Exa — 神经网络网页搜索与研究

Exa 是一款神经网络搜索引擎。不同于基于关键词的传统搜索，它理解语义——你只需用自然语言描述想要查找的页面，它便能精准定位。返回干净、可直接供大语言模型（LLM）使用的结构化内容，无需自行爬取。

MCP 服务器： https://mcp.exa.ai/mcp
免费套餐： 配额充足，基础工具无需 API 密钥即可使用
API 密钥： dashboard.exa.ai/api-keys —— 解锁更高调用限额及全部工具
文档： exa.ai/docs
GitHub： github.com/exa-labs/exa-mcp-server

配置

将 MCP 服务器添加至你的 agent 配置中：

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

或在任意 MCP 配置 JSON 文件中添加：

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

如需解锁全部工具并解除速率限制，请在 URL 后附加你的 API 密钥：

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

如需启用特定可选工具，请使用如下格式：

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）

web_search_exa

快速通用搜索。请使用自然语言描述你希望找到的内容。

参数：

• query（字符串，必填）—— 描述你希望查找的页面
• numResults（整数）—— 返回结果数量，默认为 10
• type —— auto（最优质量）、fast（更低延迟）、deep（多步推理）
• livecrawl —— fallback（默认，缓存优先，失败时回退到实时抓取）、preferred（始终强制实时抓取）
• contextMaxCharacters（整数）—— 限制返回内容的最大字符数

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

面向高级用户的全能工具。在 web_search_exa 全部能力基础上，额外支持域名过滤、日期筛选、内容类型定向及多种内容提取模式。

相比基础搜索新增的参数：

内容分类（category）：

示例

学术论文检索：

web_search_advanced_exa {
  "query": "针对长上下文窗口的 Transformer 架构改进方法",
  "category": "research paper",
  "numResults": 15,
  "contents": { "highlights": { "maxCharacters": 3000 } }
}

结构化公司列表构建：

web_search_advanced_exa {
  "query": "2022 年后成立的、专注于气候科技领域的 B2B SaaS 公司（A 轮融资阶段）",
  "category": "company",
  "numResults": 25,
  "contents": {
    "summary": {
      "query": "公司名称、主营业务、融资阶段、所在地",
      "schema": {
        "type": "object",
        "properties": {
          "name": { "type": "string" },
          "description": { "type": "string" },
          "funding": { "type": "string" },
          "location": { "type": "string" }
        }
      }
    }
  }
}

人才搜索——定位具备特定背景的候选人：

web_search_advanced_exa {
  "query": "纽约市金融科技初创公司中、具备欺诈检测经验的机器学习工程师",
  "category": "people",
  "numResults": 20,
  "contents": { "highlights": { "maxCharacters": 2000 } }
}

查找与已知 URL 语义相似的页面：
直接将 URL 本身作为 query 输入，Exa 将自动识别并返回语义相近的页面：

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

受时效性约束的近期新闻检索：

web_search_advanced_exa {
  "query": "人工智能监管政策更新",
  "category": "news",
  "maxAgeHours": 72,
  "numResults": 10,
  "contents": { "highlights": { "maxCharacters": 4000 } }
}

限定域名范围的搜索：

web_search_advanced_exa {
  "query": "身份认证最佳实践",
  "includeDomains": ["owasp.org", "auth0.com", "docs.github.com"],
  "numResults": 10,
  "contents": { "text": { "maxCharacters": 5000 } }
}

company_research_exa

单次调用完成公司调研。返回企业概况、近期新闻、融资情况及竞争格局分析。

company_research_exa { "query": "Stripe 支付公司概况及近期新闻" }

company_research_exa { "query": "Anduril Industries 主营业务及其竞争对手是谁" }

people_search_exa

按职位、公司、所在地、专业领域搜索专业人士。返回 LinkedIn 个人主页及职业简介。

people_search_exa { "query": "旧金山医疗健康领域初创公司的工程副总裁" }

people_search_exa { "query": "专注多模态模型的 AI 研究人员" }

get_code_context_exa

在 GitHub 仓库、Stack Overflow 及各类技术文档中搜索代码示例与 API 使用范式。

get_code_context_exa { "query": "如何在 Express.js 中结合 Redis 实现请求频率限制（rate limiting）" }

get_code_context_exa { "query": "Python asyncio 中使用 aiohttp 的连接池示例" }

crawling_exa

从指定 URL 提取干净内容。支持 JavaScript 渲染页面、PDF 文档及复杂版式，输出为 Markdown 格式。

crawling_exa { "url": "https://arxiv.org/abs/2301.07041" }

适用于你已明确目标 URL、仅需读取其内容的场景。

deep_researcher_start + deep_researcher_check

长周期异步研究任务。Exa 的研究 agent 将自动执行搜索、阅读与整合，最终生成详尽研究报告。

启动一项研究任务：

deep_researcher_start {
  "query": "2026 年 AI 代码生成工具的竞争格局分析——关键厂商、定价策略、技术路线、市场份额"
}

轮询任务状态（使用 deep_researcher_start 返回的 researchId）：

deep_researcher_check { "researchId": "abc123..." }

持续调用 deep_researcher_check 直至返回状态为 completed。最终响应中将包含完整研究报告。

deep_search_exa

单次调用深度搜索：自动拓展原始查询的多个维度，执行搜索与结果阅读，并返回带引用依据的合成答案。需提供 API 密钥。

deep_search_exa { "query": "生产系统中多模态 RAG 的主流实现方案有哪些" }

支持通过 outputSchema 指定结构化输出格式：

deep_search_exa {
  "query": "按营收排名的全球前 10 大航空航天公司",
  "type": "deep",
  "outputSchema": {
    "type": "object",
    "required": ["companies"],
    "properties": {
      "companies": {
        "type": "array",
        "items": {
          "type": "object",
          "properties": {
            "name": { "type": "string" },
            "revenue": { "type": "string" },
            "hq": { "type": "string" }
          }
        }
      }
    }
  }
}

查询设计技巧（Query Craft）

Exa 是神经网络驱动的——它匹配的是语义，而非关键词。请像向同事口头描述理想页面那样撰写查询语句。

推荐写法： “一篇关于大规模产品推荐系统中嵌入（embedding）技术应用的博客文章”
不推荐写法： “embedding product recommendation”

推荐写法： “旧金山金融科技公司 Stripe 支付”
不推荐写法： “Stripe”（过于模糊）

• 若已知内容类型，请务必使用 category 参数——效果提升显著。
• 为扩大覆盖范围，建议并行运行 2–3 种不同表述的查询，再对结果去重。
• 在 agentic 工作流中，优先使用 highlights 而非完整 text —— 在保留关键信息的前提下，token 消耗降低约 10 倍。

Token 效率优化

所有内容模式均支持设置 maxCharacters 以精确控制输出大小。

工具选型指南

文档： exa.ai/docs —— 控制台： dashboard.exa.ai —— 技术支持： support@exa.ai