/ 目录 / 演练场 / Exa Search
● 官方 exa-labs 🔑 需要你的密钥

Exa Search

作者 exa-labs · exa-labs/exa-mcp-server

为 AI 代理量身定制的神经搜索——按语义理解,返回纯净内容。比 Google 更适合'给我找类似 X 的文章'这种需求。

Exa 官方的 MCP。结合了神经搜索(语义)和关键词搜索模式,返回完整页面内容(不只是摘要),并支持专项模式:企业研究、LinkedIn 人物查找、GitHub 库发现、学术论文搜索。当'这东西是什么意思?'比'这个短语在哪儿?'更重要时,它是最佳选择。

为什么要用

核心特性

实时演示

实际使用效果

exa-search.replay ▶ 就绪
0/0

安装

选择你的客户端

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "exa-search": {
      "command": "npx",
      "args": [
        "-y",
        "exa-mcp-server"
      ]
    }
  }
}

打开 Claude Desktop → Settings → Developer → Edit Config。保存后重启应用。

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "exa-search": {
      "command": "npx",
      "args": [
        "-y",
        "exa-mcp-server"
      ]
    }
  }
}

Cursor 使用与 Claude Desktop 相同的 mcpServers 格式。项目级配置优先于全局。

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "exa-search": {
      "command": "npx",
      "args": [
        "-y",
        "exa-mcp-server"
      ]
    }
  }
}

点击 Cline 侧栏中的 MCP Servers 图标,然后选 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "exa-search": {
      "command": "npx",
      "args": [
        "-y",
        "exa-mcp-server"
      ]
    }
  }
}

格式与 Claude Desktop 相同。重启 Windsurf 生效。

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "exa-search",
      "command": "npx",
      "args": [
        "-y",
        "exa-mcp-server"
      ]
    }
  ]
}

Continue 使用服务器对象数组,而非映射。

~/.config/zed/settings.json
{
  "context_servers": {
    "exa-search": {
      "command": {
        "path": "npx",
        "args": [
          "-y",
          "exa-mcp-server"
        ]
      }
    }
  }
}

加入 context_servers。Zed 保存后热重载。

claude mcp add exa-search -- npx -y exa-mcp-server

一行命令搞定。用 claude mcp list 验证,claude mcp remove 卸载。

使用场景

实战用法: Exa Search

找出你喜欢的文章的类似作品

👤 研究者、作家、构建阅读清单的创业者 ⏱ ~10 min beginner

何时使用: 你有一篇经典的论文或文章,想找更多类似的。Google 的'相关内容'基本没用。

前置条件
  • Exa API 密钥 — exa.ai/dashboard — 免费版每月约 1000 次搜索
步骤
  1. 用神经搜索和描述性的查询词
    找出 10 篇在精神上类似《The Bitter Lesson》的文章。我要的是关于 ML 扩展的长篇评论,不是论文。✓ 已复制
    → 10 个结果匹配*整体感觉*,不只是关键词
  2. 拉取内容并浏览
    每一个都拉取内容(text 模式)并给我一个两行的总结加上'为什么这个相似'的说明。✓ 已复制
    → 每个结果的总结 + 相似原因
  3. 保存精选内容
    我想真正读 3 篇。哪 3 个最有价值?把链接保存到 /reading/ml-scaling.md。✓ 已复制
    → 精选短清单,不是全部 10 个

结果: 一个真正有智识连贯性的阅读清单,不是 SEO 垃圾。

注意事项
  • 神经搜索偏离到相邻话题 — 结合 includeDomains 来约束搜索范围(比如只在 essays.gwern.net、lesswrong.com),当你想要紧密的话题集群时
  • 有些页面返回的是付费墙后的预览作为内容 — 检查内容长度;非常短的返回通常是付费内容——标记并跳过
搭配使用: filesystem · memory

销售电话前拉取公司的一页纸简介

👤 销售、商务拓展、招聘 ⏱ ~10 min beginner

何时使用: 20 分钟后的电话;你需要最近新闻、关键人物、最近融资,一次完成。

步骤
  1. 运行企业模式搜索
    使用 Exa 的企业模式搜索'Acme Robotics, San Francisco'。拉取主页、最近新闻(过去 90 天)和任何公告。✓ 已复制
    → 主页内容、博客文章、新闻的混合
  2. 合成一份简介
    写一页纸:他们做什么、最近里程碑、新闻中提到的关键人物、任何我应该祝贺或遗憾的事。✓ 已复制
    → 谈话要点准备好的简介和引用
  3. 找出正确的联系角度
    根据他们最近的新闻,这周联系他们的可信理由是什么?具体点——说出新闻项目的名称。✓ 已复制
    → 一个与真实最近事件相关的具体钩子

