通过Exa MCP进行神经搜索，适用于网络、代码和公司研究。当用户需要网络搜索、代码示例、公司情报、人员查找，或使用Exa神经搜索引擎进行AI驱动的深度研究时使用。
通过Exa MCP进行神经搜索，适用于网络、代码和公司研究。当用户需要网络搜索、代码示例、公司情报、人员查找，或使用Exa神经搜索引擎进行AI驱动的深度研究时使用。
npx skills add https://github.com/affaan-m/ECC --skill exa-searchこのコマンドをClaude Codeにコピー＆ペーストしてスキルをインストール
| name | exa-search |
| description | 通过Exa MCP进行神经搜索，适用于网络、代码和公司研究。当用户需要网络搜索、代码示例、公司情报、人员查找，或使用Exa神经搜索引擎进行AI驱动的深度研究时使用。 |
| origin | ECC |
通过 Exa MCP 服务器实现网页内容、代码、公司和人物的神经搜索。
必须配置 Exa MCP 服务器。添加到 ~/.claude.json：
"exa-web-search": {
"command": "npx",
"args": ["-y", "exa-mcp-server"],
"env": { "EXA_API_KEY": "YOUR_EXA_API_KEY_HERE" }
}
在 exa.ai 获取 API 密钥。
此仓库当前的 Exa 设置记录了此处公开的工具接口：web_search_exa 和 get_code_context_exa。
如果你的 Exa 服务器公开了其他工具，请在文档或提示中依赖它们之前，先核实其确切名称。
用于当前信息、新闻或事实的通用网页搜索。
web_search_exa(query: "2026年最新人工智能发展", numResults: 5)
参数：
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
query | 字符串 | 必填 | 搜索查询 |
numResults | 数字 | 8 | 结果数量 |
type | 字符串 | auto | 搜索模式 |
livecrawl | 字符串 | fallback | 需要时优先使用实时爬取 |
category | 字符串 | 无 | 可选焦点，例如 company 或 research paper |
从 GitHub、Stack Overflow 和文档站点查找代码示例和文档。
get_code_context_exa(query: "Python asyncio patterns", tokensNum: 3000)
参数：
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
query | string | 必需 | 代码或 API 搜索查询 |
tokensNum | number | 5000 | 内容令牌数（1000-50000） |
web_search_exa(query: "Node.js 22 新功能", numResults: 3)
get_code_context_exa(query: "Rust错误处理模式Result类型", tokensNum: 3000)
web_search_exa(query: "Vercel 2026年融资估值", numResults: 3, category: "company")
web_search_exa(query: "site:linkedin.com/in Anthropic AI安全研究员", numResults: 5)
web_search_exa(query: "WebAssembly 组件模型状态与采用情况", numResults: 5)
get_code_context_exa(query: "WebAssembly 组件模型示例", tokensNum: 4000)
web_search_exa 获取最新信息、公司查询和广泛发现site:、引号内的短语和 intitle: 等搜索运算符来缩小结果范围tokensNum (1000-2000)；对于全面的上下文，使用较高的值 (5000+)get_code_context_exadeep-research — 使用 firecrawl + exa 的完整研究工作流market-research — 带有决策框架的业务导向研究React 18/19 patterns including hooks discipline, server/client component boundaries, Suspense + error boundaries, form actions, data fetching, state management decision trees, and accessibility-first composition. Use when writing or reviewing React components.
React and Next.js performance optimization patterns adapted from Vercel Engineering's React Best Practices (https://github.com/vercel-labs/agent-skills). Organizes 70+ rules across 8 priority categories — waterfalls, bundle size, server-side, client fetching, re-render, rendering, JS micro-perf, advanced. Use when writing, reviewing, or refactoring React/Next.js code for performance.
React component testing with React Testing Library, Vitest/Jest, MSW for network mocking, accessibility assertions with axe, and the decision boundary between component tests and Playwright/Cypress end-to-end runs. Use when writing or fixing tests for React components, hooks, or pages.
Agent-driven scheduling and publishing of social media posts across 13 platforms via SocialClaw. Use when the user wants to publish to X, LinkedIn, Instagram, Facebook Pages, TikTok, Discord, Telegram, YouTube, Reddit, WordPress, or Pinterest — or when managing campaigns, uploading media, or monitoring post delivery status.
End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches.
Accessibility patterns for React and Next.js — semantic HTML, ARIA attributes, form labeling, keyboard navigation, focus management, and screen reader support. Use when building any interactive UI component or form.