Hoe geef je je AI-agent internettoegang zonder de bank te breken op API-sleutels
Herkenbaar? Je bent weer een AI-agent aan het opzetten of een Claude Code-script aan het schrijven, en plotseling moet je op het web zoeken naar informatie. Het klinkt simpel genoeg — pak gewoon kant-en-klare API's zoals Tavily of Exa. Maar zodra je agent in een lus van "zoeken — lezen — verfijnen" terechtkomt, begint de rekening sneller te groeien dan je vertrouwen in de resultaten. En dan zijn er die eindeloze API-sleutels die je moet opslaan en vernieuwen.
Onlangs stuitte ik op wigolo. Het is een tool die je computer omtovert tot een volwaardige webintelligentie-node voor AI. Het hoogtepunt is de lokaal-first aanpak. Al het zoeken, parsen, cachen en zelfs lokaal rangschikken gebeurt direct op je machine. Geen betaalde abonnementen en geen gegevens naar derden sturen (behalve de eigenlijke queries naar zoekmachines).
Wat zit erin deze krachtpatser
wigolo is niet zomaar een search wrapper. Het is een volledige server die draait op het MCP (Model Context Protocol). Als je Cursor, Claude Code of Windsurf gebruikt, weet je hoe handig het is om nieuwe "vaardigheden" in te pluggen. wigolo geeft je agent tien krachtige tools.
Het interessantste deel begint met de search functie. Het raakt niet zomaar één zoekmachine aan — het gebruikt 18 adapters voor verschillende engines, mixt de resultaten en doet ML-rangschikking direct op je CPU. De output geeft je agent niet alleen links, maar "bewijs" — tekstfragmenten met nauwkeurige byte-coördinaten in de bron.
Dan is er fetch. Als je ooit hebt geprobeerd een moderne React SPA te parsen of tegen Cloudflare bent aangelopen, begrijp je de frustratie van developers. wigolo kan "slim" escaleren: het probeert eerst een gewone HTTP-request, en als het een placeholder of lege JS-skeleton ziet — het start een headless browser en haalt schone Markdown op.
Vijf functies die me overtuigden
In plaats van elke knop te beschrijven, heb ik uitgelicht wat de workflow echt verandert.
- Autonoom dataverzameling-agent. De
agenttool start een "plan — zoek — extraheer — synthetiseer" lus. Je stelt een tijdbudget en dataschema in, en wigolo beslist hoeveel pagina's er gekropen moeten worden om gestructureerde JSON te leveren. - Parallel zoeken door arrays. Je kunt een array van queries doorgeven in plaats van één string. wigolo verwerkt ze parallel, filtert duplicaten en geeft je het complete plaatje. Voor diepgaand onderzoek is dit vele malen sneller dan een agent heen en weer sturen.
- Lokale memory. Alles wat je ooit hebt gezocht of geparseerd wordt opgeslagen in
~/.wigolo/. De volgende keer dat je iets vergelijkbaars vraagt, controleert de tool eerst de cache. Het is instant en volledig gratis. - Gestructureerde extractie. De
extracttool begrijpt JSON-LD, tabellen en metadata. Je kunt je eigen JSON Schema invoeren, en het haalt data uit de HTML-markup-chaos in exact het formaat dat je applicatie nodig heeft. - Wijzigingsmonitoring. De
diffenwatchfuncties laten je specifieke pagina's volgen. Zodra er iets verandert op een documentatiesite of projectblog, genereert wigolo een rapport en kan dit naar je webhook sturen.
Onder de motorkap
Het project is gebouwd op Node.js. De architectuur is vrij rechtdoorzee: één proces fungeert als MCP-server of REST API. Zware componenten zoals de browser-engine of embedding-modellen laden lazy. Dit betekent dat als je alleen tekst zoekt, je niet hoeft te wachten tot een enorm neuraal netwerk in het geheugen opstart.
Het leermechanisme is slim geïmplementeerd: wigolo onthoudt welke sites "zware" browser-gebaseerde parsing nodig hebben en welke data serveren via een gewone GET-request. Na verloop van tijd begint het systeem efficiënter te werken, zonder resources te verspillen waar ze niet nodig zijn.
Aan de slag
Installatie is verrassend eenvoudig voor zo'n complexe tool. Je hebt alleen Node.js versie 20 of hoger nodig. Met één commando verbind je met je favoriete editor:
npx wigolo init --agents=cursor,claude-code
Het script downloadt de benodigde modellen en schrijft de configs automatisch. Als je de automatisering niet vertrouwt, is er een --wizard modus met een interactieve terminal interface. Voor wie wigolo als service in hun backend wil gebruiken, is er een Docker-image en SDK's voor Python en TypeScript.
Trouwens, hoewel het project zich presenteert als volledig gratis en zonder sleutels, raadt de developer aan om een gratis Gemini-sleutel toe te voegen. Dit is alleen nodig voor de research functie zodat de LLM het eindrapport kan schrijven op basis van de gevonden feiten. Zonder de sleutel krijg je een berg gestructureerde data die je hoofdagent moet verwerken.
Wie heeft hier het meeste aan
Ik zie drie scenario's waarin wigolo echt wint van cloud-concurrenten.
Ten eerste, lokale ontwikkeling. Als je code schrijft in Cursor en constant documentatie of StackOverflow-fouten opzoekt, bespaart wigolo je een hoop geld aan API-calls en maakt zoeken contextueel.
Ten tweede, routine-automatisering. Als je prijzen, vacatures of library-updates moet monitoren, lost de combinatie van wigolo watch met een simpele Python-server het probleem op in een avond.
Ten derde, privacy. Als je werkt aan een project met strikte NDA, is interne pagina-inhoud naar derden sturen een slecht idee. Bij wigolo blijven alle data op je schijf.
Het project is momenteel in publieke bèta. Documentatie is uitstekend en de repository heeft volop voorbeelden — van simpele curl-scripts tot LangChain en n8n-integraties. Als je vaak experimenteert met AI-agents, is deze tool zeker de moeite waard van de 1,5 GB schijfruimte en een half uur testen.
Gerelateerde projecten