multi-search-engine

multi-search-engineスキルの概要

multi-search-engineで実際にできること

multi-search-engineスキルは、中国圏とグローバル両方のWebリサーチに対応した17種類の検索エンジン向けに、すぐ使える検索URLパターンを提供します。あわせて、高度な検索演算子の例や、web_fetchを直接使う例も含まれています。すでにブラウジング機能を使える環境があり、APIキーなしで検索の幅とスピードを上げたい人に特に向いています。

Web Researchにmulti-search-engineが向いているケース

Web Researchでmulti-search-engineが活きるのは、1つの検索エンジンだけでは足りない場面です。たとえば、地域ごとの検索カバレッジを突き合わせたいとき、標準のインデックスでは見つかりにくいページを探したいとき、site: や filetype: を使って絞り込みたいとき、あるいは DuckDuckGo、Startpage、Brave のようなプライバシー重視の検索エンジンへ切り替えたいときに有効です。通常のWeb検索とは少し性質が異なる、事実確認や計算系の調査向けに WolframAlpha も含まれています。

手動でプロンプトを書く代わりにこれを入れる理由

このスキルの価値は、単に「Web検索できる」ことではなく、「検索式の組み立てで迷いにくくなる」点にあります。検索エンジンごとのエンドポイント、地域指定、検索演算子の例がひとまとまりになっているため、たとえば「EUの規制当局が出した最近のPDFレポートを探す」のような曖昧な依頼でも、具体的な検索に素早く落とし込めます。APIキーは不要ですが、検索結果ページを開く、または取得できるランタイムは必要です。

インストール前に知っておきたいトレードオフ

このmulti-search-engineスキルは軽量で、フル機能の検索オーケストレーターではありません。ソースの順位付け、重複除去、bot対策の回避を自動でやってくれるわけではありません。検索エンジン側の表示仕様が時間とともに変わることもありますし、結果の質はクエリの作り方に大きく左右されます。実用的な検索URLツールキットが欲しいなら導入する価値がありますが、管理された検索APIや自動クロールのパイプラインが必要なら別の選択肢を検討したほうがよいです。

multi-search-engineスキルの使い方

インストール方法と最初に読むべきファイル

インストールは次のコマンドで行います。
npx skills add openclaw/skills --skill gpyangyoujun/multi-search-engine

導入後は、まず SKILL.md を読んで検索エンジン一覧と呼び出し例を確認してください。次に config.json で正規のエンジン定義を確認し、references/international-search.md で実運用で効く検索演算子や期間フィルタの使い方を押さえるのがおすすめです。metadata.json を見れば、現在の対象範囲が「17エンジン・APIキー不要」であることも確認できます。

このスキルに渡すとよい入力

multi-search-engineスキルは、プロンプトに次の情報が入っていると最も使いやすくなります。

• テーマ、または対象の固有名詞
• 希望する地域や言語
• どの程度新しい情報が必要か
• ニュース、ドキュメント、フォーラム、PDF、公式サイトなどのソース種別
• 必要なら除外条件

弱いゴール: “Research AI policy.”
強いゴール: “Use multi-search-engine to find English and Chinese sources on 2025 AI safety regulation, prioritize official sites and PDFs, include results from Google, Bing INT, Baidu, and DuckDuckGo, and prefer the last 12 months.”

ざっくりした調査目的を使えるプロンプトに変える方法

汎用的な検索を1回だけさせるのではなく、複数のクエリバリエーションを作って実行させるのがコツです。multi-search-engineをうまく使うプロンプトの例は次のようになります。

“Use the multi-search-engine skill for Web Research. Create 6 search queries for this goal: compare open-source vector databases for on-prem deployment. Include site:github.com, site:docs.*, and filetype:pdf variants, run them across Google, Brave, and DuckDuckGo, and summarize overlaps, unique findings, and missing evidence.”

