wet-mcp
★ 19
vs
gigaxity-deep-research
★ 62
wet-mcp vs gigaxity-deep-research
wet-mcp：WET——Web扩展工具包MCP服务器，为AI代理提供全面的网络搜索、内容提取和库文档检索功能。它采用五种策略的爬取链、集成的元搜索以及零配置的本地嵌入和重排序模型，无需API密钥即可运行。；gigaxity-deep-research：Gigaxity Deep Research 是一个开源的多源合成管道，为大型语言模型深度研究提供六种MCP工具。它集成了并行网络搜索、RRF融合、矛盾检测和引用绑定，以提供强大且有证据支持的答案。
01
简评
wet-mcpRAG / Knowledge Base · ★ 19
AI代理研究：使AI代理能够进行全面的网络研究和学术文献审查，为复杂任务收集信息。
gigaxity-deep-researchRAG / Knowledge Base · ★ 62
为Claude Code等AI智能体提供外部的、有引用支持的深度研究能力，以避免幻觉。
02
并排对比
字段
wet-mcpgigaxity-deep-research分类
RAG / 知识库
RAG / 知识库
Stars
★ 19
★ 62
许可证
Apache-2.0
MIT
安装方式
docker run -d --name wet-mcp-http -p 8084:8080 -v wet-data:/data -e MCP_TRANSPORT=http -e PUBLIC_URL=https://wet.example.com n24q02m/wet-mcp:latest
git clone https://github.com/yoloshii/gigaxity-deep-research.git && cd gigaxity-deep-research && python -m venv .venv && source .venv/bin/activate && pip install -e .
更新时间
2天前
3周前
开源
是
是
标签
网络搜索, 内容提取, AI代理工具
检索增强生成, 多智能体, 网络搜索
03
功能特性
wet-mcp01网络搜索：嵌入式SearXNG元搜索引擎（集成Google、Bing、DuckDuckGo、Brave），支持查询扩展、TTL缓存和标准化引用格式，可选云端搜索后端。
02内容提取：通过五策略升级链提取URL内容，提供智能分块结构化输出（纯文本、Markdown、JSON-LD、代码块、元数据），支持批量处理、深度抓取和本地文件转换。
03库文档：自动发现和索引文档，通过FTS5混合搜索、HyDE增强检索和版本特定文档为AI代理提供服务。
04零配置：内置本地Qwen3嵌入和重排序功能，无需API密钥。可根据任务选择可选的云提供商以获得更高质量的结果。
gigaxity-deep-research01通过多源并行搜索和RRF融合，实现全面的结果聚合。
02通过MCP和FastAPI REST API暴露六种独立的深度研究工具：搜索、研究、提问、发现、合成、推理。
03高级合成功能，包括CRAG风格的质量门控、PaperQA2风格的矛盾检测和VeriCite风格的引用绑定。
04自适应查询路由、HyDE风格的查询扩展和复杂查询的多方面分解。
05支持多种焦点模式（如通用、学术、调试）和SciRAG风格的基于大纲的合成。
04
使用场景
wet-mcp↳AI代理研究：使AI代理能够进行全面的网络研究和学术文献审查，为复杂任务收集信息。
↳结构化数据提取：自动从网页中提取结构化和非结构化数据，包括纯文本、Markdown、JSON-LD和代码块，供代理进一步处理。
↳开发文档访问：为AI代理提供版本感知和主题相关的软件库文档访问，用于代码生成、调试或学习。
↳离线内容处理：将本地文件（PDF、DOCX、HTML等）转换为Markdown格式供AI代理使用，从而实现本地知识库的分析。
gigaxity-deep-research↳为Claude Code等AI智能体提供外部的、有引用支持的深度研究能力，以避免幻觉。
↳自动化在不同领域进行全面的多源知识合成，以回答事实性问题。
↳利用灵活的FastAPI REST API或MCP服务器构建自定义的RAG驱动的LLM应用程序以进行集成。
↳支持多租户LLM服务，通过独立的API密钥进行研究成本结算，例如通过OpenRouter。
FAQ
常见问题
wet-mcp 和 gigaxity-deep-research 有什么区别？
wet-mcp 和 gigaxity-deep-research 都属于 RAG / Knowledge Base 类别。wet-mcp 有 19 Stars，gigaxity-deep-research 有 62 Stars。
wet-mcp 和 gigaxity-deep-research 哪个更好？
最佳选择取决于你的具体需求。AI代理研究：使AI代理能够进行全面的网络研究和学术文献审查，为复杂任务收集信息。 时选 wet-mcp，为Claude Code等AI智能体提供外部的、有引用支持的深度研究能力，以避免幻觉。 时选 gigaxity-deep-research。
wet-mcp 是免费的吗？
是的，wet-mcp 在 GitHub 开源（Apache-2.0）。
gigaxity-deep-research 是免费的吗？
是的，gigaxity-deep-research 在 GitHub 开源（MIT）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→