过去半年我几乎所有的 side project 都跟 AI agent 有关——Cursor 里写代码、Claude Desktop 里读文档、自己搭的 OpenAI Agents 跑日常研究。

每个 agent 都有一个共同需求：能查 Google。

老办法是写 function calling 胶水代码。每个框架不一样——OpenAI 是 tools 数组，Anthropic 是 input_schema，LangChain 又是一套 Tool abstraction。一个搜索 tool 我写了三遍，迁移框架时还得再来一遍。

上个月我试了 MCP（Model Context Protocol）。Anthropic 推的一个开放标准，让 agent 能像调用本地工具一样调用外部能力。装上 SerpBase 的 MCP server，10 分钟搞定。

下面是过程。

准备工作

• Node.js 18+（大部分 MCP server 是 JS 实现的）
• 一个能跑 MCP 的客户端：Claude Desktop、Cursor、Zed 都内置了 MCP 支持
• SerpBase 的 MCP server：serpbase-dev/serpbase-mcp
• 一个 SerpBase 的 API Key（注册送 100 次免费额度，不用绑卡）

第一步：克隆并构建

git clone https://github.com/serpbase-dev/serpbase-mcp
cd serpbase-mcp
npm install
npm run build

整个过程 2 分钟。期间去 SerpBase 注册拿 key。

第二步：在 MCP 客户端里配

打开 Claude Desktop 的配置文件：

• macOS：~/Library/Application Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%\Claude\claude_desktop_config.json

加上 SerpBase 的 server 配置（具体字段名以 MCP server 的 README 为准）：

{
  "mcpServers": {
    "serpbase": {
      "command": "node",
      "args": ["/path/to/serpbase-mcp/build/index.js"],
      "env": {
        "SERPBASE_API_KEY": "你的 key"
      }
    }
  }
}

重启 Claude Desktop。如果配对了，agent 可用工具列表里会多出 google_search、google_maps_search 这几个工具。

Cursor 的 MCP 配置在 Cursor Settings → MCP → Add new global MCP server，结构和上面一致。

第三步：直接问

回到对话窗口：

帮我查一下 Next.js 15 最新的 breaking changes，给出主要来源

agent 会自己决定要不要调 google_search，拿到结果后再整合到回答里。我看到的是普通对话，没有胶水代码：

根据 Google 搜索的最新结果（2026 年 1 月）：

• Next.js 15 引入了新的 caching 默认行为...
• 主要来源：nextjs.org/blog, vercel.com/blog

链路上的 request_id、elapsed_ms、credits_charged 这些字段在 MCP 层是透明的，agent 不需要直接处理。

第四步：Cursor 里也能用

Cursor 接上同一个 MCP server 之后，写代码时可以这么说：

在 Stack Overflow 和 GitHub Issues 搜一下 React 19 use() hook 的最佳实践，然后帮我写个示例

Cursor 会先调 google_search 找资料，再写代码。我之前得自己复制粘贴搜索结果给它，现在它自己搜。对小项目来说，这一步省的时间比看起来多。

成本

我的实际用量：

• 每天大概让 agent 查 30-80 次（开发、写文档、debug）
• 一个月 30 天 ≈ 1000-2400 次
• 按 $0.30/1k 单价 = $0.30-$0.72/月

我买的是 $10 的 Starter 包（20,000 次，$0.50/1k，不过期）。对小项目来说，半年都用不完。

几个观察

1. 不是每个请求都会触发搜索：Claude / Cursor 的 agent 通常会自己判断要不要查。如果用户的提问很明确，agent 会跳过搜索直接答。实际用量比"每次都搜"低很多。
2. AI Overview 字段我也喂给 agent 了：之前我对这个字段有保留（怕循环引用），实测下来 MCP 层已经把 ai_overview 和 organic 分开了，agent 自己会选最合适的 source。
3. 本地化查询很自然：agent 会根据对话上下文自动判断要查中文还是英文 SERP。我不用每次手动传 hl/gl。
4. 失败的请求不扣费：如果 SerpBase 返回 4xx/5xx，MCP server 会把错误透传给 agent，不扣 credit。这一点对长期跑很关键。

它解决的问题

写 AI agent 的朋友大概都踩过同一个坑：每个框架的 tool calling API 都不一样。换框架等于重写所有 tool。MCP 把这件事标准化了——只要 server 实现了 MCP 协议，Claude、Cursor、Zed、未来的产品都能直接用。

我现在的体感：

• 之前写一个搜索 tool：30 分钟（OpenAI 那一版）+ 30 分钟（Claude 那一版）+ 20 分钟（Vercel AI SDK 那一版）= 80 分钟
• 装 MCP server：10 分钟
• 一次配置，三个框架共享

一点想法

MCP 这个标准 2025 年开始火，到 2026 年基本是新工具的默认选择。如果你正在写 AI agent，相关能力的接入成本已经降到接近零。

搜索这种"看起来可以自己写"的能力，自己写的成本（IP 被 ban、captcha、维护 headless browser）远远超过直接用现成 API。再加上 MCP 的标准化，整个链路一个人能在一天内搞定。

如果你刚开始试，可以先拿免费 100 次额度（注册就送，不用绑卡）跑通整个链路：https://serpbase.dev/register

或者直接 clone serpbase-dev/serpbase-mcp 看 README 自己接。