结果: 一份比浏览 30 分钟 LinkedIn 更有用的简报。

注意事项
  • 新闻稿的噪音淹没了真实新闻 — 过滤 excludeDomains: ['prnewswire.com', 'businesswire.com'] 以获得实际分析
搭配使用: memory

获得对事实问题的一次性带引用的回答

👤 任何需要快速事实和来源的人 ⏱ ~2 min beginner

何时使用: 你需要对特定事实问题的回答和引用,比搜索→点击→阅读快。

步骤
  1. 使用 exa_answer
    使用 exa_answer:'Anthropic 最后宣布的融资轮次是什么,共筹集了多少?'✓ 已复制
    → 直接回答加 1-3 个来源 URL
  2. 验证来源
    打开顶部来源并确认数字与 Exa 返回的相符。✓ 已复制
    → 确认或更正

结果: 30 秒内的事实支持的回答。

注意事项
  • 回答可能滞后(训练/索引截止) — 对于每周变化的东西(股票价格、领导层),验证来源的新鲜度,而不仅仅是回答

组合

与其他 MCP 搭配,撬动十倍杠杆

exa-search + memory

在进行过程中将研究发现保存到话题图

搜索'2026 年小型语言模型的现状'。对于每个有用的结果,将关键声称存储为内存中'small-lms-2026'实体的观察,并带上来源 URL。✓ 已复制
exa-search + filesystem

构建保存为 Markdown 的阅读清单

找 10 篇类似《The Bitter Lesson》的文章。把精选的短清单(前 3 个)和总结保存到 /reading/ml-scaling.md。✓ 已复制
exa-search + github

通过 Exa 发现相关库,然后通过 GitHub MCP 操作它们

用 Exa 找 Rust 的 WebGPU 着色器实现。对于前 3 个库,通过 GitHub MCP 获取 GitHub 统计(星数、最后提交)。✓ 已复制

工具

此 MCP 暴露的能力

工具输入参数何时调用成本
web_search_exa query: str, numResults?: int, type?: 'neural'|'keyword'|'auto', includeDomains?: str[], excludeDomains?: str[], startPublishedDate?: str, endPublishedDate?: str 通用型神经或关键词搜索 1 Exa search credit
company_research_exa query: str, numResults? 从公开网络来源拉取公司简介 1 credit
linkedin_search_exa query: str, numResults? 在 LinkedIn 上查找特定人物/公司(仅链接——内容不同) 1 credit
github_search_exa query: str, numResults? 通过描述发现库(使用 github MCP 进行实际库操作) 1 credit
research_paper_search_exa query: str, numResults?, dateRange? 在 arXiv、OpenReview 等跨学术搜索 1 credit
deep_researcher_start / check query: str (start), task_id (check) 大型多源研究任务;轮询结果 multiple credits
exa_answer query: str 带引用来源的直接问答 1+ credits
crawling_exa url: str 通过 Exa 的管道获取单个 URL(去除样板,渲染 JS) 1 credit

成本与限制

运行它的成本

API 配额
免费版每月约 1000 次搜索;付费计划扩展
每次调用 Token 数
带内容的搜索结果每个可能是 2-10k tokens——激进地限制 numResults
费用
免费版足以个人使用;付费计划从 $10/月
提示
默认使用 numResults: 5。如果你只需要链接就用 text: false,然后只在你想读的少数几个上调用 crawling_exa

安全

权限、密钥、影响范围

凭据存储: API 密钥在环境变量 EXA_API_KEY
数据出站: 查询命中 api.exa.ai;Exa 通过其基础设施代表你获取页面

故障排查

常见错误与修复

401 Unauthorized

API 密钥丢失或错误。在 MCP 客户端环境中设置 EXA_API_KEY。在 exa.ai/dashboard 验证。

402 Payment Required / quota exhausted

免费版积分已用。升级或等待每月重置。

Results are off-topic with neural mode

尝试 type: 'keyword' 进行字面匹配,或添加 includeDomains/excludeDomains 来聚焦搜索。

Empty content on returned URLs

某些页面无法提取。直接在 URL 上使用 crawling_exa,或回退到 fetch/firecrawl。

替代方案

Exa Search 对比其他方案

替代方案何时用它替代权衡
Brave Search MCP你想要带隐私保证的普通关键词网络搜索没有语义模式;结果是 SERP 风格的摘要,不是完整内容
Firecrawl你已经有 URL,需要干净内容/结构化提取,而不是搜索不同的工具——抓取 vs 搜索
Tavily / Perplexity APIs (via custom MCP)你想要不同的搜索加 LLM 回答提供商Tavily 专注于搜索加回答;Exa 更宽泛(搜索/研究/回答)

更多

资源

📖 阅读 GitHub 上的官方 README

🐙 查看未解决的 issue

🔍 浏览全部 400+ MCP 服务器和 Skills