grok-search

<div align="center">
<!-- # Grok Search MCP -->
[English](./docs/README_EN.md) | 简体中文
**Grok-with-Tavily MCP,为 Claude Code 提供更完善的网络访问能力**
[](https://opensource.org/licenses/MIT) [](https://www.python.org/downloads/) [](https://github.com/jlowin/fastmcp)
</div>
> **这是 [GuDaStudio/GrokSearch](https://github.com/GuDaStudio/GrokSearch) 的 fork(sunami-grok-search)。**
> 上游的 `web_search` 把检索外包给上游网关,直连官方 `api.x.ai` 时不会真正检索,
> 只会让模型编造 `citation_card` 引用、`sources_count` 恒为 0。
> 本 fork 改走 xAI Responses API 的原生 `web_search` / `x_search` 工具,
> 引用从 `annotations[].url_citation` 结构化读取,并把 X 检索的账号/时间过滤开放为参数。
> 改动详情见 **[SUNAMI.md](./SUNAMI.md)**;换机器部署把 **[PROMPT.md](./PROMPT.md)** 里的提示词丢给 agent 即可。下方为上游原始文档。
---
## 一、概述
Grok Search MCP 是一个基于 [FastMCP](https://github.com/jlowin/fastmcp) 构建的 MCP 服务器,采用**双引擎架构**:**Grok** 负责 AI 驱动的智能搜索,**Tavily** 负责高保真网页抓取与站点映射,各取所长为 Claude Code / Cherry Studio 等LLM Client提供完整的实时网络访问能力。
```
Claude ──MCP──► Grok Search Server
├─ web_search ───► Grok API(AI 搜索)
├─ web_fetch ───► Tavily Extract → Firecrawl Scrape(内容抓取,自动降级)
└─ web_map ───► Tavily Map(站点映射)
```
### 功能特性
- **双引擎**:Grok 搜索 + Tavily 抓取/映射,互补协作
- **Firecrawl 托底**:Tavily 提取失败时自动降级到 Firecrawl Scrape,支持空内容自动重试
- **OpenAI 兼容接口**,支持任意 Grok 镜像站
- **自动时间注入**(检测时间相关查询,注入本地时间上下文)
- 一键禁用 Claude Code 官方 WebSearch/WebFetch,强制路由到本工具
- 智能重试(支持 Retry-After 头解析 + 指数退避)
- 父进程监控(Windows 下自动检测父进程退出,防止僵尸进程)
### 效果展示
我们以在`cherry studio`中配置本MCP为例,展示了`claude-opus-4.6`模型如何通过本项目实现外部知识搜集,降低幻觉率。

如上图,**为公平实验,我们打开了claude模型内置的搜索工具**,然而opus 4.6仍然相信自己的内部常识,不查询FastAPI的官方文档,以获取最新示例。

如上图,当打开`grok-search MCP`时,在相同的实验条件下,opus 4.6主动调用多次搜索,以**获取官方文档,回答更可靠。**
## 二、安装
### 前置条件
- Python 3.10+
- [uv](https://docs.astral.sh/uv/getting-started/installation/)(推荐的 Python 包管理器)
- Claude Code
<details>
<summary><b>安装 uv</b></summary>
```bash
# Linux/macOS
curl -LsSf https://astral.sh/uv/install.sh | sh
# Windows PowerShell
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
```
> Windows 用户**强烈推荐**在 WSL 中运行本项目。
</details>
### 一键安装
若之前安装过本项目,使用以下命令卸载旧版MCP。
```
claude mcp remove grok-search
```
将以下命令中的环境变量替换为你自己的值后执行。Grok 接口需为 OpenAI 兼容格式;Tavily 为可选配置,未配置时工具 `web_fetch` 和 `web_map` 不可用。
#### GuDa 用户(推荐)
GuDa 用户只需配置 `GUDA_API_KEY` 即可享受完整服务,所有 API 地址自动派生:
```bash
claude mcp add-json grok-search --scope user '{
"type": "stdio",
"command": "uvx",
"args": [
"--from",
"git+https://github.com/GuDaStudio/GrokSearch@grok-with-tavily",
"grok-search"
],
"env": {
