项目简介

Brave Search MCP Server 是一个基于 Model Context Protocol (MCP) 构建的后端服务，旨在将 Brave Search API 的强大搜索能力标准化地提供给大型语言模型（LLM）客户端。它支持多种传输协议（默认为 STDIO，也可通过 HTTP 运行），允许 LLM 调用其提供的搜索工具，获取实时、丰富的上下文信息。

主要功能点

该服务器集成了 Brave Search API 的以下核心搜索功能：

网页搜索 (brave_web_search)：执行全面的网页搜索，支持丰富的搜索结果类型和高级过滤选项，包括 AI 摘要键生成。
本地搜索 (brave_local_search)：搜索本地企业和地点，提供详细信息如评分、营业时间和 AI 生成的描述。适用于“附近”、“在我所在区域”等地理位置相关的查询。
视频搜索 (brave_video_search)：搜索视频内容，提供丰富的元数据和缩略图信息。
图片搜索 (brave_image_search)：搜索图片并提供直接显示所需的 Base64 编码信息。
新闻搜索 (brave_news_search)：搜索最新新闻文章，支持时间过滤和突发新闻指示。
摘要生成 (brave_summarizer)：利用 Brave 的 AI 摘要 API，从网页搜索结果中生成 AI 驱动的摘要。使用此功能需先通过网页搜索获取摘要密钥。

安装步骤

在开始之前，您需要注册一个 Brave Search API 账户并获取您的 API 密钥。

方式一：使用 Docker 运行

如果您已安装 Docker，可以通过以下命令构建并运行服务器：

构建 Docker 镜像：

docker build -t mcp/brave-search:latest .

运行服务器： 在 MCP 客户端配置中，将 'BRAVE_API_KEY' 环境变量设置为您的实际 API 密钥。例如：

{
  "mcpServers": {
    "brave-search": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "-e", "BRAVE_API_KEY", "mcp/brave-search"],
      "env": {
        "BRAVE_API_KEY": "YOUR_API_KEY_HERE"
      }
    }
  }
}

方式二：使用 NPX 运行

如果您已安装 Node.js 和 npm，可以使用 'npx' 直接运行服务器（推荐）：

运行服务器： 在 MCP 客户端配置中，将 'BRAVE_API_KEY' 环境变量设置为您的实际 API 密钥。例如：

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@brave/brave-search-mcp-server", "--transport", "http"],
      "env": {
        "BRAVE_API_KEY": "YOUR_API_KEY_HERE"
      }
    }
  }
}

请注意，'--transport http' 参数将使服务器以 HTTP 模式运行，以便 MCP 客户端通过 HTTP 连接。如果省略，默认为 STDIO 模式。

服务器配置（MCP客户端侧）

MCP 客户端（如 Claude Desktop 或 VS Code 的 MCP 扩展）需要配置如何启动和连接 Brave Search MCP 服务器。以下是典型的 JSON 配置示例，您需要将其添加到您的 MCP 客户端配置中（例如 'claude_desktop_config.json' 或 VS Code 的用户设置）：

{
  "inputs": [
    {
      "password": true,
      "id": "brave-api-key",
      "type": "promptString",
      "description": "您的 Brave Search API 密钥"
    }
  ],
  "servers": {
    "brave-search": {
      "command": "docker", // 或 "npx"
      "args": ["run", "-i", "--rm", "-e", "BRAVE_API_KEY", "mcp/brave-search"], // 或 ["-y", "@brave/brave-search-mcp-server", "--transport", "stdio"]
      "env": {
        "BRAVE_API_KEY": "${input:brave-api-key}" // 动态获取用户输入的API密钥
      }
    }
  }
}

配置说明：

'inputs': 定义了客户端在启动服务器前可能需要用户提供的输入，此处用于安全地获取 'BRAVE_API_KEY'。
'servers': 包含一个或多个 MCP 服务器的配置。
- 'brave-search': 这是您为该 MCP 服务器定义的唯一名称，客户端会使用此名称来引用它。
- 'command': 启动服务器所执行的程序或命令。根据您的安装方式，可以是 'docker' 或 'npx'。
- 'args': 传递给 'command' 的参数列表。
  - Docker 方式: '["run", "-i", "--rm", "-e", "BRAVE_API_KEY", "mcp/brave-search"]'，这会运行一个 Docker 容器，并传递 API 密钥。
  - NPX 方式: '["-y", "@brave/brave-search-mcp-server", "--transport", "stdio"]'，这会通过 npx 运行服务器包，并指定使用 STDIO 传输协议。如果需要 HTTP 传输，将 'stdio' 改为 'http'。
- 'env': 设置服务器运行时的环境变量，此处将 'BRAVE_API_KEY' 传递给服务器。'${input:brave-api-key}' 表示从 'inputs' 中定义的 'brave-api-key' 获取值。

基本使用方法

一旦 MCP 客户端配置并成功连接到 Brave Search MCP 服务器，LLM 即可通过调用服务器上注册的工具来执行搜索操作。例如，当 LLM 需要进行网页搜索时，它将识别并调用 'brave_web_search' 工具，并提供相应的查询参数。服务器会处理请求，调用 Brave Search API，并将结构化的搜索结果返回给 LLM。

示例（LLM视角）：

如果LLM需要搜索“最新的AI新闻”，它可能会调用 'brave_news_search' 工具，参数为 'query: "latest AI news"'。
如果LLM需要查找“旧金山附近的意大利餐厅”，它可能会调用 'brave_local_search' 工具，参数为 'query: "Italian restaurants in San Francisco"'。
如果LLM需要获取一个关于某个主题的总结，它会先调用 'brave_web_search' 并设置 'summary: true'，然后使用返回的 'key' 调用 'brave_summarizer'。

LLM 客户端将负责将用户的意图映射到正确的工具调用及其参数，并解析 MCP 服务器返回的结果。

关键词