Máy chủ Tavily MCP

Máy chủ “Tavily” MCP làm gì?

Máy chủ Tavily MCP là một máy chủ Model Context Protocol (MCP) giúp trợ lý AI nâng cao khả năng tìm kiếm web thông qua API tìm kiếm của Tavily. Khi tích hợp với máy chủ này, các mô hình AI có thể thực hiện tìm kiếm web mạnh mẽ, truy xuất câu trả lời trực tiếp cho các câu hỏi phức tạp và thu thập các bài báo tin tức mới nhất với nội dung liên quan do AI trích xuất. Điều này nâng cao quy trình phát triển bằng cách cho phép các tác vụ như truy xuất thông tin toàn diện, trả lời câu hỏi có dẫn chứng và tổng hợp tin tức cập nhật—tất cả đều có thể truy cập như các công cụ hoặc nguồn lực trong môi trường sử dụng LLM. Máy chủ Tavily MCP kết nối khoảng cách giữa trợ lý AI và dữ liệu web chất lượng cao, theo thời gian thực, giúp đơn giản hóa nghiên cứu, tự động hóa, và các giải pháp AI nhận thức ngữ cảnh.

Danh sách Prompt

• tavily_web_search – Tìm kiếm web bằng công cụ AI của Tavily.
• tavily_answer_search – Tìm kiếm web và nhận câu trả lời sinh bởi AI kèm bằng chứng hỗ trợ.
• tavily_news_search – Tìm kiếm các bài báo tin tức mới bằng công cụ tìm tin tức của Tavily.

Danh sách Tài nguyên

• Không tìm thấy mục tài nguyên rõ ràng trong tài liệu của kho lưu trữ.

Danh sách Công cụ

• tavily_web_search
  Thực hiện tìm kiếm web toàn diện với trích xuất nội dung bằng AI.
  • Tham số: query, max_results, search_depth, include_domains, exclude_domains
• tavily_answer_search
  Tìm kiếm web và tạo ra câu trả lời trực tiếp có kèm bằng chứng.
  • Tham số: query, max_results, search_depth, include_domains, exclude_domains
• tavily_news_search
  Tìm kiếm các bài báo tin tức mới theo ngày xuất bản.
  • Tham số: query, max_results, days, include_domains, exclude_domains

Các trường hợp sử dụng của Máy chủ MCP này

• Tìm kiếm Web Toàn diện
  Lập trình viên có thể thực hiện các tìm kiếm đa dạng cho mọi chủ đề, kết quả được AI trích xuất và tóm tắt để dễ dàng sử dụng trong quy trình làm việc.
• Trả lời Câu hỏi Trực tiếp
  Cho phép trợ lý AI trả về câu trả lời trực tiếp, có dẫn chứng cho câu hỏi của người dùng, nâng cao độ chính xác và giảm thời gian nghiên cứu.
• Tổng hợp Tin tức
  Thu thập và tóm tắt các bài báo tin tức mới liên quan tới truy vấn, giúp người dùng luôn cập nhật sự kiện hoặc xu hướng hiện tại.
• Tìm kiếm Theo lĩnh vực
  Giới hạn hoặc loại trừ các tên miền cụ thể, cho phép nghiên cứu tập trung (ví dụ: thông tin học thuật, doanh nghiệp hoặc ngành nghề cụ thể).
• Thu thập Bằng chứng
  Thu thập liên kết và tài liệu tham khảo hỗ trợ cho câu trả lời và báo cáo, tạo ra kết quả minh bạch, có thể kiểm chứng cho quyết định hoặc tài liệu.

Cách thiết lập

Windsurf

1. Đảm bảo đã có Python 3.11+ và khóa API Tavily.
2. Cài đặt gói:

   pip install mcp-tavily
   

3. Tìm tệp cấu hình Windsurf của bạn.
4. Thêm Máy chủ Tavily MCP vào mcpServers:

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

5. Lưu tệp và khởi động lại Windsurf.
6. Xác minh rằng máy chủ đang chạy và truy cập được.

Bảo mật khóa API:
Sử dụng biến môi trường cho khóa API Tavily của bạn:

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

Claude

1. Cài đặt mcp-tavily trong môi trường của bạn.
2. Chỉnh sửa tệp cấu hình của Claude để thêm:

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

3. Thêm khóa API Tavily vào phần env như trên.
4. Khởi động lại Claude và xác nhận kết nối.

Cursor

1. Đảm bảo đã cài đặt mcp-tavily.
2. Mở cấu hình của Cursor.
3. Thêm vào:

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

4. Đặt khóa API Tavily vào trường env nếu hỗ trợ.
5. Lưu và khởi động lại Cursor.

Cline

1. Cài đặt mcp-tavily qua pip hoặc uv.
2. Sửa tệp cấu hình Cline:

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

3. Thêm khóa API vào phần env.
4. Lưu và khởi động lại Cline.

Cách sử dụng MCP này trong flows

Sử dụng MCP trong FlowHunt

Để tích hợp các máy chủ MCP vào workflow FlowHunt, bạn hãy bắt đầu bằng cách thêm thành phần MCP vào luồng và kết nối nó với tác nhân AI của bạn:

Nhấn vào thành phần MCP để mở bảng cấu hình. Ở phần cấu hình MCP hệ thống, chèn thông tin máy chủ MCP của bạn theo định dạng JSON sau:

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

Sau khi cấu hình, tác nhân AI sẽ có thể sử dụng MCP này như một công cụ với đầy đủ chức năng và khả năng. Hãy nhớ thay “tavily” thành tên thực tế của máy chủ MCP của bạn (ví dụ: “github-mcp”, “weather-api”, v.v.) và thay đổi URL thành địa chỉ máy chủ MCP của bạn.

Tổng quan

Đánh giá của chúng tôi

Máy chủ Tavily MCP cung cấp một bộ công cụ tìm kiếm rõ ràng, mẫu prompt cụ thể, và các bước cài đặt cấu hình đơn giản. Tuy nhiên, chưa có định nghĩa tài nguyên rõ ràng và không đề cập đến các tính năng MCP nâng cao như roots hay sampling. Với chức năng tập trung và tài liệu hướng dẫn tốt nhưng thiếu một số primitive MCP, chúng tôi đánh giá 7/10 cho tính ứng dụng thực tế.

Điểm MCP