tavily-search-mcp-server
一个集成了 Tavily 搜索 API 的 MCP 服务器实现,为 LLM 提供优化的搜索能力。
Tools
tavily_search
Performs a web search using the Tavily Search API, optimized for LLMs. Use this for broad information gathering, recent events, or when you need diverse web sources. Supports search depth, topic selection, time range filtering, and domain inclusion/exclusion.
README
Tavily Search MCP 服务器
一个集成了 Tavily Search API 的 MCP 服务器实现,为 LLM 提供优化的搜索能力。
<a href="https://glama.ai/mcp/servers/0kmdibf9t1"><img width="380" height="200" src="https://glama.ai/mcp/servers/0kmdibf9t1/badge" alt="tavily-search-mcp-server MCP server" /></a>
功能
- 网页搜索: 执行针对 LLM 优化的网页搜索,可以控制搜索深度、主题和时间范围。
- 内容提取: 从搜索结果中提取最相关的内容,优化质量和大小。
- 可选功能: 包括图像、图像描述、简短的 LLM 生成的答案和原始 HTML 内容。
- 域名过滤: 在搜索结果中包含或排除特定域名。
工具
- tavily_search
- 使用 Tavily Search API 执行网页搜索。
- 输入:
query
(字符串, 必需): 搜索查询。search_depth
(字符串, 可选): "basic" 或 "advanced" (默认: "basic")。topic
(字符串, 可选): "general" 或 "news" (默认: "general")。days
(数字, 可选): 新闻搜索的天数 (默认: 3)。time_range
(字符串, 可选): 时间范围过滤器 ("day", "week", "month", "year" 或 "d", "w", "m", "y")。max_results
(数字, 可选): 最大结果数 (默认: 5)。include_images
(布尔值, 可选): 包括相关图像 (默认: false)。include_image_descriptions
(布尔值, 可选): 包括图像描述 (默认: false)。include_answer
(布尔值, 可选): 包括简短的 LLM 生成的答案 (默认: false)。include_raw_content
(布尔值, 可选): 包括原始 HTML 内容 (默认: false)。include_domains
(字符串数组, 可选): 要包含的域名。exclude_domains
(字符串数组, 可选): 要排除的域名。
设置指南 🚀
1. 前提条件
- 您的计算机上安装了 Claude Desktop。
- 一个 Tavily API 密钥: a. 注册一个 Tavily API 帐户。 b. 选择一个计划 (提供免费层)。 c. 从 Tavily 仪表板生成您的 API 密钥。
2. 安装
-
将此存储库克隆到您计算机上的某个位置:
git clone https://github.com/apappascs/tavily-search-mcp-server.git
-
安装依赖项并构建项目:
cd tavily-search-mcp-server
npm install
npm run build
3. 与 Claude Desktop 集成
-
打开您的 Claude Desktop 配置文件:
# 在 Mac 上: ~/Library/Application\ Support/Claude/claude_desktop_config.json # 在 Windows 上: %APPDATA%\Claude\claude_desktop_config.json
-
将以下其中一个添加到配置中的
mcpServers
对象中,具体取决于您是想使用npm
还是docker
运行服务器:选项 A: 使用 NPM (stdio 传输)
{ "mcpServers": { "tavily-search-server": { "command": "node", "args": [ "/Users/<username>/<FULL_PATH...>/tavily-search-mcp-server/dist/index.js" ], "env": { "TAVILY_API_KEY": "your_api_key_here" } } } }
选项 B: 使用 NPM (SSE 传输)
{ "mcpServers": { "tavily-search-server": { "command": "node", "args": [ "/Users/<username>/<FULL_PATH...>/tavily-search-mcp-server/dist/sse.js" ], "env": { "TAVILY_API_KEY": "your_api_key_here" }, "port": 3001 } } }
选项 C: 使用 Docker
{ "mcpServers": { "tavily-search-server": { "command": "docker", "args": [ "run", "-i", "--rm", "-e", "TAVILY_API_KEY", "-v", "/Users/<username>/<FULL_PATH...>/tavily-search-mcp-server:/app", "tavily-search-mcp-server" ], "env": { "TAVILY_API_KEY": "your_api_key_here" } } } }
-
重要步骤:
- 将
/Users/<username>/<FULL_PATH...>/tavily-search-mcp-server
替换为您克隆存储库的实际完整路径。 - 在
env
部分中添加您的 Tavily API 密钥。 最好始终将 API 密钥之类的机密作为环境变量。 - 即使在 Windows 上,也要确保在路径中使用正斜杠 (
/
)。 - 如果您正在使用 docker,请确保首先使用
docker build -t tavily-search-mcp-server:latest .
