tavily-ai/tavily-mcp
Production ready MCP server with real-time search, extract, map & crawl.
什麼是 Tavily MCP Server？
Tavily MCP 是一個輕量級、可自行主機（或遠端主機）的 MCP（模型上下文協定）伺服器，讓 AI 代理可存取四種網路知識工具：
| 工具 | 功能 | 常見的 AI 使用情境 |
|---|---|---|
| tavily‑search | 即時網路搜尋（類似 Google） | 在模型產生回應時，取得最新事實、新聞或參考資料 |
| tavily‑extract | 從 URL 提取主要文字、圖片與元資料 | 摘要網頁內容、回答關於其內容的問題，或將文字輸入下游模型 |
| tavily‑map | 爬取網站並回傳結構化的網站地圖（頁面、層級、連結） | 建立文件網站的知識圖譜，或為聊天機器人建立導航輔助 |
| tavily‑crawl | 系統性地探索一個網域，回傳發現的 URL 列表及其內容 | 收集語料庫以進行微調、RAG 索引或大規模分析 |
該伺服器遵循 Model Context Protocol — 一種標準協定，讓基於 LLM 的工具（如 Claude Code、Cursor 等）能像內建函式一樣呼叫外部服務。透過將 Tavily MCP 伺服器加入客戶端，模型即可透過簡單的 JSON 請求，調用四種工具中的任何一種。
如何執行它
遠端（由 Tavily 主機）
- 無需安裝 – 只需將您的客戶端指向
https://mcp.tavily.com/mcp/，並在 URL 中提供 Tavily API 金鑰（?tavilyApiKey=…）或透過Authorization: Bearer …標頭傳遞。 - 您也可以傳送
DEFAULT_PARAMETERS標頭，其中包含 JSON 物件，以設定每次請求的預設搜尋選項（例如"include_images":true,"max_results":10）。
本地（自行執行）
- 安裝 Node 20+。
- 使用 NPX 直接執行套件：
npx -y tavily-mcp@latest - 在 MCP 客戶端設定中提供您的 API 金鑰及任何可選的環境變數（見下文）。
您可能關心的設定選項
| 環境變數 / 標頭 | 目的 | 範例 |
|---|---|---|
TAVILY_API_KEY |
驗證每次工具呼叫。 | TAVILY_API_KEY=sk_… |
DEFAULT_PARAMETERS |
預設搜尋參數的 JSON（包含圖片、深度、結果數量等）。 | "{\"include_images\":true,\"search_depth\":\"advanced\",\"max_results\":15}" |
TAVILY_HUMAN_ID |
可選的不透明使用者識別碼；以 X‑Human‑Id 傳送（伺服器端雜湊）。 |
TAVILY_HUMAN_ID=12345 |
| OAuth 流程 | 不需在 URL 中使用 API 金鑰，可執行 OAuth 流程（由 MCP Inspector、Cursor 等支援）。伺服器將發行存取權杖，由客戶端自動使用。 |
如何與常見的 AI 程式設計助理整合
Claude Code（Anthropic）
# API 金鑰放在 URL
claude mcp add --transport http tavily https://mcp.tavily.com/mcp/?tavilyApiKey=<your-key>
# 或使用 OAuth 流程（URL 中無金鑰）
claude mcp add --transport http tavily https://mcp.tavily.com/mcp
新增後，執行 claude，輸入 /mcp 並依照提示完成驗證。加入 --scope user 可讓伺服器對您所有的 Claude 專案可用。
Cursor（以 AI 為首的 IDE）
點選 README 中的 「Add to Cursor」 按鈕，然後編輯產生的 mcp.json，插入您的 API 金鑰：
{
"mcpServers": {
"tavily-remote-mcp": {
"command": "npx -y mcp-remote https://mcp.tavily.com/mcp/?tavilyApiKey=<your-key>",
"env": {}
}
}
}
您也可以透過省略 URL 中的金鑰，使用 OAuth 版本。
哪些人可能會使用它？
| 受眾 | 為何重要 |
|---|---|
LLM 開發者，開發需要即時網路資訊的代理 – 他們可直接從模型呼叫 tavily-search，無需撰寫自訂爬蟲程式。 |
|
RAG 工程師，希望快速從網站取得新文件並輸入向量資料庫 – tavily-crawl/tavily-map 可提供即用的語料庫。 |
|
| 生產力工具開發者（例如 VS Code 延伸模組、AI 記事本），希望加入「搜尋網路」或「摘要網頁」等內建指令。 | |
| 研究人員，探索 LLM 如何與即時資料互動 – 透過遠端伺服器，可在不管理基礎設施的情況下進行實驗。 |
快速「Hello World」請求（MCP 客戶端使用的 JSON 格式）
{
"tool": "tavily-search",
"arguments": {
"query": "最新的 GPT‑4 發布說明",
"max_results": 3,
"include_images": false
}
}
伺服器會回傳結果物件清單，包含 title、url、snippet，以及（如請求）image_url。
如何進一步學習
- 教學 – 建構知識圖譜助理（結合 Tavily MCP 與 Neo4j）。
- 教學 – 將您的程式設計助理連接至網路（整合 Tavily MCP 與 Cline VS Code 延伸模組）。
- Model Context Protocol 規格（底層 API 合約）。
- Anthropic 的 Claude Code 文件，介紹如何新增自訂 MCP 伺服器。
TL;DR
Tavily MCP 是一個即開即用的伺服器，將網路搜尋、內容提取、地圖生成與爬蟲功能轉化為標準 MCP 工具。您可透過單一 npx 命令在本地執行，或連接到 Tavily 的主機端點，讓任何支援 MCP 的 LLM 客戶端（如 Claude Code、Cursor 等）像內建函式一樣呼叫這些工具。這讓 AI 代理能可靠地取得即時開放網路資料，無需自行撰寫爬蟲程式。
相關
- 專案
- 專案
- 專案
- 專案
- 專案