Web Search MCP

🚀 Web_Search_MCP

Web_Search_MCP 是一個使用Tavily API和MCP（模型上下文協議）構建的網絡搜索工具服務器。它能讓您的語言模型或應用程序實現即時網絡搜索功能，與AI系統無縫交互。

🚀 快速開始

Web_Search_MCP 項目利用了以下關鍵組件：

• Tavily API：強大的搜索API，提供即時、全面的網絡搜索結果，包含答案、原始內容和相關元數據。
• FastMCP：使用Python類型提示和文檔字符串自動生成工具定義，讓創建和維護MCP工具更簡單。
• Langchain：特別是 TavilySearchResults 工具，可高效與Tavily API交互。
• Dotenv：從 .env 文件加載環境變量，安全管理API密鑰等敏感信息。
• uv：快速的Python包安裝程序和解析器，用於管理和運行此項目。

✨ 主要特性

該項目的核心是 search_web 工具，具備以下功能：

• 網絡搜索：接受搜索查詢，用Tavily API獲取網絡相關搜索結果。
• 詳細結果：提供網站內容、URL、相關性評分、內容類型和直接答案（若有）等詳細信息。
• 格式化輸出：以結構良好的JSON格式返回搜索結果，包含狀態指示器（success 或 error）、結果數組和時間戳。
• 錯誤處理：搜索過程中優雅處理錯誤，並以JSON格式返回詳細錯誤信息。
• 異步處理：基於異步，可同時處理多個請求。

📦 安裝指南

先決條件

在運行項目前，請確保：

• Python 3.8+：系統已安裝Python 3.8或更高版本。
• Tavily API密鑰：可通過註冊Tavily網站獲取有效API密鑰。
• uv：Python的uv包管理器，可通過以下命令安裝：

pip install uv

安裝步驟

1. 創建項目目錄：創建項目目錄並進入：

uv init Web_Search_MCP    

*** 運行上述代碼後，uv會創建 pyproject.toml 和 .venv 文件 *** 2. 創建項目文件：在 Web_Search_MCP 目錄中創建 main.py 和 .env 文件。 3. 激活虛擬環境：進入 .venv/Scripts/ 並激活虛擬環境。 4. 複製代碼：將代碼複製到 main.py 和 .env 文件中。 5. 安裝依賴項：使用 uv 安裝所需Python包：

uv add "mcp[cli]" python-dotenv langchain-community tavily-python

配置

.env 文件

• 在 Web_Search_MCP 目錄中創建 .env 文件。
• 將Tavily API密鑰添加到 .env 文件，格式如下：

TAVILY_API_KEY='your_tavily_api_key'

將 your_tavily_api_key 替換為實際的API密鑰。

claude_desktop_config.json

• 在 Web_Search_MCP 目錄中創建 claude_desktop_config.json 文件。
• 將以下內容粘貼到文件中：

{
    "proxy": null,
    "model_name": " Claude 2",
    "temperature": 0.1,
    "max_tokens": 1000,
    "tools": [
        {
            "type": "function_calling",
            "tool_name": "search_web",
            "description": "Use this tool to search the web and obtain relevant information."
        }
    ]
}

• 保存文件。

運行

1. 安裝依賴項：在項目目錄中打開終端，運行：

pip install -r requirements.txt

2. 啟動服務器：運行以下命令啟動服務器：

uvicorn main:app --reload

3. 訪問接口：打開瀏覽器，訪問 http://localhost:8000。

💻 使用示例

基礎用法

一旦服務器運行，它會暴露一個名為 search_web 的工具，根據模型上下文協議。

• 工具名稱：search_web
• 輸入：
  • query (str)：要提交到網絡的搜索查詢。
• 輸出：一個結構化的JSON字符串，包含搜索結果。

示例 JSON 響應（成功）：

{
    "status": "success",
    "results": [
        {
            "title": "...",
            "url": "...",
            "content": "text",
            "score": 0.9,
            "raw_content": "..."
        },
        {
             "title": "...",
            "url": "...",
            "content": "text",
            "score": 0.9,
            "raw_content": "..."
        }
    ],
    "timestamp": 1708849844.064655
}