cat README.md
Agent-Reach
给 AI Agent 装上互联网眼睛——16+ 平台零 API 费用，一句话安装，Cookie 本地存储不上传。Twitter、小红书、B站、微信公众号、抖音、Reddit、YouTube、微博、V2EX、雪球……全给 Agent 开了后门。
// 目录
// 概览
// 痛点：AI Agent 的"信息孤岛"困局
我每天用 Claude Code 跑 GitHub AI 日报，流程已经跑了一个多月了。但有个事情一直让我头疼——Agent 想看社交媒体内容，基本上是瞎的。
你说让它搜个 Twitter 上的讨论？对不起，X 的 API 现在要 $100/月起步。小红书的热门笔记？没有官方 API，爬虫写一套还得天天维护反爬。B站视频讲了什么？手动复制字幕再喂给它？Reddit 2024 年开始强制认证，裸访问直接 403。微信公众号更别提了，搜都搜不了。
所以每次 Agent 需要互联网数据的时候，我只能自己手动去各平台找内容，复制粘贴喂给它。一个"自动化"工作流硬是被社交媒体的围墙花园打回了手动时代。
直到我看见 Agent-Reach 上了 Trending，一句话介绍就把我抓住了："给 AI Agent 一键装上互联网能力，零 API 费用"。
// 架构：脚手架，不是框架
这点挺关键的，Agent-Reach 把自己定位成脚手架（Scaffold）而不是框架。什么意思呢？它不包装业务逻辑，不搞中间层，只负责三件事：
1. 装好上游工具——yt-dlp 处理视频字幕、twitter-cli 读写推文、rdt-cli 访问 Reddit、xhs-cli 操作小红书、gh CLI 跑 GitHub……每个平台一个专用 CLI 工具，全是开源方案。
2. 配好环境——安装依赖、配置搜索引擎、检测本地/服务器环境差异，全部自动化。
3. 注册 SKILL.md——往 Agent 的 skills 目录里写一份"说明书"，让 Agent 知道"搜 Twitter 该调 twitter-cli"、"读视频字幕该用 yt-dlp"。以后 Agent 遇到这类需求，自己就知道该调哪个工具，不用你教。
Agent 直接调用上游工具，数据不经过 Agent-Reach 的包装层。这个设计其实挺聪明的——不用维护一套统一的 API 抽象，上游工具更新了直接跟就行，每个渠道可以独立替换。
// 架构流程
// 平台覆盖：16+ 渠道全拆解
我仔细过了一遍每个渠道的实现，按"装好即用"和"需配置"分了类。
装好即用（零配置）
这 7 个渠道是真正的"装完就能跑"——网页用 Jina Reader（9.8K Star）转 Markdown，YouTube用 yt-dlp（154K Star）提取字幕，RSS用 feedparser 解析，GitHub公开仓库用 gh CLI 直接读。微信公众号靠 Exa 搜索 + Camoufox 渲染全文 Markdown，微博热搜和搜索直接可用，V2EX热门和节点内容也是裸跑。
说实话这几个零配置渠道已经覆盖了我 80% 的日常需求。尤其是微信公众号那个，我之前做公众号内容调研，要么手动搜要么用第三方工具，现在直接让 Agent 搜完读全文，省了一大截时间。
需配置（Cookie 或认证）
剩下的 9 个渠道需要一些前置操作，但都不复杂。核心流程就是浏览器登录 → Cookie-Editor 插件导出 → 发给 Agent。Twitter 用 twitter-cli（2.1K Star），小红书用 xhs-cli（1.5K Star），Reddit 用 rdt-cli（304 Star）跑 rdt login 自动提取浏览器 Cookie。抖音走 douyin-mcp-server 解析视频。LinkedIn 用 linkedin-scraper-mcp（1.2K Star）。雪球和小宇宙播客也各有专用方案。
这里有个重要提醒——用 Cookie 登录的平台有封号风险。作者反复强调建议用小号，这个不是开玩笑的。Twitter 查异常登录挺严的，小红书更不用说。我自己是专门开了个 Twitter 小号来测，大号不敢冒险。
全网搜索
还有个 Exa 语义搜索引擎，通过 MCP 接入，免费不要 Key。这个跟传统关键词搜索不一样，能理解你"想搜什么"而不是"字面匹配什么"。搭配微信公众号搜索一起用，做内容调研的时候效果不错。
// 安装使用
安装方式是我见过最省事的——一句话发给你的 AI Agent：
安装过程会自动完成：装 agent-reach CLI → 装系统依赖（Node.js、gh CLI、mcporter、twitter-cli、rdt-cli 等）→ 配置 Exa 搜索引擎 → 检测环境 → 注册 SKILL.md 到 Agent skills 目录。
