CoexistAI MCP
Локальный MCP-сервер для исследований: поиск по вебу, Reddit и YouTube, карты и разбор кода для модели в LM Studio или Cursor
- 530 ★ репозитория
- Последний коммит
Расширенный доступ
Почему такой уровень
- Читает локальные папки и файлы по указанным путям, а их содержимое уходит выбранной языковой модели, в облачном режиме провайдеру
- Ходит в интернет: скачивает веб-страницы и ищет через контейнер SearXNG
- Скрипт установки поднимает контейнер поиска и ставит зависимости Python
Установка
- Работает в
Ручная установка
git clone https://github.com/SPThole/CoexistAI.git coexistai
cd coexistai
bash quick_setup.shПеред запуском настройте config/model_config.json. Нужен запущенный Docker. На macOS с zsh запускайте zsh quick_setup.sh.
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Читает локальные папки и файлы по указанным путям, а их содержимое уходит выбранной языковой модели, в облачном режиме провайдеру
- Ходит в интернет: скачивает веб-страницы и ищет через контейнер SearXNG
- Скрипт установки поднимает контейнер поиска и ставит зависимости Python
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
CoexistAI запускается на вашей машине как сервер FastAPI и одновременно открывает MCP-сервер. Он собирает несколько источников в один набор инструментов. Веб-поиск пересказывает найденные страницы, поиск по Reddit ранжирует обсуждения алгоритмом BM25, а видео YouTube инструмент расшифровывает и пересказывает по ссылке или поисковой фразе. Карты строят маршруты и показывают точки интереса рядом. Отдельные инструменты работают с кодом и файлами. Репозиторий GitHub или локальную папку с git можно просмотреть деревом и задать по нему вопрос. Локальные папки и файлы читаются вместе с изображениями, а в веб-поиске по документам поддерживаются PDF. Два дополнительных режима превращают текст в речь и в подкаст. Модель выбираете вы: Google Gemini, OpenAI, локальную через Ollama или LM Studio либо любого провайдера с совместимым API. Эмбеддинги можно взять локальные. Поиск в интернете идет через контейнер SearXNG, который поднимает скрипт установки. Те же функции доступны через HTTP-запросы со Swagger-страницей и как библиотека для Python.
Для кого. Тем, кто хочет дать локальной модели в LM Studio или Cursor набор исследовательских инструментов и держать сервис на своей машине.
Подходит, если
- Локальной модели в LM Studio нужен веб-поиск, который сам делает подзапросы, ранжирует результаты и пересказывает страницы
- Требуется изучить обсуждения на Reddit по фразе или в отдельном сабреддите и получить сводку
- Нужно коротко пересказать видео YouTube или найти нужные ролики по теме и расспросить их содержимое
- Хочется задавать вопросы по чужому репозиторию GitHub или по локальной папке с кодом, не клонируя его вручную
- Планируете поездку и хотите получить карту маршрута с отелями или кафе рядом
Не подходит, если
- Нужен готовый облачный сервис без установки: CoexistAI разворачивается на вашей машине
- Нужен единственный легковесный инструмент поиска: CoexistAI тянет за собой Docker, контейнер SearXNG и Python-окружение
- Нужна работа через официальный API Reddit: проект берет данные с открытых JSON-адресов Reddit
- Нужен агент, который сам напишет итоговый отчет: CoexistAI дает модели инструменты, а выводы делает она
Пример запроса к агенту
Найди на Reddit обсуждения Gemma 3N за последний месяц, пересчитай главные претензии пользователей и добавь ссылки на самые подробные веткиMCP
- Транспорт
- http
- Авторизация
- не нужна
Переменные окружения
GOOGLE_API_KEYсекрет- Ключ Google Gemini. Нужен только в режиме google, для других провайдеров ключ задается в config/model_config.json.
Ограничения
- Лицензия нестандартная: только некоммерческие исследования, прототипы и обучение, коммерческое и промышленное использование запрещено.
