🚀 带代理支持的 Tavily MCP 服务器

本项目是一个具备 AI 驱动网络搜索功能的模型上下文协议 (MCP) 服务器。它借助 Tavily 的搜索 API，还额外支持 HTTP/HTTPS 代理配置。该服务器能让大语言模型 (LLM) 通过代理服务器开展复杂的网络搜索，直接回答问题，搜索最新新闻文章并提取相关内容。

🚀 快速开始

本服务器允许大语言模型 (LLM) 通过代理服务器执行复杂的网络搜索、直接回答问题，并搜索最近的新闻文章及提取相关内容。以下是一个简单的使用示例：

import mcp_server_tavily as tavily

# 创建一个 MCP 服务器实例，使用预设的上下文和代理配置
server = tavily.createServer()

# 使用自定义的上下文初始化服务器
context = {
    "temperature": 0.7,
    "max_tokens": 2048,
    "model_name": "gpt-3.5-turbo",
}
server = tavily.createServer(context)

# 处理一个查询
response = server.process_query("告诉我关于人工智能的内容")
print(response)

✨ 主要特性

• 具备所有原始的 Tavily MCP 服务器功能。
• 支持通过环境变量配置 HTTP/HTTPS 代理。
• 拥有增强型日志记录功能，便于进行代理配置。
• 对代理相关问题具备强大的错误处理能力。

📦 安装指南

使用 pip

pip install mcp-tavily-proxy

或者如果你安装了 uv：

uv pip install mcp-tavily-proxy

从源码构建

克隆此仓库并构建然后安装程序：

git clone https://github.com/tulong66/mcp-tavily-proxy.git
cd mcp-tavily-proxy
uv build
uv pip install .

💻 使用示例

基础用法

import mcp_server_tavily as tavily

# 创建一个 MCP 服务器实例，使用预设的上下文和代理配置
server = tavily.createServer()

# 使用自定义的上下文初始化服务器
context = {
    "temperature": 0.7,
    "max_tokens": 2048,
    "model_name": "gpt-3.5-turbo",
}
server = tavily.createServer(context)

# 处理一个查询
response = server.process_query("告诉我关于人工智能的内容")
print(response)

📚 详细文档

可用工具

tavily_web_search

执行全面的网络搜索并提取 AI 驱动的内容。

tavily_answer_search

执行网络搜索并生成直接答案及支持证据。

tavily_news_search

搜索带有发布日期的最新新闻文章。

配置

API 密钥和代理设置

服务器需要 Tavily API 密钥，并支持通过环境变量配置代理：

1. 设置所需的环境变量：

# Tavily API 密钥
export TAVILY_API_KEY=your_api_key_here

# 代理设置（如果需要）
export HTTP_PROXY=http://your-proxy:port
export HTTPS_PROXY=http://your-proxy:port

2. 或通过命令行参数提供 API 密钥：

python -m mcp_server_tavily --api-key=your_api_key_here

配置为 Cloudflare Worker

要将此库用作 Cloudflare Worker，请参考 CLOUDFLARE.md。

调试

# 启用详细日志记录以进行调试
export MCP_DEBUG=true

贡献指南

如需贡献，请参考 CONTRIBUTING.md。

📄 许可证

本项目采用 MIT 许可证。请参阅 LICENSE 以获取详细信息。