装完之后，你不需要记任何命令。直接跟 Agent 说"帮我看看这条推文"、"搜一下小红书上关于 XX 的笔记"、"这个 B站视频讲了什么"，Agent 自己会去 SKILL.md 里找到对应的工具来调用。
有个细节值得提——agent-reach doctor 诊断命令，跑一遍就能看到所有渠道的可用状态，哪个没配好会直接告诉你怎么修。这种"自检 + 修复建议"的设计，比那些装完就不管的项目友好多了。
// 竞品对比
| 方案 | 平台覆盖 | 费用 | 核心优势 | 核心短板 |
|---|---|---|---|---|
| Agent-Reach | 16+（含小红书/微信公众号/微博/V2EX/雪球/抖音） | $0 | 中文平台覆盖最全 + 零 API 费 + 可插拔替换上游 | Cookie 登录有封号风险 + 无统一 API 抽象 + 依赖上游工具稳定性 |
| 各平台官方 API | 单一平台 | $100+/月 | 稳定 + 合规 + 功能完整 | 贵 + 每个平台单独对接 + Twitter/Reddit API 门槛高 |
| Firecrawl / Crawl4AI | 通用网页 | 免费~$19/月 | 网页爬取专业 + JS 渲染 | 只做网页 + 不覆盖社交媒体 + 不处理登录态 |
| Browser-Use / Playwright Agent | 全平台（浏览器自动化） | 免费 | 什么网站都能操作 | 重 + 慢 + 维护成本高 + 反爬容易被检测 + 不稳定 |
| Exa / Tavily / SerpAPI | 全网搜索 | 免费额度~$50/月 | 搜索质量高 + 接入简单 | 只能搜不能读 + 超额要付费 + 不覆盖社交媒体详情 |
// 平台配置成本
// 博主观点
聊几个我觉得值得说的事。
第一，这东西解决的是一个真实的痛点。我跑 GitHub AI 日报一个多月，最烦的就是 Agent 看不了社交媒体。每次需要补充"社区怎么看这个项目"的信息，都得自己手动去 Twitter、Reddit、小红书找。Agent-Reach 把这个环节打通了，光微信公众号零配置搜索这一个功能，对我来说就已经值了。
第二，脚手架定位是对的。如果它要做统一 API 抽象层，16+ 平台的差异性能把它拖死。现在这种"我只负责装好工具和写说明书"的方式，维护成本最低，扩展性也最强——上游工具挂了换一个就行，不用改 Agent-Reach 的代码。
第三，Cookie 路线是双刃剑。好处是零成本，坏处是随时可能被平台封。Twitter 已经在查异常 Cookie 使用了，小红书的反爬也在加严。作者建议用小号，但这只能降低风险不能消除。如果你是用在商业场景，这一点要认真评估。
第四，中文平台覆盖是真正的差异化。对比市面上的竞品——Firecrawl/Crawl4AI 只做网页，Browser-Use 走浏览器自动化路线（重且不稳定），Exa/Tavily 只能搜不能读。Agent-Reach 是目前唯一一个把微信公众号、小红书、微博、V2EX、雪球、B站、抖音这些国内平台做成一等公民的开源方案。
但短板也很明显。没有统一 API 意味着每个渠道的调用方式不一样（有的走 CLI、有的走 MCP），Agent 需要 SKILL.md 来"学习"怎么用，不像 Firecrawl 那样一个 scrape(url) 搞定所有网页。另外，所有数据获取都依赖上游工具的稳定性——twitter-cli 挂了 Twitter 就废了，rdt-cli 不更新 Reddit 就 403，你自己没法修。项目也只有 4 个 Release、249 Commits，更新频率不算高。v1.4.0 是 3 月 31 号的，到现在两个多月没出新版了。
总的来说，Agent-Reach 目前是 AI Agent 互联网能力赛道里"覆盖面最广 + 成本最低"的方案，尤其适合做内容调研和个人自动化工作流。但如果你要上生产环境或者有合规要求，Cookie 路线的风险需要单独评估。
✅ 完全零 API 费用，7 个平台装好即用
✅ 脚手架设计，维护成本低，可插拔替换上游工具
✅ agent-reach doctor 自检 + 修复建议
✅ SKILL.md 一次注册，Agent 自动知道怎么调
✅ MIT 开源，Cookie 仅本地存储不上传
❌ 无统一 API 抽象，每个渠道调用方式不同
❌ 上游工具挂了就废了，自己修不了
❌ 更新频率偏低（v1.4.0 后两月未更新）
❌ 4 个 Release 太少，项目成熟度待验证
❌ 没有性能 Benchmark 和可靠度数据