构建镜像。
- 将
-
重新启动 Claude Desktop 以使更改生效。
通过 Smithery 安装
要通过 Smithery 自动为 Claude Desktop 安装 Tavily Search:
npx -y @smithery/cli install @apappascs/tavily-search-mcp-server --client claude
环境变量设置 (对于 npm)
-
将
.env.example
复制到.env
:cp .env.example .env
-
使用您的实际 Tavily API 密钥更新
.env
文件:TAVILY_API_KEY=your_api_key_here
注意: 永远不要将您的实际 API 密钥提交到版本控制。 出于安全原因,
.env
文件会被 git 忽略。
使用 NPM 运行
使用 Node.js 启动服务器:
node dist/index.js
对于 sse 传输:
node dist/sse.js
使用 Docker 运行
-
构建 Docker 镜像 (如果尚未构建):
docker build -t tavily-search-mcp-server:latest .
-
运行 Docker 容器:
对于 stdio 传输:
docker run -it --rm -e TAVILY_API_KEY="your_api_key_here" tavily-search-mcp-server:latest
对于 sse 传输:
docker run -it --rm -p 3001:3001 -e TAVILY_API_KEY="your_api_key_here" -e TRANSPORT="sse" tavily-search-mcp-server:latest
您还可以直接利用 shell 的环境变量,这是一种更安全的做法:
docker run -it --rm -p 3001:3001 -e TAVILY_API_KEY=$TAVILY_API_KEY -e TRANSPORT="sse" tavily-search-mcp-server:latest
注意: 第二个命令演示了使用
-e TAVILY_API_KEY=$TAVILY_API_KEY
将TAVILY_API_KEY
环境变量的值传递到 Docker 容器中的推荐方法。 这可以使您的 API 密钥远离您的命令历史记录,并且通常优于在命令中硬编码机密。 -
使用 docker compose
运行:
docker compose up -d
停止服务器:
docker compose down
许可证
此 MCP 服务器已获得 MIT 许可证的许可。 这意味着您可以自由使用、修改和分发该软件,但须遵守 MIT 许可证的条款和条件。 有关更多详细信息,请参阅项目存储库中的 LICENSE 文件。
推荐服务器

e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。
AIO-MCP Server
🚀 集成了 AI 搜索、RAG 和多服务(GitLab/Jira/Confluence/YouTube)的一体化 MCP 服务器,旨在增强 AI 驱动的开发工作流程。来自 Folk。
Knowledge Graph Memory Server
为 Claude 实现持久性记忆,使用本地知识图谱,允许 AI 记住用户的信息,并可在自定义位置存储,跨对话保持记忆。
Hyperbrowser
欢迎来到 Hyperbrowser,人工智能的互联网。Hyperbrowser 是下一代平台,旨在增强人工智能代理的能力,并实现轻松、可扩展的浏览器自动化。它专为人工智能开发者打造,消除了本地基础设施和性能瓶颈带来的麻烦,让您能够:

any-chat-completions-mcp
将 Claude 与任何 OpenAI SDK 兼容的聊天完成 API 集成 - OpenAI、Perplexity、Groq、xAI、PyroPrompts 等。
Exa MCP Server
一个模型上下文协议服务器,它使像 Claude 这样的人工智能助手能够以安全和受控的方式,使用 Exa AI 搜索 API 执行实时网络搜索。
BigQuery MCP Server
这是一个服务器,可以让你的大型语言模型(LLM,比如Claude)直接与你的BigQuery数据对话!可以把它想象成一个友好的翻译器,它位于你的AI助手和数据库之间,确保它们可以安全高效地进行交流。
mcp-perplexity
Perplexity API 的 MCP 服务器。