Original em inglês: https://argusic.com/subject/argo
argo
Ferramenta de busca de código aberto desenvolvida especificamente para agentes, com 200+ fontes de busca e capacidade de busca multilíngue, abrangendo chinês, inglês, acadêmico, código, compras, finanças, notícias e enciclopédia.
Executafonte: GitHubPythonApache-2.0commit 32428bc90aae
Python, licença Apache-2.0. O projeto se descreve como: academic search, agent tools, ai agent, deep research, dsh ecosystem, dsh plugin, evidence verification e mcp server.
argo executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 65 minutos e encontrou 11 erros, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 98,2 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- 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
- Tempo de instalação
- 65 minutos
- Da máquina limpa até o fim
- 60 minutos
- Erros encontrados e corrigidos
- 11 encontrados, 10 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- 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 exato testado
- 32428bc90aae
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
**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…Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 65 minutos.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença Apache-2.0, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Encontrou 11 erros durante a configuração, 1 dos quais não foi resolvido.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
academic-searchagent-toolsai-agentdeep-researchdsh-ecosystemdsh-pluginevidence-verificationmcp-servermetasearchpythonsearch-engineweb-search
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/argo)Perguntas
- argo executa?
- Sim. argo executa. A Argusic o instalou e iniciou em uma máquina limpa em 65 minutos, encontrando 11 erros no caminho, e gravou a sessão.
- Como a Argusic testou argo?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 32428bc90aae. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar argo?
- A execução que produziu este veredito custou US$ 0,77: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar argo?
- 65 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- argo precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar argo?
- 11 coisas quebraram na execução registrada, e 10 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de argo?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.