Web Search MCP

🚀 Web_Search_MCP

Web_Search_MCP 是一个使用Tavily API和MCP（模型上下文协议）构建的网络搜索工具服务器。它能让您的语言模型或应用程序实现实时网络搜索功能，与AI系统无缝交互。

🚀 快速开始

Web_Search_MCP 项目利用了以下关键组件：

• Tavily API：强大的搜索API，提供实时、全面的网络搜索结果，包含答案、原始内容和相关元数据。
• FastMCP：使用Python类型提示和文档字符串自动生成工具定义，让创建和维护MCP工具更简单。
• Langchain：特别是 TavilySearchResults 工具，可高效与Tavily API交互。
• Dotenv：从 .env 文件加载环境变量，安全管理API密钥等敏感信息。
• uv：快速的Python包安装程序和解析器，用于管理和运行此项目。

✨ 主要特性

该项目的核心是 search_web 工具，具备以下功能：

• 网络搜索：接受搜索查询，用Tavily API获取网络相关搜索结果。
• 详细结果：提供网站内容、URL、相关性评分、内容类型和直接答案（若有）等详细信息。
• 格式化输出：以结构良好的JSON格式返回搜索结果，包含状态指示器（success 或 error）、结果数组和时间戳。
• 错误处理：搜索过程中优雅处理错误，并以JSON格式返回详细错误信息。
• 异步处理：基于异步，可同时处理多个请求。

📦 安装指南

先决条件

在运行项目前，请确保：

• Python 3.8+：系统已安装Python 3.8或更高版本。
• Tavily API密钥：可通过注册Tavily网站获取有效API密钥。
• uv：Python的uv包管理器，可通过以下命令安装：

pip install uv

安装步骤

1. 创建项目目录：创建项目目录并进入：

uv init Web_Search_MCP    

*** 运行上述代码后，uv会创建 pyproject.toml 和 .venv 文件 *** 2. 创建项目文件：在 Web_Search_MCP 目录中创建 main.py 和 .env 文件。 3. 激活虚拟环境：进入 .venv/Scripts/ 并激活虚拟环境。 4. 复制代码：将代码复制到 main.py 和 .env 文件中。 5. 安装依赖项：使用 uv 安装所需Python包：

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

配置

.env 文件

• 在 Web_Search_MCP 目录中创建 .env 文件。
• 将Tavily API密钥添加到 .env 文件，格式如下：

TAVILY_API_KEY='your_tavily_api_key'

将 your_tavily_api_key 替换为实际的API密钥。

claude_desktop_config.json

• 在 Web_Search_MCP 目录中创建 claude_desktop_config.json 文件。
• 将以下内容粘贴到文件中：

{
    "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。

运行

1. 安装依赖项：在项目目录中打开终端，运行：

pip install -r requirements.txt

2. 启动服务器：运行以下命令启动服务器：

uvicorn main:app --reload

3. 访问接口：打开浏览器，访问 http://localhost:8000。

💻 使用示例

基础用法

一旦服务器运行，它会暴露一个名为 search_web 的工具，根据模型上下文协议。

• 工具名称：search_web
• 输入：
  • query (str)：要提交到网络的搜索查询。
• 输出：一个结构化的JSON字符串，包含搜索结果。

示例 JSON 响应（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
}