Exa — 神经网络搜索与研究

Exa 是一个神经搜索引擎。与基于关键词的搜索不同，它能理解语义——您只需描述要找的页面，它就能找到。返回干净、可供大语言模型（LLM）直接使用的内容，无需抓取。

MCP 服务器： https://mcp.exa.ai/mcp 免费层级：宽松的速率限制，基本工具无需密钥API 密钥： dashboard.exa.ai/api-keys— 解锁更高限制 + 所有工具文档： exa.ai/docs GitHub： github.com/exa-labs/exa-mcp-server

设置

将 MCP 服务器添加到您的代理配置中：

# OpenClaw
openclaw mcp add exa --url "https://mcp.exa.ai/mcp"

或在任何 MCP 配置 JSON 中：

{
  "mcpServers": {
    "exa": {
      "url": "https://mcp.exa.ai/mcp"
    }
  }
}

要解锁所有工具并移除速率限制，请附加您的 API 密钥：

https://mcp.exa.ai/mcp?exaApiKey=YOUR_EXA_KEY

要启用特定的可选工具：

https://mcp.exa.ai/mcp?exaApiKey=YOUR_KEY&tools=web_search_exa,web_search_advanced_exa,people_search_exa,crawling_exa,company_research_exa,get_code_context_exa,deep_researcher_start,deep_researcher_check,deep_search_exa

工具参考

默认工具（无需API密钥即可使用）

可选工具（需通过tools参数启用，部分需API密钥）

网络搜索示例

快速通用搜索。请用自然语言描述您要查找的内容。

参数：

• query（字符串，必需）——描述您想要查找的页面
• numResults（整数）——结果数量，默认为10
• type——auto（最佳质量）、fast（较低延迟）、deep（多步推理）
• livecrawl——fallback（默认）或preferred（始终获取最新内容）
• contextMaxCharacters（整数） — 限制返回的内容大小

web_search_exa {
  "query": "关于使用向量数据库构建推荐系统的博客文章",
  "numResults": 8
}

web_search_exa {
  "query": "2026年3月OpenAI最新公告",
  "numResults": 5,
  "type": "fast"
}

web_search_advanced_exa

高级用户工具。具备web_search_exa的所有功能，并额外提供域名过滤、日期过滤、分类定位和内容提取模式。

基础搜索之外的额外参数：

类别：

示例

研究论文：

web_search_advanced_exa {
  "query": "transformer architecture improvements for long-context windows",
  "category": "research paper",
  "numResults": 15,
  "contents": { "highlights": { "maxCharacters": 3000 } }
}

使用结构化提取构建公司列表：

web_search_advanced_exa {
  "query": "Series A B2B SaaS companies in climate tech founded after 2022",
  "category": "company",
  "numResults": 25,
  "contents": {
    "summary": {
      "query": "company name, what they do, funding stage, location",
      "schema": {
        "type": "object",
        "properties": {
          "name": { "type": "string" },
          "description": { "type": "string" },
          "funding": { "type": "string" },
          "location": { "type": "string" }
        }
      }
    }
  }
}

人员搜索 —— 查找具有特定背景的候选人：

web_search_advanced_exa {
  "query": "machine learning engineers at fintech startups in NYC with experience in fraud detection",
  "category": "people",
  "numResults": 20,
  "contents": { "highlights": { "maxCharacters": 2000 } }
}

查找与已知URL类似的页面：使用URL本身作为查询 —— Exa将查找语义上相似的页面：

web_search_advanced_exa {
  "query": "https://linkedin.com/in/some-candidate-profile",
  "numResults": 15,
  "contents": { "highlights": { "maxCharacters": 2000 } }
}

具有新鲜度控制的近期新闻：

web_search_advanced_exa {
  "query": "AI regulation policy updates",
  "category": "news",
  "maxAgeHours": 72,
  "numResults": 10,
  "contents": { "highlights": { "maxCharacters": 4000 } }
}

限定域搜索：

web_search_advanced_exa {
  "query": "authentication best practices",
  "includeDomains": ["owasp.org", "auth0.com", "docs.github.com"],
  "numResults": 10,
  "contents": { "text": { "maxCharacters": 5000 } }
}

company_research_exa

一站式公司研究。返回业务概览、近期新闻、融资情况和竞争格局。

company_research_exa { "query": "Stripe payments company overview and recent news" }

company_research_exa { "query": "what does Anduril Industries do and who are their competitors" }

people_search_exa

按角色、公司、地点、专长查找专业人士。返回LinkedIn个人资料和简介。

people_search_exa { "query": "VP of Engineering at healthcare startups in San Francisco" }

people_search_exa { "query": "AI researchers specializing in multimodal models" }

get_code_context_exa

在GitHub仓库、Stack Overflow和官方文档中搜索代码示例和API使用模式。

获取代码上下文示例 { "query": "如何在Express.js中使用Redis实现速率限制" }

获取代码上下文示例 { "query": "Python asyncio结合aiohttp的连接池示例" }

爬取示例

从指定URL提取纯净内容。可处理JavaScript渲染的页面、PDF和复杂布局。返回markdown格式。

爬取示例 { "url": "https://arxiv.org/abs/2301.07041" }

适用于已掌握URL并需要阅读页面内容的情况。

深度研究启动 + 深度研究检查

长期异步研究。Exa的研究代理会执行搜索、阅读并编译详细报告。

启动研究任务：

深度研究启动 {
  "query": "2026年AI代码生成工具的竞争格局——主要参与者、定价策略、技术方案、市场份额"
}

检查状态（使用启动响应中的researchId）：

深度研究检查 { "researchId": "abc123..." }

轮询深度研究检查直至状态变为已完成。最终响应将包含完整报告。

深度搜索示例

单次调用深度搜索：从多维度扩展查询，搜索并阅读结果，返回附有可靠引用的综合答案。需要API密钥。

深度搜索示例 { "query": "生产系统中多模态RAG的主流实施方案有哪些" }

支持通过输出模式实现结构化输出：

deep_search_exa {
  "query": "top 10 aerospace companies by revenue",
  "type": "deep",
  "outputSchema": {
    "type": "object",
    "required": ["companies"],
    "properties": {
      "companies": {
        "type": "array",
        "items": {
          "type": "object",
          "properties": {
            "name": { "type": "string" },
            "revenue": { "type": "string" },
            "hq": { "type": "string" }
          }
        }
      }
    }
  }
}

查询构建

Exa 是基于神经网络的——它根据含义匹配，而不是关键词。请像向同事描述理想页面那样来撰写查询。

应该："关于大规模使用嵌入技术进行产品推荐的博客文章"不应该："嵌入 产品 推荐"

应该："Stripe 支付公司 旧金山 金融科技"不应该："Stripe"（太模糊）

• 当你知道内容类型时，请使用类别——这会产生很大差异。
• 为了获得更广泛的覆盖范围，可以并行运行 2-3 个查询变体并对结果去重。
• 对于智能体工作流，请使用高亮片段而非完整的文本——它在保留相关部分的同时，令牌效率可提高 10 倍。

令牌效率

在任何内容模式下都可以设置最大字符数来控制输出大小。

何时选用哪种工具

文档： exa.ai/docs—仪表板： dashboard.exa.ai—支持： support@exa.ai