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

Desenvolvedores que usam ativamente Claude Code — o assistente AI terminal da Anthropic — enfrentaram uma realidade desagradável: a função de busca na web integrada não só é paga, como também pouco confiável. Um centavo por consulta soa inofensivo até você perceber que ao trabalhar ativamente com uma base de código, centenas de buscas por dia é a norma, não a exceção. Dez dólares por mil consultas, erros regulares de "Rate limit reached" mesmo na assinatura Max de duzentos dólares por mês — e a comunidade começa a procurar alternativas. E as encontra.

No Habr, um guia detalhado apareceu que demonstra uma solução elegante: executar uma instância local do SearXNG — um mecanismo de metabusca de código aberto — e conectá-lo ao Claude Code através do protocolo MCP. Toda a procedura cabe em dez minutos e três arquivos de configuração. Resultado: a busca funciona gratuitamente, sem limites, e as consultas de busca nunca saem da máquina local do desenvolvedor.

Para entender por que essa solução gerou tanta repercussão, vale a pena entender o contexto. SearXNG é um fork do SearX, um mecanismo de metabusca que agrega resultados de dezenas de fontes: Google, Bing, DuckDuckGo, Wikipedia e outras. Ele não armazena dados do usuário, não mostra anúncios e é totalmente controlado por quem o implantou. O projeto existe há muito tempo e goza de popularidade constante entre aqueles que valorizam privacidade. Mas foi precisamente o surgimento do protocolo MCP — Model Context Protocol, apresentado pela Anthropic no final de 2024 — que transformou o SearXNG de uma ferramenta de nicho em uma substituição completa de um componente comercial.

MCP foi concebido como um padrão universal para conectar ferramentas externas a modelos de linguagem. A ideia é simples: em vez de incorporar cada função diretamente no assistente AI, cria-se uma interface padronizada através da qual o modelo pode acessar serviços arbitrários. Sistema de arquivos, banco de dados, APIs de serviços terceirizados — tudo se conecta uniformemente. Anthropic promoveu o MCP como uma forma de expandir os recursos do Claude, mas, como frequentemente acontece com padrões abertos, a comunidade encontrou outro uso para ele — substituir funções internas pagas por alternativas gratuitas.

Tecnicamente, a integração funciona da seguinte forma. O desenvolvedor executa o SearXNG localmente — na maioria das vezes em um contêiner Docker. Depois configura um servidor MCP que aceita consultas de busca do Claude Code e as traduz para a API do SearXNG. Claude Code, ao descobrir uma ferramenta MCP disponível para busca, começa a usá-la em vez da WebSearch integrada. Nenhuma modificação do próprio Claude Code é necessária — a arquitetura MCP assume precisamente esse cenário de conexão de ferramentas externas.

Aqui vemos uma dinâmica curiosa característica de toda a indústria de ferramentas AI. As empresas constroem ecossistemas em que cada componente é monetizado separadamente: assinatura para o modelo, pagamento pela busca, tokens pelo contexto. Mas protocolos abertos e padrões que essas mesmas empresas promovem para atrair desenvolvedores simultaneamente dão aos usuários as ferramentas para substituir componentes pagos. Anthropic criou o MCP para tornar o Claude mais flexível e atraente. O efeito colateral — os usuários ganharam a capacidade de cortar exatamente aquele elemento que traz receita adicional à empresa.

No entanto, seria uma simplificação excessiva ver nisso apenas uma história sobre economia. A privacidade das consultas de busca — um argumento que para muitos desenvolvedores pesa tanto quanto o custo. Quando um assistente AI busca informações sobre arquitetura interna do projeto, nomes de serviços ou bugs específicos, essas consultas podem conter dados sensíveis. Um SearXNG local garante que eles não chegarão aos servidores da Anthropic e não serão transmitidos aos provedores de busca vinculados a um usuário específico.

Este caso é indicativo de uma tendência mais ampla. À medida que as ferramentas AI para desenvolvedores se tornam mais complexas e caras, um ecossistema de alternativas abertas para componentes individuais se forma ao seu redor. Servidores MCP para busca, modelos locais para tarefas simples, pipelines RAG customizados em vez de ones na nuvem — tudo isso são elementos de um quadro. Desenvolvedores montam seus próprios stacks AI como um construtor, escolhendo para cada camada a razão ótima de preço, qualidade e controle. E empresas como Anthropic terão que levar essa realidade em conta ao construir seus modelos de preços — porque uma comunidade que recebeu um protocolo aberto inevitavelmente encontrará uma forma de usá-lo em seus próprios interesses.