llm-search
Middleware FastAPI que conecta LLMs locales (LM Studio/Ollama) con SearXNG auto-alojado para búsqueda web sin API keys ni límites. Soporta Claude Code, Desktop MCP y VS Code Copilot Chat.
Ficha actualizada 24 sept 2026, 2:19 · upstream 24 sept 2026, 2:09 · release v0.3.3
Qué es llm-search
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Este repositorio implementa un middleware en Python/FastAPI que habilita capacidades de búsqueda web para modelos locales de LLM. El sistema integra SearXNG como motor de metabúsqueda auto-alojado, eliminando la dependencia de servicios externos y evitando límites de tasa o requisitos de autenticación.
La arquitectura permite a los clientes (LM Studio, Ollama, Claude Code) acceder a herramientas web_search y fetch_page mediante inyección automática. El middleware intercepta llamadas de búsqueda, las enruta anónimamente a proveedores como Google/Bing/DuckDuckGo, y devuelve resultados estructurados al modelo local para generar respuestas contextualizadas.
Incluye una interfaz web PWA completa con streaming SSE, soporte para imágenes/archivos, panel de métricas en tiempo real y modo oscuro. La solución soporta despliegue Docker one-click o instalación nativa vía pip, con configuración flexible para entornos locales o distribuidos.
- Habilitar búsqueda web en tiempo real para LLMs locales sin exponer datos a APIs comerciales
- Integración nativa con Claude Code y Claude Desktop mediante MCP server
- Proveedor personalizado para VS Code Copilot Chat (BYOK) sin cambiar el modelo base
- Middleware interoperable para LM Studio y Ollama con soporte de múltiples backends
- Sin claves API ni límites de tasa gracias a SearXNG auto-alojado
- Auto-inyección de herramientas web_search y fetch_page en el contexto del LLM
- Interfaz web PWA con streaming, análisis de rendimiento y soporte multiplataforma
- Soporte nativo para Claude Code (Anthropic Messages API) sin traducción de formato
- Configuración flexible para entornos locales o distribuidos (cross-machine setup)
- Requiere Docker Desktop para despliegue rápido o instalación manual de dependencias
- Dependencia de modelos con soporte tool-calling (Claude/Gemma recomendados)
- Configuración manual necesaria para entornos cross-machine (IPs, puertos)
- Rendimiento limitado por ancho de banda de red en arquitecturas distribuidas
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para despliegue rápido: docker compose up -d. Configurar LM_STUDIO_URL según backend (localhost:1234/v1 o IP externa). Para producción, considerar persistencia de datos en SearXNG y seguridad de red. El middleware proxye correctamente /v1/models para descubrimiento automático. Soporta despliegue nativo vía pip con SEARXNG_URL externo.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.