Tavily Search: 大模型联网搜索智能体

Tavily Search: 大模型联网搜索智能体

Tavily Search 是一款针对大型语言模型(LLM)和智能体(Agent)设计的智能搜索引擎,通过实时数据检索和检索增强生成(RAG)技术,为 AI 应用提供精准、高效的信息支持。其核心功能包括:单次 API 调用聚合多源数据(支持 20+ 权威来源)、定制化搜索(如领域限制、时间范围筛选)、结构化结果输出(含引用溯源),并深度集成 LangChain 等框架,适用于实时数据增强、企业研究、内容生成等场景。与 Jina AI 等平台相比,Tavily 专注于实时信息检索优化,开发者可通过 Python/JavaScript 快速调用,免费提供每月 1,000 次查询。而且,Tavily支持直接在线注册并使用,而大多数其他类似工具在国内则无法直接访问。

在开始之前,需要访问“获取API密钥”页面,注册并登录Tavily平台以取得API密钥。

1. python直接调用

为了安装Tavily的Python包,请按照以下步骤操作:

  1. 打开终端或命令行界面。
  2. 运行以下pip命令来安装Tavily库:
pip install tavily

确认安装过程无误后,就可以在项目中导入并使用Tavily的相关功能了。

from tavily import TavilyClient
tavily_client = TavilyClient(api_key="tvly-YOUR_API_KEY")
response = tavily_client.search("今天北京的天气怎么样?")
print(response)

2. Langchain调用Tavily Search的API

2.1. 安装langchain-tavily

pip install langchain-tavily

2.2. 检索

import getpass
import os
from langchain_community.tools.tavily_search import TavilySearchResults

if not os.environ.get("TAVILY_API_KEY"):
    os.environ["TAVILY_API_KEY"] = getpass.getpass("Tavily API key:tvly-YOUR_API_KEY")

# 搜索(免费用户每月仅1000次的搜索额度哦!)
search = TavilySearchResults(
    max_results=1,
    topic="general",
    # include_answer=False,
    # include_raw_content=False,
    # include_images=False,
    # include_image_descriptions=False,
    # search_depth="basic",
    # time_range="day",
    # include_domains=None,
    # exclude_domains=None
)
print(search.invoke("今天北京的天气怎么样?"))

3. MCP调用 (Windows+Cursor)

Tavily 支持通过模型上下文协议 Model Context Protocol (MCP) 调用,使其能够无缝集成到支持 MCP 的客户端(如 Cursor、Claude桌面、WindSurf、Cline),提供 AI 搜索能力。通过 MCP 服务器,Tavily 可实现多维度搜索控制(如限定时间范围、过滤域名、调整结果数量等),并支持 AI 生成的摘要和结构化结果输出,可以应用于优化 RAG和 LLM 的实时信息检索。用户只需配置 API 密钥即可快速部署,适用于开发环境、研究分析等场景。MCP安装可以参考:tavily-mcp

3.1. MCP调用依赖安装

  1. Tavily API key
  2. Cursor (或Claude桌面、WindSurf、Cline)
  3. 安装Node.js

3.2. npx安装Tavily

npx -y tavily-mcp@0.1.3

npx安转后报错如下:

npx : 无法加载文件 C:\Program Files\nodejs\npx.ps1,因为在此系统上禁止运行脚本。有关详细信息,请参阅https:/go.microsoft.com/fwlink/?LinkID=135170](http://t.com/fwlink/?LinkID=135170) 中的about_Execution_Policies。
所在位置 行:1 字符: 1

  • npx
  • + CategoryInfo : SecurityError: (:) [],PSSecurityException + FullyQualifiedErrorId : UnauthorizedAccess

解决方案:
在powershell中执行:

get-ExecutionPolicy

返回 Restricted 说明状态是禁止的。可以通过set-ExecutionPolicy修改状态。

set-ExecutionPolicy RemoteSigned

弹出弹框,点击“是”即可。

3.3. 在Cursor中配置MCP客户端

注意: 需要 Cursor 版本大于 0.45.6

  1. 打开 Cursor设置(Cursor Settings)→ MCP Servers
  2. 点击“+ Add New MCP Server”按钮
  3. mcp.json文件填写下列信息:
{
  "mcpServers": {
    "tavily-mcp": {
      "command": "npx",
      "args": ["-y", "tavily-mcp@0.1.3"],
      "env": {
        "TAVILY_API_KEY": "tvly-YOUR_API_KEY"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

注意替换"TAVILY_API_KEY"为自己的key即可。

4. 价格

在这里插入图片描述

### 配置Cherry Studio实现联网搜索 为了使Cherry Studio能够执行联网搜索功能,需要完成一系列配置操作。以下是详细的说明: #### 1. 获取Tavily API Key 每月提供1000次免费调用额度,超出部分需付费。可以通过以下步骤获取API Key: - 访问Tavily官网并注册账号。 - 登录后,在个人中心页面找到API Key选项[^2]。 - 复制生成的API Key。 #### 2. 填写API Key到Cherry Studio 进入Cherry Studio软件界面,按照如下路径进行设置: - 打开左侧菜单栏中的“设置”选项。 - 导航至“模型服务”,选择“硅基流动”作为服务商[^3]。 - 在指定字段中粘贴之前复制的Tavily API Key[^1]。 #### 3. 使用内置联网模型 如果希望简化流程,可以直接选用支持联网功能的预设模型: - 在模型列表里挑选带有联网图标的选项,比如阿里云qwen-max模型。 - 此类模型无需额外输入API Key即可自动接入互联网资源。 #### 4. 测试联网搜索功能 完成上述配置之后,启动一次测试查询来验证网络连接状态是否正常工作: - 输入任意关键词发起检索请求。 - 如果返回结果包含实时抓取的数据,则表明联网成功。 ```python import requests def test_network_connection(api_key): url = "https://api.tavily.com/v1/search" headers = {"Authorization": f"Bearer {api_key}"} params = { 'query': 'test query', 'num_results': 5, } response = requests.get(url, headers=headers, params=params) if response.status_code == 200: print("联网成功") else: print(f"失败:{response.text}") # 替换为实际取得的key值 your_api_key = "your_actual_api_key_here" test_network_connection(your_api_key) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值