Alojar SearXNG en un VPS: un metabuscador privado

¿Está construyendo un agente de IA que necesita buscar en la web? Sus opciones se reducen a esto: pagar a Google 5 $ por cada mil consultas, chocar con los límites de tasa de la API de Bing, o pasar por la API no oficial de DuckDuckGo, que se rompe sin previo aviso. Ninguna le deja el control, y todas envían sus consultas — y las de sus usuarios — hacia servidores de terceros.

Para los equipos de desarrollo en Marruecos y en la región MENA se añade otra fricción: bloqueos regionales, filtrado y resultados procedentes de un motor centrado en Estados Unidos, a menudo fuera de lugar para una búsqueda local. Un metabuscador autoalojado sortea todo eso.

SearXNG se ejecuta en dos contenedores Docker: el propio motor Python (menos de 256 MB de RAM) y una instancia Redis (unos 30 MB) para la caché y la limitación de tasa. Sin base de datos, sin estado persistente más allá de la caché Redis. Con 1 GB de RAM, SearXNG deja sitio de sobra para Nginx y para el sistema; un VPS de 2 GB resulta cómodo para un equipo con varios usuarios simultáneos o un tráfico sostenido de agentes de IA.

Más allá de los ajustes básicos, settings.yml expone opciones que convierten SearXNG en una herramienta a medida.

Activar o desactivar motores: bajo la clave engines:, cada motor dispone de un campo disabled: true. Deshabilite los motores lentos o geo-bloqueados para acelerar las respuestas.

Formato de respuesta JSON para agentes de IA: los resultados JSON contienen results[].title, results[].url, results[].content, results[].engine y results[].score. Pase &categories=general,news para filtrar por categoría, o &language=es para español.

SafeSearch: la clave safe_search acepta 0 (desactivado), 1 (moderado) o 2 (estricto).

Idiomas y regiones: añada &language=es-ES para resultados en español de España, o &language=ar-MA para árabe marroquí.

El endpoint /search?q=...&format=json es el punto de entrada universal para todos los frameworks de agentes de IA.

n8n: cree un nodo *HTTP Request* en GET, URL https://search.su-dominio.com/search, con los parámetros q, format = json y opcionalmente categories = general. Un nodo *Code* posterior puede extraer $json.results.slice(0,5).map(r => r.url + ' — ' + r.content) para alimentar su LLM.

LangChain (Python): la comunidad LangChain incluye SearxSearchWrapper:

from langchain_community.utilities import SearxSearchWrapper

search = SearxSearchWrapper(
    searx_host="https://search.su-dominio.com",
    k=5
)
results = search.results("noticias IA open source", num_results=5)

Open WebUI: una vez configurada la URL en los ajustes, cada conversación puede activar la búsqueda web con un clic. Open WebUI consulta SearXNG, inyecta los extractos en el contexto del modelo y cita las fuentes automáticamente.

curl directo para scripts:

curl -s "https://search.su-dominio.com/search?q=searxng+api&format=json" \
  | jq '[.results[:3] | .[] | {title, url, content}]'

Una instancia SearXNG abierta en Internet atrae rápidamente crawlers y scrapers. Aquí están los cuatro mecanismos a activar.

Rate limit Redis: con limiter: true en settings.yml, Redis cuenta las peticiones por IP en una ventana deslizante.

Autenticación HTTP Basic: para una instancia reservada a su equipo o agentes, añada en el bloque location / de Nginx:

auth_basic "SearXNG privado";
auth_basic_user_file /etc/nginx/.htpasswd;

Genere el archivo con htpasswd -c /etc/nginx/.htpasswd usuario. Los agentes de IA pasan las credenciales en la URL.

Caché Redis y TTL: Redis se configura por defecto sin persistencia (--save ""). Para ajustar el TTL, modifique la clave cache: en settings.yml: cache: {ttl: 86400} mantiene los resultados 24 horas.

Rotación de User-Agent: SearXNG rota automáticamente los User-Agents para evitar bloqueos por parte de los motores de origen.

1. 429 Too Many Requests — bloqueo por un motor de origen: Google o Bing ha detectado un volumen anormal y ha baneado temporalmente la IP de su VPS. Síntoma: SearXNG devuelve resultados de todos los motores menos uno. Solución inmediata: deshabilite el motor afectado en settings.yml y espere 2-6 horas.

2. Error: Connection refused to Redis (127.0.0.1:6379): el contenedor SearXNG intenta conectar a Redis en 127.0.0.1 en vez del nombre de servicio redis. Corrección: verifique que settings.yml tiene url: redis://redis:6379/0.

3. 403 Forbidden en /search?format=json: la API JSON está desactivada. Solución: verifique que formats: contiene json y reinicie el contenedor con docker compose restart searxng.

4. Instancia lenta (> 5 s por consulta): demasiados motores activos o motores geo-bloqueados llegando al timeout. Diagnóstico: docker compose logs searxng | grep timeout. Solución: reduzca los motores activos a los 5-8 más relevantes y ajuste request_timeout: 3.0 en settings.yml.

SearXNG se ha impuesto como el motor de búsqueda web de las pilas de IA autoalojadas. Open WebUI, n8n, Flowise, LangChain, CrewAI y la mayoría de los marcos de orquestación de modelos cuentan con una integración nativa. El esquema es siempre el mismo: su modelo estima que necesita una información actualizada, llama a su punto de acceso SearXNG con una consulta, recibe una tabla JSON de resultados — títulos, URL, extractos — y la usa para fundamentar su respuesta.

Esto elimina tres molestias con un solo despliegue: se acabó la facturación por consulta, se acabaron las fugas de datos hacia Google o Bing, y se acabó el límite de tasa alcanzado a las 2 de la madrugada mientras su agente encadena un lote de búsquedas.