- Нужны Docker с запущенным демоном, Python 3 и pip. Для Windows автор советует WSL или Git Bash.
- Режимы с облачными моделями используют API провайдера, по умолчанию Google Gemini. API OpenAI из России недоступны. Локальные модели через LM Studio или Ollama от внешних ключей не зависят.
- Для MCP автор советует модель, которая быстро и аккуратно выдает структурированный ответ. Слабые локальные модели работают хуже.
- Данные Reddit проект берет с открытых адресов, и за соблюдение правил сайтов отвечает пользователь.
Как отключить. Уберите запись coexistai из mcp.json в LM Studio или другом клиенте. Затем остановите сервер FastAPI и контейнер SearXNG, а папку проекта и виртуальное окружение удалите вручную.
Частые вопросы
Как подключить CoexistAI к LM Studio?
Запустите сервер скриптом quick_setup.sh, затем откройте в LM Studio (версии 0.3.17 и новее) пункт Install, Edit mcp.json и добавьте сервер coexistai с адресом http://127.0.0.1:8000/mcp. Автор советует также вставить содержимое system_prompt.py в системный промпт.
Можно ли использовать CoexistAI с локальными моделями без облачных ключей?
Да. В config/model_config.json указывается тип local с адресом вашего сервера, например LM Studio по адресу http://localhost:1234/v1, а эмбеддинги берутся локальные через infinity_emb. Для LM Studio автор советует модели Qwen3-8B-GGUF и gemma-3-12b.
Какие инструменты дает CoexistAI?
Веб-поиск и пересказ страницы, поиск по YouTube и расшифровка видео, поиск по Reddit, карты и маршруты, дерево и вопросы по репозиторию GitHub или локальному git, изучение локальных файлов с картинками, превращение текста в речь и подкаст.
Можно ли использовать CoexistAI в коммерческом проекте?
Нет. Лицензия разрешает только некоммерческие исследования, прототипы и обучение, коммерческое и промышленное использование проекта и его результатов запрещено.
Где посмотреть доступные запросы без MCP?
После запуска сервера откройте Swagger по адресу http://127.0.0.1:8000/docs. Там описаны, например, POST /web-search и POST /web-summarize.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыMCP-сервер ищет в Google и Scholar, читает страницы и PDF и копит найденное в локальном графе знаний проекта
MCP-сервер объединенного поиска: один интерфейс к Tavily, Brave, Kagi, Exa, Linkup, Firecrawl и поиску по GitHub
MCP-сервер поиска Яндекса и Google
web-compass
MCP-сервер веб-поиска и извлечения контента через Яндекс и Google на базе SerpAPI, с прицелом на результаты для России и СНГ
MCP-сервер веб-поиска, который сразу отдает агенту текст найденных страниц: ответы Stack Overflow, обсуждения GitHub, статьи arXiv
MCP-сервер метапоиска: агент ищет текст, картинки, новости, видео и книги сразу по многим поисковикам и извлекает содержимое страниц
Официальный MCP-сервер Oxylabs: скрейпинг страниц с рендерингом JS, выдача Google и Amazon, AI-краулер
Сравнение с похожими
Записи с тем же главным запросом: чем они отличаются.
| Запись | Официальный | Авторизация | Звезды репозитория | Главное отличие |
|---|---|---|---|---|
| CoexistAI (эта запись) | нет | не нужна | 530 | |
| GPT Researcher | нет | 30 357 | автономный агент, который пишет итоговый отчет по вопросу, тогда как CoexistAI отдает модели набор инструментов | |
| SearXNG MCP Server | нет | не нужна | 1 338 | только веб-поиск через SearXNG, без Reddit, YouTube, карт и репозиториев |
| Wikipedia MCP Server | нет | не нужна | 303 | MCP-сервер Википедии |
Из блога
Коротко о README
README начинается со списка новинок и возможностей, затем описывает установку через Docker и локально. Основная часть отдана примерам запросов к каждому из семи эндпоинтов и работе из Python, а в конце сказано об ответственности пользователя за правила источников.