Baidu Search

baidu-search

百度搜索 + 网页正文提取，两个命令按需选用：

• search：按关键词联网检索，返回标题/链接/摘要/时间。用户要"搜索""查一下""找文章"时使用。
• extract：抓取指定网页并提取正文，返回标题/正文/日期/作者。用户要"读一下这篇文章""看看这个链接"时使用。search 返回的 url 可直接传给 extract。

调用

通过 run_skill_script 执行 baidu_search_cli.py。

search

使用 search 联网搜索发现关键词相关的网页

{
  "skill_name": "baidu-search",
  "script_name": "baidu_search_cli.py",
  "script_args": ["search", "关键词", "--num", "30"]
}

search 返回结果中的 results 的 url 就是需要调用 extract 提取url正文。如果某个result对你有用，你必须使用它的 url 来调用 extract。禁止完全只通过 search 的摘要就回答用户问题。

extract

使用extract提取指定url网页的正文内容

{
  "skill_name": "baidu-search",
  "script_name": "baidu_search_cli.py",
  "script_args": ["extract", "https://example.com/article"]
}

！！注意： 很多网站直接extract的http请求主url拿不到正文，例如有的是js动态渲染页面， 如果你当前有playwright的mcp工具，你使用浏览器来打开url， 禁止每次使用完后你主动关闭浏览器，你不需要关闭浏览器。

返回格式

stdout 输出 JSON，退出码 0 表示成功。

search 返回 results 数组，每条含 title/url/abstract/date/site/is_advertisement。url 是百度跳转链接（302 到目标页），需要真实 URL 或正文时对它调 extract。site 是来源站点（自然结果多数是真实域名如 www.langchain.com，少数是站点备案名如"腾讯云计算"；广告结果是广告主公司名）。is_advertisement=true 表示广告，应跳过。先读 abstract 和 site 判断相关性，只对确认需要的非广告链接调 extract。

extract 返回 title/content/date/author/sitename/length/truncated。truncated=true 表示正文已截断，需要更多内容时调大 --max-chars 重试。

出错应对

search 一次返回多条结果（默认 30 条），每条都带 abstract/url/site。先读 abstract 判断相关性，只对真正需要的那几条调 extract。 某一条 extract 失败很正常，不要死磕单条 url —— 先看 site 是否匹配 references/ 里的站点策略（如知乎），命中就 read_skill_resource 加载对应文档按其步骤抓；没命中就换 search 结果里下一条相关 url 继续。只有所有相关链接都失败时，才向用户说明并退回用 abstract 摘要回答。

需要区分的错误类型：

• HTTP 4xx/5xx（如"HTTP 403 访问失败: https://真实url"）：404/410 说明页面已失效，直接换下一条；403 如果这条 url 确实关键，可换 --client requests 重试一次，否则也换下一条。
• 提取失败（"提取失败: https://真实url（页面无正文）"）：页面是 JS 动态渲染或强反爬站，换下一条相关 url。
• 知乎等强反爬站：site 命中知乎时不要 extract（100% 返回 403），直接 read_skill_resource 读 zhihu-browser-access.md，按其中的 playwright 步骤抓。
• 反爬拦截（stderr 含"百度安全验证"）：这是全局拦截，换 url 也没用 —— 立即停止所有搜索/抓取，告知用户"搜索频率过高，稍后再试"。连续调用间隔 5 秒以上可预防。
• 依赖缺失（ImportError）：告知用户安装对应包（requests/beautifulsoup4/trafilatura/curl_cffi）。

其他注意：

• date 字段百度不保证提供，缺失时如实说明，不编造发布时间。
• 广告结果已用 is_advertisement=true 标记（url 含 baidu.php?url=），优先采用 is_advertisement=false 的非广告来源。

关于 references 文件夹

把特定反扒或者http请求拿不到内容的网站的url，用户需要把相关提示词写到 references 文件夹下的对应文件中。 因为有些网站反扒，有些网站是需要ajax请求具体的接口拿到正文内容，所以很多网站直接 http协议去请求主url拿不到真正的详细正文内容。