使用说明
🧠 具有Tavily Web搜索集成的MCP服务器
mcp-server是一个轻量级的模型上下文协议（mcp）服务器，它集成了Tavily Search API以实现大型语言模型（LLM）的实时互联网访问。它允许LLM从网络上获取最新的事实信息，而不是仅仅依赖静态训练数据。
此服务器充当LLM和实时web数据之间的桥梁，非常适合需要当前新闻、最新文档、实时趋势或快速变化的技术信息的应用程序。
✨ 主要特点
🔗 符合MCP标准的服务器，实现无缝LLM集成
🌐 Tavily API提供实时网络搜索功能
🤖 专为需要新鲜、最新信息的LLM而设计
⚡ 简单、最小化的Python实现
🧩 易于使用其他工具或数据源进行扩展
🛠 用例
LLM代理与实时互联网搜索
需要最新或时间敏感数据的AI助手
超出训练截止限制的研究和问答系统
需要真实、当前上下文的开发工具
📦 技术栈
python
模型上下文协议（MCP）
Tavilly搜索API
先决条件
- Node.js（建议使用v16或更高版本）
- npm或纱线
- （可选）Docker
安装
克隆存储库并安装依赖项：
git clone https://github.com/yourusername/mcp_demo.git
cd mcp_demo
npm install
# or
yarn install
配置
- 创建
.env文件并创建名为的变量tavily_api并放入您的tavily api密钥。例如=“tavily_api=apikey”
运行服务器
发展
npm run dev
# or
yarn dev
生产
npm run build
npm start
# or
yarn build
yarn start
python
install python if not present
run following commands:
cd mcp_demo folder
python -r requirement.txt
python server.py
python服务器.py
使用Docker（可选）
docker build -t mcp_demo .
docker run -p 3000:3000 mcp_demo
API使用
服务器公开RESTful API。默认情况下，它运行在 http://localhost:8080.
有关更多详细信息，请参阅源代码或API文档。
项目结构
mcp_demo/
├── .env (may not be present. please create .env file)
├── requirement.txt
├── server.py
└── ...
贡献
- 克隆该仓库
- 创建功能分支(
git checkout -b feature/feature-name) - 提交您的更改
- 推到分支(
git push origin feature/feature-name) - 打开拉取请求
许可证
该项目根据MIT许可证获得许可。
