Logo

Come Creare un'Alternativa a Perplexity Locale con OpenClaw e SearXNG

Scopri come creare un'alternativa a perplexity locale con openclaw e searxng usando Ollama via Docker per riprenderti la tua privacy.
CN

Matteo Giardino

•

Jun 15, 2026

Come Creare un'Alternativa a Perplexity Locale con OpenClaw e SearXNG

Vuoi eseguire la tua versione privata di Perplexity AI? Se ti stai chiedendo come creare un'alternativa a perplexity locale con openclaw e searxng, sei nel posto giusto. completamente libera da tracciatori e dipendenze da API esterne.

Se sei stanco dei motori di ricerca che registrano le tue query e delle piattaforme AI che usano i tuoi dati per l'addestramento, ospitare il tuo agente di ricerca personale è la soluzione definitiva. Combinando un LLM locale (tramite Ollama) e un motore di ricerca aggregato self-hosted (SearXNG), puoi creare un assistente di ricerca autonomo che rispetta la tua privacy.

Ricevi gli ultimi consigli sull'automazione AI

Iscriviti alla mia newsletter per scoprire come costruisco agenti AI locali e automatizzo i miei flussi di lavoro.

Iscriviti Ora

Perché Costruire un Perplexity Locale?

Perplexity AI è uno strumento fantastico, ma dipende dal cloud. Ogni ricerca che fai viene elaborata su server esterni. Se fai ricerche su argomenti tecnici sensibili, dati aziendali confidenziali, o semplicemente preferisci mantenere private le tue abitudini di navigazione, ti serve un'alternativa locale.

Con OpenClaw e uno strumento MCP (Model Context Protocol), possiamo dare a un LLM locale la capacità di cercare sul web in tempo reale. Questa configurazione ti offre:

  • Zero tracciamento: Nessuna cronologia di ricerca legata alla tua identità.
  • Privacy dei dati: Le tue query non escono mai dalla tua rete locale.
  • Personalizzazione: Scegli esattamente quali motori di ricerca interroga il tuo agente AI.

Cos'è SearXNG?

SearXNG è un motore di metaricerca gratuito che rispetta la privacy. Invece di mantenere un proprio indice web, aggrega i risultati da oltre 70 servizi di ricerca (Google, Bing, Wikipedia, ecc.) eliminando gli identificatori di tracciamento.

Eseguendo SearXNG localmente tramite Docker, creiamo un'API di ricerca privata che il nostro agente OpenClaw può interrogare liberamente, senza incorrere in limiti di traffico o richiedere chiavi API a pagamento come le API di Google Custom Search.

Passo 1: Distribuire SearXNG via Docker

Il modo più semplice per eseguire SearXNG è attraverso Docker Compose. Crea una nuova directory per la tua configurazione e crea un file docker-compose.yml:

version: '3.7'
services:
  searxng:
    image: searxng/searxng:latest
    ports:
      - "8080:8080"
    volumes:
      - ./searxng:/etc/searxng
    environment:
      - SEARXNG_BASE_URL=http://localhost:8080/
    restart: unless-stopped

Esegui docker-compose up -d per avviare il container. Dopo pochi secondi, potrai visitare http://localhost:8080 per verificare che il tuo motore di ricerca privato sia attivo.

Passo 2: Configurare l'MCP di SearXNG per OpenClaw

Ora che SearXNG è in esecuzione, dobbiamo collegarlo a OpenClaw. Possiamo usare uno script MCP personalizzato per tradurre le chiamate agli strumenti di OpenClaw in query di ricerca su SearXNG.

Aggiungi la seguente configurazione al tuo file ~/.openclaw/openclaw.json sotto il blocco mcpServers:

{
  "mcpServers": {
    "searxng": {
      "command": "npx",
      "args": ["-y", "@openclaw/searxng-mcp", "--url", "http://localhost:8080", "--format", "json"]
    }
  }
}

Questo dice a OpenClaw di avviare il server MCP di SearXNG e puntarlo alla nostra istanza Docker locale.

