pip install mcp-tavily-search

git clone https://github.com/lingxi-dev/mcp-tavily-search.git
cd mcp-tavily-search
pip install -e .

# Linux / macOS
export TAVILY_API_KEY="tavily-xxxxxxxxxxxxxxxx"

# Windows (cmd)
set TAVILY_API_KEY=tavily-xxxxxxxxxxxxxxxx

# Windows (PowerShell)
$env:TAVILY_API_KEY="tavily-xxxxxxxxxxxxxxxx"

TAVILY_API_KEY=tavily-xxxxxxxxxxxxxxxx

# stdio 模式（默认，适用于 Claude Desktop 等本地客户端）
mcp-tavily-search

# SSE 模式（适用于远程/网络连接）
mcp-tavily-search --transport sse --host 0.0.0.0 --port 8000

{
  "mcpServers": {
    "tavily-search": {
      "command": "mcp-tavily-search",
      "env": {
        "TAVILY_API_KEY": "tavily-xxxxxxxxxxxxxxxx"
      }
    }
  }
}

mcp_servers:
  tavily-search:
    command: mcp-tavily-search
    env:
      TAVILY_API_KEY: tavily-xxxxxxxxxxxxxxxx

# 搜索工具支持以下参数：
web_search_tool(
    query="2026年 AI Agent 发展趋势",
    max_results=10,        # 结果数量 (1-20)
    search_depth="advanced",  # "basic" 快速 / "advanced" 高质量
    include_answer=True,    # 是否包含 AI 摘要
    topic="news",          # "general" / "news" / "finance"
    days=30                # 回溯天数
)

extract_content_tool(
    urls=[
        "https://example.com/article1",
        "https://example.com/article2"
    ]
)

mcp-tavily-search/
├── pyproject.toml          # 项目配置 & 依赖
├── README.md               # 本文档
├── LICENSE                 # MIT 许可证
├── .env.example            # 环境变量模板
└── src/
    └── mcp_tavily_search/
        ├── __init__.py
        ├── server.py       # FastMCP 服务器入口
        └── tools/
            ├── __init__.py
            ├── search.py   # Tavily 搜索 API 封装
            └── content.py  # Tavily 内容提取 API 封装

pip install build twine
python -m build
twine upload dist/*