SearXNG no lugar da busca paga do Claude Code: como desenvolvedores contornam os limites da Anthropic

Desenvolvedores que usam intensamente o Claude Code, o assistente de IA de terminal da Anthropic, esbarraram numa realidade desagradável: a função de busca na web integrada não só é paga, como também é pouco confiável. Um centavo por consulta parece inofensivo até você perceber que, no trabalho ativo com uma base de código, centenas de buscas por dia são a regra, não a exceção. Dez dólares por mil consultas e erros frequentes de "Rate limit reached" mesmo na assinatura Max de US$ 200 por mês. Por isso, a comunidade começou a procurar alternativas, e encontrou.

No Habr surgiu um guia detalhado que mostra uma solução elegante: subir uma instância local do SearXNG, um metabuscador de código aberto, e conectá-la ao Claude Code pelo protocolo MCP. Todo o procedimento cabe em dez minutos e três arquivos de configuração. O resultado: a busca funciona de graça, sem nenhum limite, e as consultas não saem da máquina local do desenvolvedor.

Para entender por que a solução ganhou repercussão, vale olhar o contexto. O SearXNG é um fork do SearX, um metabuscador que agrega resultados de dezenas de fontes: Google, Bing, DuckDuckGo, Wikipedia e outras. Ele não armazena dados dos usuários, não exibe anúncios e é totalmente controlado por quem o instala. O projeto existe há bastante tempo e tem popularidade estável entre quem valoriza a privacidade. Mas foi a chegada do MCP, o Model Context Protocol apresentado pela Anthropic no fim de 2024, que transformou o SearXNG de ferramenta de nicho em substituto completo de um componente comercial.

O MCP foi concebido como um padrão universal para conectar ferramentas externas a modelos de linguagem. A ideia é simples: em vez de embutir cada função diretamente no assistente de IA, cria-se uma interface padronizada pela qual o modelo pode acessar serviços arbitrários. Sistema de arquivos, banco de dados, APIs de terceiros: tudo se conecta da mesma forma. A Anthropic promoveu o MCP como um jeito de ampliar as capacidades do Claude, mas, como costuma acontecer com padrões abertos, a comunidade encontrou outro uso: trocar funções integradas pagas por alternativas gratuitas.

Tecnicamente, a integração funciona assim. O desenvolvedor executa o SearXNG localmente, na maioria das vezes em um contêiner Docker. Depois configura um servidor MCP que recebe as consultas do Claude Code e as traduz em chamadas à API do SearXNG. Ao detectar uma ferramenta MCP de busca disponível, o Claude Code passa a usá-la no lugar do WebSearch integrado. Não é preciso modificar o Claude Code: a arquitetura do MCP prevê justamente esse cenário de conexão de ferramentas externas.

Aqui aparece uma dinâmica curiosa, típica de toda a indústria de ferramentas de IA. As empresas constroem ecossistemas em que cada componente é monetizado separadamente: assinatura do modelo, cobrança pela busca, tokens pelo contexto. Mas os protocolos e padrões abertos que essas mesmas empresas promovem para atrair desenvolvedores também dão aos usuários meios de substituir os componentes pagos. A Anthropic criou o MCP para tornar o Claude mais flexível e atraente. O efeito colateral é que os usuários podem tirar da cadeia justamente o elemento que gera receita extra para a empresa.

Ainda assim, seria simplificar ver nisso apenas uma história de economia. A privacidade das consultas é um argumento que, para muitos desenvolvedores, pesa tanto quanto o custo. Quando um assistente de IA busca informações sobre a arquitetura interna de um projeto, nomes de serviços ou bugs específicos, essas consultas podem conter dados sensíveis. Um SearXNG local garante que elas não chegarão aos servidores da Anthropic nem serão repassadas a provedores de busca vinculadas a um usuário específico.

Esse caso é indicativo de uma tendência mais ampla. À medida que as ferramentas de IA para desenvolvedores ficam mais complexas e caras, forma-se ao redor delas um ecossistema de alternativas abertas para componentes individuais. Servidores MCP de busca, modelos locais para tarefas simples, pipelines RAG próprios no lugar dos de nuvem: tudo isso faz parte do mesmo quadro. Os desenvolvedores montam seus próprios stacks de IA como peças de montar, escolhendo para cada camada o melhor equilíbrio entre preço, qualidade e controle. E empresas como a Anthropic terão de levar essa realidade em conta ao definir seus modelos de preço, porque uma comunidade que recebe um protocolo aberto inevitavelmente encontrará um jeito de usá-lo em seu próprio interesse.