この形が有効なのは、使う検索エンジン、クエリの系統、優先したいソース傾向、最終的に求める整理の仕方まで明示しているからです。

実践的な進め方と品質を上げるコツ

最初は広く当たり、その後で絞り込むのが基本です。

1. グローバル系1つと地域特化系1つを使い、広めの探索クエリを2〜3本回す。
2. そこから正確な製品名、著者名、ドメイン名、ファイル形式を拾う。
3. site:、filetype:、引用符、除外条件、期間フィルタを使って再検索する。
4. 意外な主張や気になる情報は、別の検索エンジンで突き合わせる。

実務上のポイント:

• 幅広く拾いたいなら Google や Bing INT が使いやすいです。
• 中国系プラットフォームのカバレッジが重要なら Baidu、Sogou、WeChat を使います。
• 異なる順位付けやプライバシー寄りの結果が欲しいなら DuckDuckGo、Startpage、Brave が向いています。
• WolframAlpha は計算可能な問い向けで、文書探索の代替にはなりません。

multi-search-engineスキルFAQ

multi-search-engineは普通のWeb検索プロンプトより優れていますか？

構造化されたリサーチでは、たいてい有利です。通常のプロンプトだと、どの検索エンジンを使うか、どう検索式を組むかが暗黙のままになりがちです。multi-search-engineはその判断を明示できるため、特に多言語調査、site: を使った限定検索、期間を区切った事実確認で、網羅性と再現性を上げやすくなります。

初心者でも使いやすいですか？

はい。基本的な検索演算子をある程度わかっている人、もしくは例をそのまま流用できる人なら扱いやすいです。このスキル自体は、主に検索URLテンプレートとクエリパターンを提供するシンプルな構成です。ただし、ノイズの多い結果を避けるには、引用符、site:、filetype:、除外条件をいつ使うべきかは初心者でも少し学ぶ必要があります。

multi-search-engineが向いていないのはどんなときですか？

安定したスクレイピングを保証したい場合、公式APIのSLAが必要な場合、自動で結果集約まで済ませたい場合には、このmulti-search-engineスキルに頼るべきではありません。クローズドなデータベース、ログイン必須のコンテンツ、あるいは「見つけること」より「ソースから直接抽出すること」が重要なタスクにも不向きです。

最初に試すべき検索エンジンはどれですか？

英語中心の一般調査なら: Google, DuckDuckGo, Brave
グローバル情報と中国寄りの発見を両立したいなら: Bing INT, Baidu, Sogou, WeChat
文書や公式資料を探すなら: まず Google に site: と filetype:pdf を組み合わせる
計算系の事実確認なら: WolframAlpha

multi-search-engineスキルをより活かすには

multi-search-engineによりシャープな条件を与える

出力の質は、検索の切り方で大きく変わります。地域、日付範囲、コンテンツ種別、信頼性の優先度を明示してください。
“Find startup funding news” では弱く、
“Use multi-search-engine to find venture funding announcements for robotics startups in Japan since Jan 2025 from company blogs, TechCrunch-like outlets, and official filings”
くらい具体的にすると結果が安定します。

単発検索ではなく、演算子ベースのクエリセットを使う

よくある失敗は、広いクエリを1本流した段階で止まってしまうことです。代わりに、クエリのパックを作らせてください。

• 引用符を使った完全一致クエリ
• 既知ドメイン向けの site: クエリ
• レポート探索向けの filetype:pdf クエリ
• ノイズ除去のための除外クエリ
• 新しさを重視する期間フィルタ付きクエリ

ここは、リポジトリをざっと眺めるだけでは得にくい、スキル内の参考資料が本当に効いてくる部分です。

よくある品質問題への対処

結果が薄いなら、タスク全体を書き直す前に検索エンジンを切り替えてみてください。ノイズが多いなら、引用符、除外条件、ドメイン制限を追加します。地域性の強いテーマなら、その地域に合った検索エンジンと言語を使うべきです。文書探索より分析寄りの課題であれば、無理に標準検索だけで完結させず、一部を WolframAlpha に振り分けるほうがうまくいくことがあります。

1回目の結果のあとに再度回す

最初のmulti-search-engine利用ラウンドのあとで、エージェントに次の点を列挙させてください。

• どの検索エンジンが固有のソースを出したか
• どこで結果が重複していたか
• 新しく見つかったキーワードは何か
• まだ欠けている根拠は何か

そのうえで、発見した用語、組織名、ファイル形式を使って2回目を回します。多くの場合、この2回目の反復で、genericなブラウジング用プロンプトよりもmulti-search-engineスキルの価値がはっきり出てきます。