RustXNG 是一个用 Rust 写的自托管元搜索引擎，基于 SearXNG 改造，专门面向 AI Agent 做网页检索和 grounding。它自己不爬网页也不建索引，而是把查询发给多个外部搜索引擎、合并结果后以 JSON 返回，还能按需抓取页面正文，让 Agent 只把必要的证据文本喂给模型，控制 token 消耗。典型用法是把它跑在本机或内网，给能执行命令的 Agent 当本地搜索工具，比如查文档、找最新资料、为回答附上出处。需要注意的是，搜索词仍会发往上游引擎，作者已因合规问题移除了 Google 相关集成，部分数据源默认关闭，公开部署或高频调用前得自行核对各引擎条款。适合在做 Agent 应用、RAG 检索链路的工程师，以及想给本地 LLM 接联网搜索能力的开发者看看；纯做前端或业务后端的人关系不大。

fatsearch 是给 AI Agent 用的网页抓取和阅读工具，可以理解为「网页版的 ripgrep」：它把网页清洗成干净的 Markdown 存到本地，先给 Agent 一个简短的目录大纲，Agent 需要细节时只读其中一节，而不是把整页塞进上下文。官方数据显示，同一个 Wikipedia 页面，其他抓取方案要 7 万到 11 万 token，它只要 918 个，模型账单降到约两百分之一；菜单、cookie 横幅、追踪脚本全部剔除，价格、日期、数字则保留。它还能读 Agent 自带 fetch 搞不定的 JS 页面、PDF 和反爬墙，先试免费的普通 HTTP，失败再按价格从低到高升级到你自己的 provider key。提供 CLI 和 MCP 两种接入方式。值得看的是正在搭 Agent 工作流、被网页抓取 token 成本和 403 拦截困扰的工程师，尤其是用 Claude Code 之类工具做检索类任务的人；如果你不涉及 Agent 联网搜索，关系不大。

Leviathan 是一个用 Rust 写的单文件工具，把 JSONL、CSV、SQLite 等任意表格或日志数据建成带排序的全文索引，让 Agent 用自然语言提问就能拿到几条带引用的精简结果卡。它解决的核心问题是：面对百万级记录，Agent 直接 grep 或读原始历史会烧掉大量 token，而 Leviathan 把每次回答稳定压到约 450 token，官方基准显示在 100 万条记录上中位数 436 token、命中率 99%，延迟 33 毫秒。除了检索，它还提供可选的长期记忆能力，Agent 每次只写入一条带 key 的事实，会话开始时自动注入简短 briefing，避免 MEMORY.md 越滚越大导致的过期和 token 浪费。它通过 CLI、MCP 或 HTTP 服务接入 Claude Code、Cursor、Codex 等 24 种 Agent 环境。适合需要让 Agent 长期查阅工单、日志、业务表等结构化数据的 AI 应用工程师和 Agent 平台开发者；如果你的工作不涉及 Agent 检索大规模记录，和你关系不大。