Tavily MCPサーバー

「Tavily」MCPサーバーとは？

Tavily MCPサーバーは、Tavilyの検索APIを活用した高度なウェブ検索機能をAIアシスタントに提供するModel Context Protocol（MCP）サーバーです。このサーバーを統合することで、AIモデルは堅牢なウェブ検索、複雑な質問への直接回答の取得、AIによる関連コンテンツ抽出付きの最新ニュース記事の収集が可能となります。これにより、包括的な情報収集、根拠付きの質問応答、最新ニュースの集約などのタスクをLLM環境内のツールやリソースとして簡単に利用できるようになり、開発ワークフローが強化されます。Tavily MCPサーバーは、AIアシスタントとリアルタイムかつ高品質なウェブデータの橋渡しを行い、リサーチ・自動化・コンテキスト認識AIソリューションを円滑化します。

プロンプト一覧

• tavily_web_search – TavilyのAI搭載検索エンジンでウェブ検索。
• tavily_answer_search – ウェブ検索と根拠付きAI生成回答を取得。
• tavily_news_search – Tavilyのニュース検索で最新記事を検索。

リソース一覧

• リポジトリドキュメントに明示的なリソースセクションは見当たりませんでした。

ツール一覧

• tavily_web_search
  AIによるコンテンツ抽出機能付きで包括的なウェブ検索を実行します。
  • パラメータ: query, max_results, search_depth, include_domains, exclude_domains
• tavily_answer_search
  ウェブ検索と根拠付きの直接回答を生成します。
  • パラメータ: query, max_results, search_depth, include_domains, exclude_domains
• tavily_news_search
  公開日付きで最新ニュース記事を検索します。
  • パラメータ: query, max_results, days, include_domains, exclude_domains

このMCPサーバーのユースケース

• 包括的ウェブ検索
  開発者はあらゆるトピックに対し広範囲な検索を実施可能。AIが抽出・要約し、ワークフローで容易に活用できます。
• 直接質問応答
  AIアシスタントがユーザーの質問に根拠付きの直接回答を返し、精度向上や調査時間短縮に貢献します。
• ニュース集約
  指定クエリに関連する最新ニュース記事を取得・要約し、ユーザーに最新動向を提供します。
• ドメイン特化検索
  特定ドメインのみに絞ったり、除外したりして検索でき、学術・企業・業界特化型リサーチが可能です。
• 根拠リンク収集
  回答やレポートにおける参考リンクや出典を集約し、意思決定や文書化における透明性を担保します。

セットアップ方法

Windsurf

1. Python 3.11以上とTavily APIキーを用意してください。
2. パッケージをインストール:

   pip install mcp-tavily
   

3. Windsurfの設定ファイルを探します。
4. mcpServersにTavily MCPサーバーを追加:

   {
     "mcpServers": {
       "tavily": {
         "command": "mcp-tavily",
         "args": []
       }
     }
   }
   

5. ファイルを保存し、Windsurfを再起動します。
6. サーバーが稼働しアクセス可能か確認します。

APIキーの安全な管理：
Tavily APIキーは環境変数で管理してください:

{
  "mcpServers": {
    "tavily": {
      "command": "mcp-tavily",
      "env": {
        "TAVILY_API_KEY": "YOUR_TAVILY_API_KEY"
      },
      "inputs": {}
    }
  }
}

Claude

1. 環境にmcp-tavilyをインストール。
2. Claudeの設定ファイルに以下を追加:

   {
     "mcpServers": {
       "tavily": {
         "command": "mcp-tavily"
       }
     }
   }
   

3. 上記のようにenvセクションにTavily APIキーを追加。
4. Claudeを再起動し、接続を確認。

Cursor

1. mcp-tavilyがインストールされていることを確認。
2. Cursorの設定を開きます。
3. 以下を挿入:

   {
     "mcpServers": {
       "tavily": {
         "command": "mcp-tavily"
       }
     }
   }
   

4. サポートされていればenvフィールドにTavily APIキーを入力。
5. 保存してCursorを再起動。

Cline

1. pipまたはuvでmcp-tavilyをインストール。
2. Clineの設定ファイルを編集:

   {
     "mcpServers": {
       "tavily": {
         "command": "mcp-tavily"
       }
     }
   }
   

3. envセクションにAPIキーを追加。
4. 保存してClineを再起動。

フロー内でのMCPサーバー利用方法

FlowHuntでのMCP活用

FlowHuntワークフローにMCPサーバーを統合するには、MCPコンポーネントをフローに追加し、AIエージェントと接続します。

MCPコンポーネントをクリックして設定画面を開き、system MCP設定セクションで以下のJSONフォーマットを使ってMCPサーバー情報を入力します。

{
  "tavily": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定後、AIエージェントはこのMCPをツールとして利用できるようになり、すべての機能・能力にアクセス可能です。なお、“tavily"部分は実際のMCPサーバー名（例：“github-mcp”、“weather-api"など）に、URLもご自身のMCPサーバーURLに必ず変更してください。

概要

総評

Tavily MCPサーバーは、明確なサーチ用ツール群・プロンプトテンプレート・シンプルなインストール＆設定手順を備えています。一方で明示的なリソース定義やroots・サンプリングなど高度なMCP機能への言及はありません。機能特化型でドキュメントも良好ですが、いくつかのMCPプリミティブが不足しているため、実用評価は7/10としました。

MCPスコア