用 .NET 为小型网站搭建 MCP 检索入口

现在，人们往往会先问 AI 助手，再打开搜索框。当有人向 ChatGPT 或 Claude 询问我写过的内容时，回答要么来自模型的记忆，要么来自一次不一定能找到我网站的网页搜索。我希望助手能直接向我的网站提问，并引用它实际使用的页面。

Model Context Protocol（MCP）就是实现这一点的标准方式。网站提供一个包含少量工具的服务器，任何 MCP 客户端都可以调用这些工具。于是，我开发了 mcp-my-site：一个用于抓取网站的命令行索引工具，以及一个小型 ASP.NET Core 应用，将索引结果作为远程 MCP 服务提供。它采用 MIT 许可证，面向页面数量少于 1,000 的小型网站。

继续阅读之前，你可以先试试看。下面这个在线实例索引了我自己的网站：

claude mcp add --transport http pournasserian https://ai.pournasserian.com/mcp

此外还有一个 playground，它是运行在浏览器中的 MCP 客户端，让你无需安装任何东西就能调用工具。

60 秒上手

你需要安装 .NET 10 SDK。首次运行除此之外不需要任何东西，也不需要 API key。

dotnet tool install --global mcpmysite
mcpmysite init https://example.com --keyword-only   # writes appsettings.json
mcpmysite build                                     # crawls the site into ./index
mcpmysite search "how can I contact you"            # checks the index
docker run --rm -p 5000:8080 -v "$PWD/index:/index:ro" -e Index__Path=/index ghcr.io/pournasserian/mcp-my-site:latest

启动后，服务器地址为 http://localhost:5000。/mcp 是供 Agent 使用的端点，/playground 让你在浏览器中试用，/api/search?q=contact 返回 JSON，/healthz 显示已加载的索引。使用以下命令连接 Claude Code：

claude mcp add --transport http mysite http://localhost:5000/mcp

不使用 Docker 的话，也可以克隆仓库后运行服务器。

混合搜索，支持降级。 关键词搜索匹配字词，向量搜索匹配语义，因此即使问题的表述与页面不同，也能找到对应内容。服务器会针对每次查询执行 BM25 搜索和基于 embedding 的向量搜索，再融合两组排名。如果查询时 embedding 服务提供方不可用，就会降级为关键词搜索，并在响应中说明。在线演示使用的是混合搜索。

没有 key 也能用。 我不希望第一次运行就得先注册某个服务。--keyword-only 会构建不含向量的索引，不访问任何 embedding 端点，也不读取任何 key。代价是无法按语义匹配：如果一个页面只写了“contact”，搜索“how do I reach you”就找不到它。需要语义匹配时，只需修改一项设置、设置 AI_API_KEY，然后重新构建。embedding 端点可以使用默认的 OpenRouter，也可以使用任何兼容 OpenAI 的服务：OpenAI、Azure OpenAI、Gemini、Ollama，或者 LiteLLM 代理。key 从环境变量读取，绝不会写入文件。使用默认模型时，小型网站生成 embedding 的费用还不到一美分。

遵循 ChatGPT connector 的接口约定。 服务器通过 Streamable HTTP 提供 MCP 服务，并暴露 search 和 fetch 两个工具。它们遵循 ChatGPT connector 期望的数据格式：每条搜索结果都有一个 id，fetch 接收这个 id，并以文本形式返回页面。其他客户端也可以向 fetch 传入 url。服务器还会发送根据网站自身内容生成的 instructions，让模型知道网站讲什么，以及何时使用这些工具。它可以配合 Claude Code、Claude Desktop、VS Code、Cursor 和 MCP Inspector 使用。

每个服务器对应一个网站。 没有多租户功能，也没有管理界面。配置保存在 appsettings.json 文件中。索引工具会自动提取每个页面的主要内容，因此不需要维护 CSS 选择器。服务器会轮询索引来源，无需重启就能切换到新构建的索引。因此，更新时只需在 CI 中构建，再将索引文件夹发布到服务器轮询的 URL。

为你自己的网站提供搜索 API。 同一套搜索代码也支撑着 GET /api/search，并提供 CORS、限流和 OpenAPI 文档。用户指南中还提供了一段可直接嵌入的搜索框代码。

它可以索引通过 HTTP 访问的纯 HTML 页面，也可以索引一个存放已构建 HTML 的文件夹。不支持依赖 JavaScript 渲染的网站、PDF，以及需要登录才能访问的页面。每次构建都会完整重建索引，但内容未变的分块不会重新生成 embedding。

代码仓库：https://github.com/pournasserian/mcp-my-site

在线演示：https://ai.pournasserian.com（playground 位于 /playground，API 参考文档位于 /docs）

NuGet：https://www.nuget.org/packages/mcpmysite

Docker 镜像：ghcr.io/pournasserian/mcp-my-site

我希望收到的反馈

有三类反馈最有帮助。第一，按照文中的步骤，快速上手是否顺利，哪些地方出了问题。第二，它在你的网站上表现如何：哪些页面的内容提取有误，哪些问题返回了错误的页面。索引工具会生成一个 report.json，列出文本内容偏少的页面，提交 issue 时附上这个文件会很有帮助。第三，你试过哪些 MCP 客户端，尤其是 ChatGPT connector，以及任何我没有列出的客户端。

问题和想法请发到 Discussions，bug 请提交到 Issues。

如需采取进一步行动，你可以考虑屏蔽此人和／或举报滥用行为。