使用说明

项目简介

mcp-server-tavily 是一个 MCP 服务器实现，专注于提供网页搜索功能。它集成了 Tavily API，允许连接到此服务器的 LLM 应用（如 Claude）通过标准的 MCP 协议调用搜索工具，从而获取最新的网络信息。该服务器主要提供一个名为 "search" 的工具，可以根据用户提供的查询语句进行网页搜索，并返回包含 AI 答案、相关链接和标题的文本格式结果。

主要功能点

网页搜索工具: 提供名为 "search" 的工具，允许 LLM 客户端进行网页搜索。
Tavily API 集成: 使用 Tavily API 作为后端搜索引擎，保证搜索结果的质量和实时性。
可配置搜索深度: 支持 "basic" 和 "advanced" 两种搜索深度，允许用户根据需求调整搜索范围。
结构化搜索结果: 返回包含 AI 答案、搜索结果链接和标题的文本信息，方便 LLM 理解和利用。
MCP 协议支持: 完全遵循 MCP 协议规范，能够与任何兼容 MCP 协议的客户端进行通信。

安装步骤

下载仓库: 首先，你需要从 GitHub 下载 mcp-server-tavily 仓库到你的本地计算机。

git clone https://github.com/MCP-Mirror/Tomatio13_mcp-server-tavily.git

配置 Claude 桌面应用 (如果使用 Claude): 如果你计划将此 MCP 服务器与 Claude 桌面应用一起使用，你需要编辑 Claude 的配置文件以添加该服务器。
- MacOS: 打开 '~/Library/Application\ Support/Claude/claude_desktop_config.json' 文件。
- Windows: 打开 'C:\Users[你的用户名]\AppData\Roaming\Claude\claude_desktop_config.json' 文件。

编辑配置文件: 在 'claude_desktop_config.json' 文件中，找到 '"mcpServers"' 部分，并添加 "tavily-search" 服务器的配置。确保将 'C:\your_path\mcp-server-tavily' 替换为你实际存放仓库的路径，并将 'YOUR_TAVILY_API_KEY' 替换为你的 Tavily API 密钥。

"mcpServers": {
  "tavily-search": {
    "command": "uv",
    "args": [
      "--directory",
      "C:\\your_path\\mcp-server-tavily",
      "run",
      "tavily-search"
    ],
    "env": {
      "TAVILY_API_KEY": "YOUR_TAVILY_API_KEY",
      "PYTHONIOENCODING": "utf-8"
    }
  }
}

重启 Claude 桌面应用: 保存配置文件后，重启 Claude 桌面应用使配置生效。

服务器配置 (MCP 客户端配置)

对于需要配置 MCP 服务器的客户端（例如 Claude），你需要提供以下服务器配置信息。这些信息通常以 JSON 格式配置在客户端的应用设置中。

{
  "serverName": "tavily-search",  // 服务器名称，客户端用于识别和调用
  "command": "uv",               // 启动服务器的命令，这里使用 uv 运行 Python
  "args": [                      // 启动命令的参数
    "--directory",              // 指定工作目录
    "/path/to/mcp-server-tavily", //  替换为 mcp-server-tavily 仓库的实际路径
    "run",                      // uv run 命令
    "tavily-search"             // 运行 "tavily-search" 入口点 (在 pyproject.toml 中定义)
  ],
  "env": {                       // 环境变量
    "TAVILY_API_KEY": "YOUR_TAVILY_API_KEY", // 你的 Tavily API 密钥，**必须替换为实际密钥**
    "PYTHONIOENCODING": "utf-8" // 设置 Python 编码为 utf-8
  }
}

注意:

请将 '/path/to/mcp-server-tavily' 替换为 'mcp-server-tavily' 仓库在你的系统上的实际路径。
务必将 'YOUR_TAVILY_API_KEY' 替换为你从 Tavily 平台获得的 API 密钥。 API 密钥是访问 Tavily 搜索服务的凭证，没有正确的 API 密钥，服务器将无法正常工作。
'uv' 是一个快速的 Python 包安装和运行工具，如果你的环境中没有安装 'uv'，你需要先安装它。或者，你可以根据你的环境将 'command' 和 'args' 修改为使用 'python' 命令直接运行 'server.py' 文件。例如，可以将 'command' 设置为 'python'， 'args' 设置为 '["/path/to/mcp-server-tavily/src/server.py"]'。但请注意，使用 'uv' 是仓库推荐的运行方式。

基本使用方法

配置完成后，在支持 MCP 协议的 LLM 客户端中，你可以通过自然语言指令来触发网页搜索。例如，在 Claude 中，你可以这样提问：

请搜索一下镰仓今天有哪些活动

或者更详细地指定搜索深度：

请详细搜索一下镰仓今天有哪些活动

服务器将调用 Tavily API 进行搜索，并将搜索结果返回给 LLM 客户端，客户端会根据返回的信息生成回复。搜索结果会包含 AI 生成的答案以及搜索到的网页链接和摘要。

本地 Docker 环境运行 (可选)

如果你希望在非 Windows/MacOS 系统或者本地环境中运行 MCP 服务器和客户端，可以使用 Docker Compose 进行部署。

安装 Docker: 确保你的系统已安装 Docker 和 Docker Compose。

下载仓库: (同安装步骤 1)

git clone https://github.com/MCP-Mirror/Tomatio13_mcp-server-tavily.git

运行 Docker Compose: 在仓库根目录下，运行以下命令启动 Docker 容器。
```
docker compose up -d
```

执行客户端: 进入 'mcp_server' 容器并运行客户端脚本 'client.py' 来测试服务器。

docker exec mcp_server uv --directory /usr/src/app/mcp-server-tavily/src run client.py

客户端会发送请求到服务器并打印返回结果，你可以通过查看输出来验证服务器是否正常工作。

通过 Docker Compose 运行，你可以快速搭建一个本地的 MCP 服务器和客户端环境，方便开发和测试。

关键词