使用说明

项目简介

mcp-tavily 是一个基于 Model Context Protocol (MCP) 构建的服务器，它通过集成 Tavily 搜索引擎的 API，为大型语言模型 (LLM) 提供实时的、AI 驱动的网页搜索功能。该服务器允许 LLM 执行复杂的网络搜索，获取直接答案，并检索最新的新闻资讯，从而增强 LLM 在信息获取和处理方面的能力。

主要功能点

网页搜索 (tavily_web_search): 执行全面的网页搜索，并提取网页中的相关内容。支持基础和高级搜索深度，以及通过域名 inclusion/exclusion 过滤搜索结果。
答案搜索 (tavily_answer_search): 进行网页搜索，并生成带有证据支持的直接答案。默认采用高级搜索深度，适用于需要明确答案并追溯信息来源的场景。
新闻搜索 (tavily_news_search): 搜索近期新闻文章，可以按天数回溯检索，并支持域名过滤，帮助 LLM 快速获取最新的新闻资讯。
灵活的搜索参数: 所有搜索工具都支持 'query' (搜索查询) 参数，并提供可选参数如 'max_results' (最大结果数), 'search_depth' (搜索深度), 'days' (新闻搜索天数), 'include_domains' (包含域名), 'exclude_domains' (排除域名) 等，以满足不同的搜索需求。
Prompt 模板: 预置了与工具对应的 Prompt 模板，方便用户通过 Prompt 方式调用搜索功能。

安装步骤

安装 Python 包: 使用 'pip' 或 'uv' 包管理器安装 'mcp-tavily' 包。

pip install mcp-tavily

或

uv pip install mcp-tavily

获取 Tavily API 密钥: 访问 Tavily 官网注册并获取 API 密钥。

服务器配置

MCP 客户端需要配置以下 JSON 信息才能连接到 mcp-tavily 服务器。请将以下配置添加到 MCP 客户端的服务器配置中 (例如 Claude.app 的 'mcpServers' 设置):

{
  "servers": {
    "tavily": {  // 服务器名称，可以自定义
      "command": "python",  // 启动命令，指定 Python 解释器
      "args": ["-m", "mcp_server_tavily"],  // 启动参数，运行 mcp_server_tavily 模块
      "env": {
        "TAVILY_API_KEY": "YOUR_TAVILY_API_KEY"  //  Tavily API 密钥，**请替换为你的实际 API 密钥**
      }
    }
  }
}

注意:

请务必将 '"YOUR_TAVILY_API_KEY"' 替换为你从 Tavily 官网获取的实际 API 密钥。
'server name' (本例中为 "tavily") 可以自定义，用于在 MCP 客户端中引用该服务器。
如果你的 Python 解释器不在系统 PATH 环境变量中，可能需要提供 Python 解释器的完整路径。可以使用 'which python' 命令查找 Python 解释器的路径。

基本使用方法

配置完成后，在 MCP 客户端中，你可以通过自然语言指令来触发 Tavily 搜索功能。以下是一些示例：

通用网页搜索:

告诉我 Anthropic 最新发布的 MCP 协议

指定格式和排除来源的报告生成:

告诉我关于红杉树的信息。请使用 MLA 格式的 Markdown 语法，并在引文中包含 URL。排除维基百科来源。

获取答案 (强制使用 answer 模式):

我想要一个有当前网络来源支持的具体答案：红杉树的平均寿命是多少？

新闻搜索 (过去 5 天的 AI 新闻):

给我过去 5 天内 10 条与 AI 相关的新闻

调试

可以使用 MCP inspector 工具来调试服务器，具体命令请参考仓库 README 文档。

关键词