"GUDA_API_KEY": "your-guda-api-key"
}
}'
```
#### 自定义配置
如需使用自己的 API 端点,可分别配置各服务:
```bash
claude mcp add-json grok-search --scope user '{
"type": "stdio",
"command": "uvx",
"args": [
"--from",
"git+https://github.com/GuDaStudio/GrokSearch@grok-with-tavily",
"grok-search"
],
"env": {
"GROK_API_URL": "https://your-api-endpoint.com/v1",
"GROK_API_KEY": "your-grok-api-key",
"TAVILY_API_KEY": "tvly-your-tavily-key",
"TAVILY_API_URL": "https://api.tavily.com"
}
}'
```
<details> <summary>如果遇到 SSL / 证书验证错误</summary>
在部分企业网络或代理环境中,可能会出现类似错误:
certificate verify failed
self signed certificate in certificate chain
可以在 uvx 参数中添加 --native-tls,使其使用系统证书库:
claude mcp add-json grok-search --scope user '{
"type": "stdio",
"command": "uvx",
"args": [
"--native-tls",
"--from",
"git+https://github.com/GuDaStudio/GrokSearch@grok-with-tavily",
"grok-search"
],
"env": {
"GUDA_API_KEY": "your-guda-api-key"
}
}'
</details> ```
除此之外,你还可以在`env`字段中配置更多环境变量
| 变量 | 必填 | 默认值 | 说明 |
|------|------|--------|------|
| `GUDA_API_KEY` | ❌ | - | GuDa API 密钥(配置后自动派生所有服务的 URL 和 Key) |
| `GUDA_BASE_URL` | ❌ | `https://code.guda.studio` | GuDa 服务基础地址 |
| `GROK_API_URL` | ❌ | `{GUDA_BASE_URL}/grok/v1` | Grok API 地址(OpenAI 兼容格式),显式设置时覆盖 GuDa 派生值 |
| `GROK_API_KEY` | ❌ | `{GUDA_API_KEY}` | Grok API 密钥,显式设置时覆盖 GuDa 派生值 |
| `GROK_MODEL` | ❌ | `grok-4.20-beta` | 默认模型(设置后优先于 `~/.config/grok-search/config.json`) |
| `TAVILY_API_KEY` | ❌ | `{GUDA_API_KEY}` | Tavily API 密钥(用于 web_fetch / web_map) |
| `TAVILY_API_URL` | ❌ | `{GUDA_BASE_URL}/tavily` | Tavily API 地址 |
| `TAVILY_ENABLED` | ❌ | `true` | 是否启用 Tavily |
| `FIRECRAWL_API_KEY` | ❌ | `{GUDA_API_KEY}` | Firecrawl API 密钥(Tavily 失败时托底) |
| `FIRECRAWL_API_URL` | ❌ | `{GUDA_BASE_URL}/firecrawl` | Firecrawl API 地址 |
| `GROK_DEBUG` | ❌ | `false` | 调试模式 |
| `GROK_LOG_LEVEL` | ❌ | `INFO` | 日志级别 |
| `GROK_LOG_DIR` | ❌ | `logs` | 日志目录 |
| `GROK_RETRY_MAX_ATTEMPTS` | ❌ | `3` | 最大重试次数 |
| `GROK_RETRY_MULTIPLIER` | ❌ | `1` | 重试退避乘数 |
| `GROK_RETRY_MAX_WAIT` | ❌ | `10` | 重试最大等待秒数 |
> **注意**:配置了 `GUDA_API_KEY` 后,`GROK_API_URL`/`GROK_API_KEY`/`TAVILY_*`/`FIRECRAWL_*` 均为可选,系统自动从 `GUDA_BASE_URL` 派生。显式设置的独立变量优先级更高。
### 验证安装
```bash
claude mcp list
```
🍟 显示连接成功后,我们**十分推荐**在 Claude 对话中输入
```
调用 grok-search toggle_builtin_tools,关闭Claude Code's built-in WebSearch and WebFetch tools
```
工具将自动修改**项目级** `.claude/settings.json` 的 `permissions.deny`,一键禁用 Claude Code 官方的 WebSearch 和 WebFetch,从而迫使claude code调用本项目实现搜索!
