mcpField
W
web-search

web-search

github.com/halt-catch-fire生産性07.8k 回インストール12 週間前に更新
リポジトリ

web-search について

web-searchは、TavilyとExaのアプリを通じてウェブ検索やページ内容の抽出を行うbeltコマンドラインスキルです。調査ワークフローやAIエージェント向けに、出典付き回答、URL抽出、LLMとの連携例を紹介します。

主な機能

  1. 01TavilyとExaによるウェブ検索
  2. 02Exaによる事実への直接回答
  3. 03URLからテキストと画像を抽出
  4. 04出典や画像を含む検索結果
  5. 05調査結果とLLMを組み合わせる例

活用シーン

  1. 01複数のウェブ情報源を使った調査
  2. 02出典付きの結果による主張の確認
  3. 03要約に向けた複数ページの抽出
  4. 04RAGワークフロー向けの資料収集

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/halt-catch-fire/mutiny --skill web-search

インストール後、Claude Code で/web-searchを入力して読み込まれたか確認します。

詳細

belt CLI スキルをインストール: npx skills add belt-sh/cli

ウェブ検索と抽出

inference.sh CLI を使って、ウェブを検索し、コンテンツを抽出します。

ウェブ検索と抽出

クイックスタート

inference.sh CLI(belt)が必要です。インストール手順

belt login

# Search the web
belt app run tavily/search-assistant --input '{"query": "latest AI developments 2024"}'

利用可能なアプリ

Tavily
アプリアプリ ID説明
Search Assistanttavily/search-assistantAI を活用した回答付き検索
Extracttavily/extractURL からコンテンツを抽出
Exa
アプリアプリ ID説明
Searchexa/searchAI を活用したスマートなウェブ検索
Answerexa/answer事実に基づく直接的な回答
Extractexa/extractウェブコンテンツを抽出して分析

例

Tavily 検索
belt app run tavily/search-assistant --input '{
  "query": "What are the best practices for building AI agents?"
}'

AI が生成した回答を、出典と画像とともに返します。

Tavily 抽出
belt app run tavily/extract --input '{
  "urls": ["https://example.com/article1", "https://example.com/article2"]
}'

複数の URL から、整理されたテキストと画像を抽出します。

Exa 検索
belt app run exa/search --input '{
  "query": "machine learning frameworks comparison"
}'

関連性の高いリンクを、コンテキストとともに返します。

Exa 回答
belt app run exa/answer --input '{
  "question": "What is the population of Tokyo?"
}'

事実に基づく直接的な回答を返します。

Exa 抽出
belt app run exa/extract --input '{
  "url": "https://example.com/research-paper"
}'

ウェブページのコンテンツを抽出して分析します。

ワークフロー:調査 + LLM

# 1. Search for information
belt app run tavily/search-assistant --input '{
  "query": "latest developments in quantum computing"
}' > search_results.json

# 2. Analyze with Claude
belt app run openrouter/claude-sonnet-45 --input '{
  "prompt": "Based on this research, summarize the key trends: <search-results>"
}'

ワークフロー:抽出 + 要約

# 1. Extract content from URL
belt app run tavily/extract --input '{
  "urls": ["https://example.com/long-article"]
}' > content.json

# 2. Summarize with LLM
belt app run openrouter/claude-haiku-45 --input '{
  "prompt": "Summarize this article in 3 bullet points: <content>"
}'

ユースケース

  • 調査:あらゆるトピックについて情報を収集
  • RAG:検索拡張生成
  • ファクトチェック:出典を使って主張を検証
  • コンテンツ集約:複数のソースからデータを収集
  • エージェント:調査能力を備えた AI エージェントを構築

関連スキル

# Full platform skill (all apps)
npx skills add inference-sh/skills@infsh-cli

# LLM models (combine with search for RAG)
npx skills add inference-sh/skills@llm-models

# Image generation
npx skills add inference-sh/skills@ai-image-generation

すべてのアプリを表示:belt app list

ドキュメント

コメント