argo

如果你写过 Agent，多半会遇到这种尴尬：模型自带搜索拼出一大段文字，AI 搜索给你一个漂亮的总结页，可你的 Agent 要的是能排序、能复核、不撑爆上下文的证据。Argo 把搜索当成一条证据管线来处理——语言检测、领域路由、多引擎召回、RRF 融合、证据快评，交付物不是链接清单，而是带可信度分解的精简 JSON，让 Agent 可以直接排序、可以 fetch 复核、可以从容塞进上下文。

Argo 的核心是「问啥像啥」：150+ 搜索源、70+ 业务域，问行情直接给快照，问电影直接到 IMDb，问化学式直接进 PubChem，问美国 CPI 自动分流到宏观数据源；日韩查询不会被中文引擎污染。它不满足于搜到，还帮你核——证据评分、fetch_required 高后果门控、--verify 一键回填核实后证据分。深度研究模式把笼统问题拆成子问题、多源并行采集，最后告诉你还差什么证据。双层缓存让热查询约 10ms 返回，不重复花冤枉钱；12 个 MCP 工具覆盖搜索、抓取、截图、PDF、社交舆情、本地文件搜索，甚至可复算执行器。

这个插件适合谁？所有在跑 Agent、又受够了「搜索质量看运气、上下文被长文本撑爆」的开发者。无论你用 Claude Code、Cursor、Cline 还是自己的 Python 项目，Argo 都能以 MCP 或库的方式接入。零配置就能跑——免费引擎优先，API Key 全可选，预算模式四档可调，日常快点、研究再放开。它不替代你的工具链，只把「搜索结果应该长什么样」这件事重新做对，让 Agent 的每一次检索都更接近证据，而不是噪音。