Passo 3: Testare l'Agente di Ricerca Locale

Riavvia OpenClaw per caricare la nuova configurazione MCP. Una volta che l'agente è attivo, puoi dargli un compito di ricerca:

"Cerca sul web gli ultimi aggiornamenti sul modello DeepSeek R1 e riassumi i risultati."

OpenClaw deciderà automaticamente di usare lo strumento SearXNG, recupererà i risultati della ricerca dalla tua istanza locale, leggerà le pagine principali e sintetizzerà una risposta - proprio come Perplexity, ma in modo interamente locale.

Se combini questa configurazione con un modello locale potente come Qwen 2.5 Coder o Llama 3 via Ollama, ottieni un assistente di ricerca altamente capace con zero costi ricorrenti.

Come l'MCP di OpenClaw Risolve il Problema della Ricerca Web

Quando si costruisce un agente locale, la parte più difficile è dargli accesso alle informazioni in tempo reale senza violare la regola del "local-first". Tradizionalmente, gli sviluppatori usavano le API di Google Custom Search o Tavily, ma queste richiedono chiavi API e costano denaro su larga scala. Utilizzando il Model Context Protocol (MCP), OpenClaw può colmare perfettamente il divario tra il tuo LLM locale e SearXNG.

Se vuoi leggere come funziona l'MCP, dai un'occhiata alla mia guida su OpenClaw Telemetry e Schema Detection MCP. L'MCP standardizza l'interfaccia di chiamata agli strumenti, il che significa che il tuo agente AI capisce esattamente come formattare le query di ricerca e analizzare i risultati JSON restituiti da SearXNG. Questa è l'esatta architettura usata da strumenti commerciali, ma completamente open-source e in esecuzione sul tuo hardware nel 2026.

Configurazione Avanzata: Personalizzare i Motori di SearXNG

SearXNG ti permette di abilitare o disabilitare specifici motori di ricerca. Per un assistente di ricerca, potresti voler dare priorità a fonti accademiche o documentazione per sviluppatori. Puoi modificare il file settings.yml nel tuo volume docker di SearXNG:

engines:
  - name: google
    engine: google
    shortcut: go
  - name: github
    engine: github
    shortcut: gh
  - name: arxiv
    engine: arxiv
    shortcut: ar

Questa flessibilità è il motivo per cui capire come creare un'alternativa a perplexity locale con openclaw e searxng rappresenta una svolta per gli sviluppatori. Hai il controllo dell'indice. Per maggiori dettagli su come impostare il tuo ambiente locale, puoi fare riferimento al mio tutorial completo su come configurare OpenClaw con Ollama che copre i prerequisiti. Puoi anche esplorare la documentazione ufficiale di SearXNG per configurazioni avanzate.

FAQ

È davvero gratuito eseguire un'alternativa locale a Perplexity? Sì. Sia OpenClaw che SearXNG sono open-source e gratuiti. Paghi solo per l'elettricità per far funzionare il tuo hardware locale.

Posso usare questa configurazione su macOS? Assolutamente. Docker Desktop funziona perfettamente su Apple Silicon, e Ollama è altamente ottimizzato per i chip della serie M. Infatti, molti flussi di lavoro del 2026 si basano sui Mac Mini come server AI locali.

Come si confronta la velocità con Perplexity AI basato sul cloud? Dipende dal tuo hardware. Un modello locale Llama 3 8B genererà testo un po' più lentamente rispetto ai server di OpenAI, ma il recupero della ricerca tramite SearXNG è tipicamente istantaneo. Il compromesso è la privacy assoluta.

Conclusione

Costruire un'alternativa locale a Perplexity è più facile che mai grazie all'architettura MCP di OpenClaw. Collegando strumenti open-source come SearXNG e modelli locali, possiamo riappropriarci della nostra privacy mantenendo la comodità della ricerca web potenziata dall'AI.

Se hai appena iniziato con l'AI locale, ti consiglio vivamente di dare un'occhiata alla mia guida su come configurare OpenClaw con Ollama per preparare le basi per i tuoi agenti locali.

Scritto da Matteo Giardino. Matteo è un software engineer e appassionato di AI che costruisce flussi di lavoro open-source per agenti. Gestisce matteogiardino.com per condividere approfondimenti pratici sull'AI applicata.

CN
Matteo Giardino