Tavily MCP Server

O que o “Tavily” MCP Server faz?

O Tavily MCP Server é um servidor Model Context Protocol (MCP) que potencializa assistentes de IA com recursos avançados de busca na web utilizando a API de busca da Tavily. Ao integrar-se a esse servidor, modelos de IA podem realizar buscas robustas na web, obter respostas diretas para perguntas complexas e reunir artigos de notícias recentes com conteúdo relevante extraído por IA. Isso aprimora os fluxos de desenvolvimento permitindo tarefas como recuperação abrangente de informações, respostas a perguntas baseadas em evidências e agregação de notícias atualizadas—tudo acessível como ferramentas ou recursos dentro de ambientes baseados em LLM. Assim, o Tavily MCP Server faz a ponte entre assistentes de IA e dados web de alta qualidade em tempo real, otimizando pesquisas, automação e soluções de IA contextuais.

Lista de Prompts

• tavily_web_search – Busque na web usando o mecanismo de busca com IA da Tavily.
• tavily_answer_search – Pesquise na web e obtenha uma resposta gerada por IA com evidências de apoio.
• tavily_news_search – Busque artigos de notícias recentes com a busca de notícias da Tavily.

Lista de Recursos

• Nenhuma seção explícita de recursos encontrada na documentação do repositório.

Lista de Ferramentas

• tavily_web_search
  Realiza buscas abrangentes na web com extração de conteúdo por IA.
  • Parâmetros: query, max_results, search_depth, include_domains, exclude_domains
• tavily_answer_search
  Busca na web e gera respostas diretas com evidências de apoio.
  • Parâmetros: query, max_results, search_depth, include_domains, exclude_domains
• tavily_news_search
  Busca artigos de notícias recentes com datas de publicação.
  • Parâmetros: query, max_results, days, include_domains, exclude_domains

Casos de Uso deste MCP Server

• Busca Abrangente na Web
  Desenvolvedores podem realizar buscas amplas sobre qualquer tema, com resultados extraídos e resumidos por IA para fácil utilização em seus fluxos de trabalho.
• Resposta Direta a Perguntas
  Permite que assistentes de IA retornem respostas diretas e fundamentadas a perguntas dos usuários, melhorando a precisão e reduzindo o tempo de pesquisa.
• Agregação de Notícias
  Recupere e resuma os artigos de notícias mais recentes relacionados a uma consulta, mantendo os usuários atualizados sobre eventos ou tendências.
• Busca por Domínio Específico
  Restrinja buscas a domínios específicos ou exclua determinados domínios, permitindo pesquisas direcionadas (por exemplo, informações acadêmicas, corporativas ou de setores específicos).
• Coleta de Evidências
  Reúna links e referências de apoio para respostas e relatórios, permitindo saídas transparentes e verificáveis para tomada de decisão ou documentação.

Como configurar

Windsurf

1. Certifique-se de que Python 3.11+ e uma chave de API Tavily estejam disponíveis.
2. Instale o pacote:

   pip install mcp-tavily
   

3. Localize seu arquivo de configuração do Windsurf.
4. Adicione o Tavily MCP Server à sua seção mcpServers:

   {
     "mcpServers": {
       "tavily": {
         "command": "mcp-tavily",
         "args": []
       }
     }
   }
   

5. Salve o arquivo e reinicie o Windsurf.
6. Verifique se o servidor está em execução e acessível.

Protegendo chaves de API:
Utilize variáveis de ambiente para sua chave de API Tavily:

{
  "mcpServers": {
    "tavily": {
      "command": "mcp-tavily",
      "env": {
        "TAVILY_API_KEY": "YOUR_TAVILY_API_KEY"
      },
      "inputs": {}
    }
  }
}

Claude

1. Instale mcp-tavily em seu ambiente.
2. Edite o arquivo de configuração do Claude para incluir:

   {
     "mcpServers": {
       "tavily": {
         "command": "mcp-tavily"
       }
     }
   }
   

3. Adicione sua chave de API Tavily na seção env conforme acima.
4. Reinicie o Claude e confirme a conexão.

Cursor

1. Certifique-se de que mcp-tavily está instalado.
2. Abra a configuração do Cursor.
3. Insira:

   {
     "mcpServers": {
       "tavily": {
         "command": "mcp-tavily"
       }
     }
   }
   

4. Coloque sua chave de API Tavily no campo env se suportado.
5. Salve e reinicie o Cursor.

Cline

1. Instale mcp-tavily via pip ou uv.
2. Edite o arquivo de configuração do Cline:

   {
     "mcpServers": {
       "tavily": {
         "command": "mcp-tavily"
       }
     }
   }
   

3. Adicione sua chave de API à seção env.
4. Salve e reinicie o Cline.

Como usar este MCP em fluxos

Usando MCP no FlowHunt

Para integrar servidores MCP em seu fluxo do FlowHunt, comece adicionando o componente MCP ao seu fluxo e conectando-o ao seu agente de IA:

Clique no componente MCP para abrir o painel de configuração. Na seção de configuração MCP do sistema, insira os detalhes do seu servidor MCP usando este formato JSON:

{
  "tavily": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Depois de configurado, o agente de IA poderá usar este MCP como ferramenta com acesso a todas as suas funções e capacidades. Lembre-se de trocar “tavily” para o nome real do seu servidor MCP (por exemplo, “github-mcp”, “weather-api” etc.) e substituir a URL pela do seu MCP Server.

Visão Geral

Nossa opinião

O Tavily MCP Server oferece um conjunto bem definido de ferramentas de busca, modelos claros de prompts e etapas de instalação/configuração diretas. Contudo, falta definição explícita de recursos e não há menção a recursos avançados de MCP como roots ou sampling. Dada sua funcionalidade focada e boa documentação, mas com ausência de alguns primitivos MCP, atribuímos nota 7/10 para uso prático.

Pontuação MCP