Tavily Search MCP 서버

Name: tavily-search-mcp-server
Author: apappascs

LLM에 최적화된 검색 기능을 제공하는 Tavily Search API를 통합한 MCP 서버 구현입니다.

특징

웹 검색: LLM에 최적화된 웹 검색을 수행하고 검색 깊이, 주제, 시간 범위를 제어합니다.
콘텐츠 추출: 검색 결과에서 가장 관련성 있는 콘텐츠를 추출하여 품질과 크기를 최적화합니다.
선택 기능: 이미지, 이미지 설명, LLM에서 생성된 짧은 답변, 원시 HTML 콘텐츠를 포함합니다.
도메인 필터링: 검색 결과에 특정 도메인을 포함하거나 제외합니다.

Related MCP server: MCP2Tavily

도구

타빌리_서치
- Tavily Search API를 사용하여 웹 검색을 실행합니다.
- 입력:
  - query (문자열, 필수): 검색 쿼리.
  - search_depth (문자열, 선택 사항): "기본" 또는 "고급"(기본값: "기본").
  - topic (문자열, 선택 사항): "일반" 또는 "뉴스"(기본값: "일반").
  - days (숫자, 선택 사항): 뉴스 검색을 위한 지난 일 수(기본값: 3).
  - time_range (문자열, 선택 사항): 시간 범위 필터("일", "주", "월", "년" 또는 "일", "수", "월", "년").
  - max_results (숫자, 선택 사항): 최대 결과 수(기본값: 5).
  - include_images (부울, 선택 사항): 관련 이미지를 포함합니다(기본값: false).
  - include_image_descriptions (부울, 선택 사항): 이미지에 대한 설명을 포함합니다(기본값: false).
  - include_answer (부울, 선택 사항): LLM에서 생성된 짧은 답변을 포함합니다(기본값: false).
  - include_raw_content (부울, 선택 사항): 원시 HTML 콘텐츠를 포함합니다(기본값: false).
  - include_domains (문자열[], 선택 사항): 포함할 도메인입니다.
  - exclude_domains (문자열[], 선택 사항): 제외할 도메인입니다.

설정 가이드 🚀

1. 필수 조건

Claude Desktop 이 컴퓨터에 설치되었습니다.
Tavily API 키: a. Tavily API 계정 에 가입합니다. b. 플랜을 선택합니다(무료 티어 이용 가능). c. Tavily 대시보드에서 API 키를 생성합니다.

2. 설치

컴퓨터의 어딘가에 이 저장소를 복제하세요.
지엑스피1
종속성을 설치하고 프로젝트를 빌드합니다.
cd tavily-search-mcp-server
npm install
npm run build

3. Claude Desktop과의 통합

Claude Desktop 구성 파일을 엽니다.
# On Mac: ~/Library/Application\ Support/Claude/claude_desktop_config.json # On Windows: %APPDATA%\Claude\claude_desktop_config.json
npm 이나 docker 사용하여 서버를 실행할지 여부에 따라 config의 mcpServers 개체에 다음 중 하나를 추가합니다.
옵션 A: NPM(stdio 전송) 사용
{ "mcpServers": { "tavily-search-server": { "command": "node", "args": [ "/Users/<username>/<FULL_PATH...>/tavily-search-mcp-server/dist/index.js" ], "env": { "TAVILY_API_KEY": "your_api_key_here" } } } }
옵션 B: NPM(SSE 전송) 사용
{ "mcpServers": { "tavily-search-server": { "command": "node", "args": [ "/Users/<username>/<FULL_PATH...>/tavily-search-mcp-server/dist/sse.js" ], "env": { "TAVILY_API_KEY": "your_api_key_here" }, "port": 3001 } } }
옵션 C: Docker 사용
{ "mcpServers": { "tavily-search-server": { "command": "docker", "args": [ "run", "-i", "--rm", "-e", "TAVILY_API_KEY", "-v", "/Users/<username>/<FULL_PATH...>/tavily-search-mcp-server:/app", "tavily-search-mcp-server" ], "env": { "TAVILY_API_KEY": "your_api_key_here" } } } }
중요 단계:
- /Users/<username>/<FULL_PATH...>/tavily-search-mcp-server 저장소를 복제한 실제 전체 경로로 바꾸세요.
- env 섹션에 Tavily API 키를 추가하세요. API 키와 같은 비밀 정보는 환경 변수로 저장하는 것이 좋습니다.
- Windows에서도 경로에 슬래시( / )를 꼭 사용하세요.
- docker를 사용하는 경우 docker build -t tavily-search-mcp-server:latest .
변경 사항을 적용하려면 Claude Desktop을 다시 시작하세요.

Smithery를 통해 설치

Smithery를 통해 Tavily Search for Claude Desktop을 자동으로 설치하려면:

npx -y @smithery/cli install @apappascs/tavily-search-mcp-server --client claude

환경 설정(npm용)

.env.example``.env 로 복사합니다.
cp .env.example .env
실제 Tavily API 키로 .env 파일을 업데이트하세요.
TAVILY_API_KEY=your_api_key_here
참고: 실제 API 키를 버전 관리 시스템에 커밋하지 마세요. 보안상의 이유로 .env 파일은 git에서 무시됩니다.

NPM으로 실행

Node.js를 사용하여 서버를 시작합니다.

node dist/index.js

SSE 운송의 경우:

node dist/sse.js

Docker로 실행

Docker 이미지를 빌드합니다(아직 빌드하지 않았다면):
docker build -t tavily-search-mcp-server:latest .
다음을 사용하여 Docker 컨테이너를 실행합니다.
stdio 전송의 경우:
docker run -it --rm -e TAVILY_API_KEY="your_api_key_here" tavily-search-mcp-server:latest
SSE 운송의 경우:
docker run -it --rm -p 3001:3001 -e TAVILY_API_KEY="your_api_key_here" -e TRANSPORT="sse" tavily-search-mcp-server:latest
쉘의 환경 변수를 직접 활용할 수도 있는데, 이는 보안 측면에서 더 안전한 방법입니다.
docker run -it --rm -p 3001:3001 -e TAVILY_API_KEY=$TAVILY_API_KEY -e TRANSPORT="sse" tavily-search-mcp-server:latest
참고: 두 번째 명령은 -e TAVILY_API_KEY=$TAVILY_API_KEY 사용하여 TAVILY_API_KEY 환경 변수 값을 Docker 컨테이너에 전달하는 권장 방식을 보여줍니다. 이렇게 하면 API 키가 명령 기록에 표시되지 않으며, 명령에 하드코딩된 비밀보다 일반적으로 선호됩니다.
도커 컴포즈 사용하기
달리다:
docker compose up -d
서버를 중지하려면:
docker compose down