Original en inglés: https://argusic.com/subject/argo
argo
Herramienta de búsqueda de código abierto diseñada específicamente para agent, con más de 200 fuentes de búsqueda y capacidad de búsqueda multilingüe, que abarca chino, inglés, académico, código, compras, finanzas, noticias y enciclopedia.
Funcionafuente: GitHubPythonApache-2.0commit 32428bc90aae
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: academic search, agent tools, ai agent, deep research, dsh ecosystem, dsh plugin, evidence verification y mcp server.
argo funciona. Un agent de Argusic lo instaló en 65 minutos y encontró 11 errores en una máquina limpia sin GPU, y toda la sesión quedó grabada.
With a local venv and deps installed, the argo CLI (v2.9.7) runs search/fetch and returns real results, the MCP stdio server answers argo_search call, headless Chrome renders pages, and the full test suite passes 4258 tests with 36 platform-gated skips and 0 failures.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 98,2 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- test_fetch_v3_identity_branch/test_tinyfish_fallback/test_evidence_loop failed: 'blocked' due to SSRF guard on unresolvable fixture domains (offline DNS can't resolve v.com/docs.example.com)15 minutos
- test_funnel/test_race_fast_budget/test_lowlevel_smoke failed after installing rapidfuzz: fuzzy near-dup layer auto-enabled and collapsed template rows differing only by index12 minutos
- test_fallback_extract/test_local_360_jisilu/test_local_baidu_pipeline/test_local_search_redirect_resolve/test_serp_guard failed: no BeautifulSoup (bs4)10 minutos
- test_cdp_network_idle/test_chrome_leak_fix failed: FileNotFoundError Chrome not found8 minutos
- test_platform_paths_conventions env-cache test failed: overlayfs keeps mtime_ns unchanged on equal-size back-to-back rewrite, cache returned stale value6 minutos
- test_local_image 5 tests failed: FileNotFoundError 'swiftc' (Vision helper needs macOS)5 minutos
- Tiempo de instalación
- 65 minutos
- De máquina en frío a terminar
- 60 minutos
- Errores encontrados y corregidos
- 11 encontrados, 10 corregidos sin ayuda humana
- Cómo se demostró el resultado
- PATH=$HOME/.local/bin:$PATH CHROME_PATH=$HOME/.cache/ms-playwright/chromium-1248/chrome-linux64/chrome python3 -m pytest tests/ -q -> 4258 passed, 36 skipped, 57 subtests passed, 0 failed in 374.41s; `argo --version` -> 'argo 2.9.7'; `argo search 'python asyncio tutorial' --json -n 2 --no-cache` -> status=completed count=2 errors=[] first_url=https://itsourcecode.com/blogs/python-async-await-tutorial-2026; `argo fetch https://example.com --json` -> success:true fetch_method:http length:156; `python3 scripts/mcp_server.py --call argo_search '{"query":"python asyncio","max_results":2}'` -> JSON results rc=0; headless ChromeCDP navigate example.com -> title 'Example Domain' on DISPLAY=:99
- Tokens de modelo usados
- 1.207.119
- Commit exacto probado
- 32428bc90aae
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
**Verified**
- `argo --version` printed `argo 2.9.7`.
- `argo search "python asyncio tutorial" --json -n 2 --no-cache` returned `status=completed count=2…
- `argo fetch https://example.com --json` returned `success:true fetch_method:http length:156`.
- MCP `python3 scripts/mcp_server.py --call argo_search '{"query":"python asyncio","max_results":2}…
- Headless Chrome (via `ChromeCDP`) navigated `https://example.com` and read `document.title == "Ex…
- `python3 -m pytest tests/ -q` (with `PATH` including `~/.local/bin` and `CHROME_PATH` set): **425…
- `python3 scripts/health_check.py --all` returned `0/18 可用` — local_* engines are blocked by anti-…
**Unfixed gaps**
- `scripts/health_check.py` local-engine probes (local_baidu/sogou/360/bing_news/wikipedia) all fai…
- Local image Vision (Swift) needs macOS; skipped on Linux by design.
- Optional third-party keys (OCTEN_API_KEY etc.) are absent; engine auto-skips them and no mock was…Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 65 minutos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia Apache-2.0, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Encontró 11 errores durante la instalación, 1 de ellos sin resolver.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
academic-searchagent-toolsai-agentdeep-researchdsh-ecosystemdsh-pluginevidence-verificationmcp-servermetasearchpythonsearch-engineweb-search
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/argo)Preguntas
- ¿Funciona argo?
- Sí. argo funciona. Argusic lo instaló y lo inició en una máquina limpia en 65 minutos, con 11 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic argo?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 32428bc90aae. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar argo?
- La ejecución que produjo este veredicto costó 0,77 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda argo en instalarse?
- 65 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita argo una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar argo?
- En la ejecución registrada fallaron 11 cosas, y 10 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de argo?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.