## 三、MCP 工具介绍
<details>
<summary>本项目提供八个 MCP 工具(展开查看)</summary>
### `web_search` — AI 网络搜索
通过 Grok API 执行 AI 驱动的网络搜索,默认仅返回 Grok 的回答正文,并返回 `session_id` 以便后续获取信源。
`web_search` 输出不展开信源,仅返回 `sources_count`;信源会按 `session_id` 缓存在服务端,可用 `get_sources` 拉取。
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|------|------|------|--------|------|
| `query` | string | ✅ | - | 搜索查询语句 |
| `platform` | string | ❌ | `""` | 聚焦平台(如 `"Twitter"`, `"GitHub, Reddit"`) |
| `model` | string | ❌ | `null` | 按次指定 Grok 模型 ID |
| `extra_sources` | int | ❌ | `0` | 额外补充信源数量(Tavily/Firecrawl,可为 0 关闭) |
自动检测查询中的时间相关关键词(如"最新""今天""recent"等),注入本地时间上下文以提升时效性搜索的准确度。
返回值(结构化字典):
- `session_id`: 本次查询的会话 ID
- `content`: Grok 回答正文(已自动剥离信源)
- `sources_count`: 已缓存的信源数量
### `get_sources` — 获取信源
通过 `session_id` 获取对应 `web_search` 的全部信源。
| 参数 | 类型 | 必填 | 说明 |
|------|------|------|------|
| `session_id` | string | ✅ | `web_search` 返回的 `session_id` |
返回值(结构化字典):
- `session_id`
- `sources_count`
- `sources`: 信源列表(每项包含 `url`,可能包含 `title`/`description`/`provider`)
### `web_fetch` — 网页内容抓取
通过 Tavily Extract API 获取完整网页内容,返回 Markdown 格式。Tavily 失败时自动降级到 Firecrawl Scrape 进行托底抓取。
| 参数 | 类型 | 必填 | 说明 |
|------|------|------|------|
| `url` | string | ✅ | 目标网页 URL |
### `web_map` — 站点结构映射
通过 Tavily Map API 遍历网站结构,发现 URL 并生成站点地图。
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|------|------|------|--------|------|
| `url` | string | ✅ | - | 起始 URL |
| `instructions` | string | ❌ | `""` | 自然语言过滤指令 |
| `max_depth` | int | ❌ | `1` | 最大遍历深度(1-5) |
| `max_breadth` | int | ❌ | `20` | 每页最大跟踪链接数(1-500) |
| `limit` | int | ❌ | `50` | 总链接处理数上限(1-500) |
| `timeout` | int | ❌ | `150` | 超时秒数(10-150) |
### `get_config_info` — 配置诊断
无需参数。显示所有配置状态、测试 Grok API 连接、返回响应时间和可用模型列表(API Key 自动脱敏)。
### `switch_model` — 模型切换
| 参数 | 类型 | 必填 | 说明 |
|------|------|------|------|
| `model` | string | ✅ | 模型 ID(如 `"grok-4-fast"`, `"grok-2-latest"`) |
切换后配置持久化到 `~/.config/grok-search/config.json`,跨会话保持。
### `toggle_builtin_tools` — 工具路由控制
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|------|------|------|--------|------|
| `action` | string | ❌ | `"status"` | `"on"` 禁用官方工具 / `"off"` 启用官方工具 / `"status"` 查看状态 |
修改项目级 `.claude/settings.json` 的 `permissions.deny`,一键禁用 Claude Code 官方的 WebSearch 和 WebFetch。
### `search_planning` — 搜索规划
结构化搜索规划脚手架(分阶段、多轮),用于在执行复杂搜索前先生成可执行的搜索计划。
</details>
## 四、常见问题
<details>
<summary>
Q: 必须同时配置 Grok 和 Tavily 吗?
</summary>
A: 配置 `GUDA_API_KEY` 即可获得完整的 Grok + Tavily + Firecrawl 服务。如不使用 GuDa,Grok(`GROK_API_URL` + `GROK_API_KEY`)为必填,提供核心搜索能力。Tavily 和 Firecrawl 均为可选:配置 Tavily 后 `web_fetch` 优先使用 Tavily Extract,失败时降级到 Firecrawl Scrape;两者均未配置时 `web_fetch` 将返回配置错误提示。`web_map` 依赖 Tavily。
</details>
<details>
<summary>
Q: Grok API 地址需要什么格式?
</summary>
A: 需要 OpenAI 兼容格式的 API 地址(支持 `/chat/completions` 和 `/models` 端点)。如使用官方 Grok,需通过兼容 OpenAI 格式的镜像站访问。
</details>
<details>
<summary>
Q: 如何验证配置?
</summary>
A: 在 Claude 对话中说"显示 grok-search 配置信息",将自动测试 API 连接并显示结果。
</details>
## 许可证
[MIT License](LICENSE)
---
<div align="center">
**如果这个项目对您有帮助,请给个 Star!**
[](https://www.star-history.com/#GuDaStudio/GrokSearch&type=date&legend=top-left)
</div>
TDQS
Scored across 13 tools
The core search/fetch tools (web_search, get_sources, web_fetch, web_map) are clearly distinct. The six planning tools (plan_*) are sequential phases with explicit ordering, so though they share a prefix, each has a unique purpose. Minor risk of confusion between plan_sub_query and plan_search_term, but descriptions clarify the difference.
All tools use snake_case and follow a clear verb_noun pattern (e.g., web_search, get_sources, switch_model, plan_intent). The planning tools uniformly start with 'plan_' and the rest use action verbs. Consistent naming across the entire set.
13 tools is a moderate count. The core search operations (search, fetch, map, sources) justify their presence, and the 6 planning tools form a structured workflow. While it feels slightly heavy for a search server, every tool has a defined role and the count is not excessive.
The tool set covers the search lifecycle: planning (plan_*), executing search (web_search), retrieving sources (get_sources), fetching content (web_fetch), and site exploration (web_map). Configuration and integration tools (get_config_info, switch_model, toggle_builtin_tools) round out the surface. Minor gap: no explicit tool to clear or manage cached sessions, but that is not a core search operation.