exa-search

name	exa-search
description	通过 Exa MCP 进行网络、代码和公司研究的神经搜索。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 的神经搜索引擎进行 AI 驱动的深度研究时使用。

Exa 搜索

通过 Exa MCP 服务器进行网络内容、代码、公司和人员的神经搜索。

何时激活

• 用户需要当前网络信息或新闻
• 搜索代码示例、API 文档或技术参考
• 研究公司、竞争对手或市场参与者
• 查找专业资料或领域内的人员
• 为任何开发任务运行背景研究
• 用户说"search for"、"look up"、"find"或"最新情况是什么"

MCP 要求

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。

核心工具

web_search_exa

用于当前信息、新闻或事实的通用网络搜索。

web_search_exa(query: "latest AI developments 2026", numResults: 5)

参数：

参数	类型	默认值	说明
query	string	必需	搜索查询
numResults	number	8	结果数量

web_search_advanced_exa

具有域和日期约束的过滤搜索。

web_search_advanced_exa(
  query: "React Server Components best practices",
  numResults: 5,
  includeDomains: ["github.com", "react.dev"],
  startPublishedDate: "2025-01-01"
)

参数：

参数	类型	默认值	说明
query	string	必需	搜索查询
numResults	number	8	结果数量
includeDomains	string[]	无	限制到特定域
excludeDomains	string[]	无	排除特定域
startPublishedDate	string	无	ISO 日期过滤器（开始）
endPublishedDate	string	无	ISO 日期过滤器（结束）

get_code_context_exa

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（1000-50000）

company_research_exa

为公司进行商业智能和新闻研究。

company_research_exa(companyName: "Anthropic", numResults: 5)

参数：

参数	类型	默认值	说明
companyName	string	必需	公司名称
numResults	number	5	结果数量

people_search_exa

查找专业资料和简介。

people_search_exa(query: "AI safety researchers at Anthropic", numResults: 5)

crawling_exa

从 URL 提取完整页面内容。

crawling_exa(url: "https://example.com/article", tokensNum: 5000)

参数：

参数	类型	默认值	说明
url	string	必需	要提取的 URL
tokensNum	number	5000	内容令牌

deep_researcher_start / deep_researcher_check

启动异步运行的 AI 研究代理。

# 启动研究
deep_researcher_start(query: "comprehensive analysis of AI code editors in 2026")

# 检查状态（完成后返回结果）
deep_researcher_check(researchId: "<id from start>")

使用模式

快速查找

web_search_exa(query: "Node.js 22 new features", numResults: 3)

代码研究

get_code_context_exa(query: "Rust error handling patterns Result type", tokensNum: 3000)

公司尽职调查

company_research_exa(companyName: "Vercel", numResults: 5)
web_search_advanced_exa(query: "Vercel funding valuation 2026", numResults: 3)

技术深度研究

# 启动异步研究
deep_researcher_start(query: "WebAssembly component model status and adoption")
# ... 做其他工作 ...
deep_researcher_check(researchId: "<id>")

提示

• 对广泛查询使用 web_search_exa，对过滤结果使用 web_search_advanced_exa
• 对于专注的代码片段，使用较低的 tokensNum（1000-2000），对于全面上下文，使用较高的（5000+）
• 将 company_research_exa 与 web_search_advanced_exa 结合进行全面的公司分析
• 使用 crawling_exa 从搜索结果中找到的特定 URL 获取完整内容
• deep_researcher_start 最适合受益于 AI 综合的全面主题

相关技能

• deep-research — 使用 firecrawl + exa 一起的完整研究工作流
• market-research — 具有决策框架的面向商业的研究