要实现基于llm的web访问和交互，需支持对llm的访问和对网络搜索的调用。
这里使用ollama llm兼容openai sdk访问；使用proxyless-llm-websearch模拟网络搜索。
1 ollama本地部署
假设ollama已经部署，具体过程参考
在mac m1基于ollama运行deepseek r1_mac m1 ollama-CSDN博客
mac m1计算慢，所以使用4b的小模型。
ollama pull qwen3:4b
ollama 支持openai sdk的访问，具体参考
如何用OpenAI SDK调用Ollama LLM-CSDN博客
2 web资源访问 & 交互
proxyless-llm-websearch无需代理，这里用于支持对web搜索引擎的调用。
1）下载proxyless-llm-websearch
git clone https://github.com/itshyao/proxyless-llm-websearch.git
2）配置proxyless-llm-websearch
cd proxyless-llm-websearch
由于本地使用ollama部署了qwen3:4b，所以支持使用openai api直接访问qwen3:4b。
具体配置在.env
vim .env
修改后OPENAI相关配置结果如下，包括openai base和embedding。
OPENAI_API_KEY=xxx
OPENAI_BASE_URL=http://localhost:11434/v1
MODEL_NAME=qwen3:4bEMBEDDING_MODEL_NAME=bge-m3:latest
EMBEDDING_API_KEY=xxx
EMBEDDING_BASE_URL=http://localhost:11434/v1
3）安装依赖
pip install -r requirements.txt
python -m playwright install
4）gradle示例
python gradio_demo.py
成功运行后，就可以通过浏览器访问验证了，链接如下
输入“广州的天气”，经过一阵计算，结果如下。
mac m1速度慢，需要访问网络搜索，处理搜索结果，整体计算过程较长。
另外，小模型能力有限，最终整理结果相对偏离预期。
reference
---
ollama qwen3
https://ollama.com/library/qwen3
proxyless-llm-websearch
https://github.com/itshyao/proxyless-llm-websearch/tree/main
LLM_Web_search
https://github.com/mamei16/LLM_Web_search
DeepSeek R1本地化部署+web端访问+LLM交互平台
https://zhuanlan.zhihu.com/p/28344252876
LLM_Web_Search 项目安装和配置指南
https://blog.csdn.net/gitblog_07214/article/details/142227878
🧠 无需代理的 LLM 网络搜索引擎开源了！
https://zhuanlan.zhihu.com/p/1902806926141686494
agent-search
https://www.dongaigc.com/p/SciPhi-AI/agent-search
MCP server 开发半入门——"hello world"
https://zhuanlan.zhihu.com/p/1895767734287049432
model context protocol
https://github.com/modelcontextprotocol/python-sdk
MCP 协议关于tool 的几个基础问题
https://zhuanlan.zhihu.com/p/1898303391643448923
mcp-weather-sample
https://github.com/aobao32/mcp-weather-sample.git
搭建简易本地MCP服务器
https://www.imooc.com/article/379905
大模型 RAG 基础：信息检索、文本向量化及 BGE-M3 embedding 实践（2024）