Overflow, Dev.to, Medium, Product Hunt, Bluesky, Lobste.rs, Lemmy
Agregação de Notícias de 5 Fontes: Google News, Bing News, The Guardian, GDELT, DuckDuckGo News — com filtro por intervalo de tempo
5 Bases Acadêmicas + 4 Hubs de Datasets: OpenAlex, CrossRef, arXiv, PubMed, Europe PMC + Kaggle, HuggingFace, Dataverse, Zenodo
Saída Determinística: nenhum LLM roda dentro do servidor; os modelos dos chamadores fazem a síntese
ToolResult Estruturado: content_operations score e find_conflicts retornam tanto markdown (para humanos) quanto JSON analisável (para encadeamento de agentes)
Pontuação Automática de Qualidade: cada ferramenta com múltiplos resultados anexa qualidade por item (0-100) e um sinal de confiança agregado
Detecção de Conflitos: encontra divergências numéricas/de data/polaridade entre fontes com pesos de confiança
Análise de Documentos: PDF / Word / texto / imagens (imagens via EasyOCR, baixado automaticamente)
Higiene de Produção: timeouts por ferramenta, limite de taxa com janela deslizante, limites de tamanho de resposta, mascaramento de erros, pilha de middleware FastMCP 3.x
Zero Autenticação: todas as ferramentas funcionam sem chaves de API ou configuração.

💬 FAQ

O RivalSearchMCP é realmente gratuito?

Sim. O RivalSearchMCP é gratuito e open source sob a Licença MIT. As ferramentas principais não exigem APIs pagas ou assinaturas. O servidor hospedado aplica limite de uso justo; você pode auto-hospedar se precisar de limites diferentes.

Preciso de chaves de API?

Não. O RivalSearchMCP funciona completamente sem chaves de API, autenticação ou configuração. Basta adicionar a URL e usar todas as 9 ferramentas imediatamente.

Quais clientes MCP são suportados?

O RivalSearchMCP funciona com qualquer cliente compatível com MCP, incluindo Claude Desktop, Cursor, VS Code e Claude Code.

Posso auto-hospedar isso?

Sim. Clone o repositório, execute uv sync --extra dev, depois fastmcp run (stdio) ou fastmcp run --transport http --host 0.0.0.0 --port 8000 (HTTP). Instruções completas estão na seção Como Começar acima.

Por que não há LLM / agente de pesquisa dentro do servidor?

Propositalmente. O servidor retorna saída determinística e auditável para que o modelo do chamador possa raciocinar sobre ela — uma máquina consistente não pode alucinar da mesma forma que uma que sintetiza. Se você quiser um loop de agente autônomo, execute-o no seu cliente.

🤝 Contribuindo

Contribuições são bem-vindas! Seja corrigindo bugs, adicionando novas ferramentas de pesquisa ou melhorando a documentação, sua ajuda é apreciada.

Faça um Fork do Projeto
Crie sua Branch de Recurso (git checkout -b feature/AmazingFeature)
Faça Commit das suas Alterações (git commit -m 'Add some AmazingFeature')
Envie para a Branch (git push origin feature/AmazingFeature)
Abra um Pull Request

💡 Problemas, Feedback e Suporte

Encontrou um bug, tem uma solicitação de recurso ou quer compartilhar como você está usando o RivalSearchMCP? Adoraríamos ouvir de você!

Reporte um bug — Ajude-nos a melhorar reportando problemas
Solicite um recurso — Sugira novas capacidades que você acharia úteis
Compartilhe seu caso de uso — Conte-nos como você está usando o RivalSearchMCP

👉 Abra uma Issue

Atribuição e Licença

Este é um projeto open source sob a Licença MIT. Se você usar o RivalSearchMCP, por favor, dê crédito linkando de volta para RivalSearchMCP. Veja o arquivo LICENSE para detalhes.

⭐ Gostou deste projeto? Dê uma estrela!

Se você acha o RivalSearchMCP útil, considere dar uma estrela. Isso ajuda outras pessoas a descobrirem o projeto e motiva o desenvolvimento contínuo!