mcpField
R
research

research

github.com/tavily-ai生产力4916.5k 次安装8 周前更新
代码仓库

关于 research

研究技能，可围绕主题收集来源、进行分析并生成带引用的回答。提供 mini、pro 和 auto 模型选项，适用于定向或更全面的研究。

主要功能

  1. 01收集研究来源
  2. 02分析主题
  3. 03生成带引用的回答
  4. 04选择 mini、pro 或 auto 模型
  5. 05将结果保存到文件

适用场景

  1. 01准备带引用的主题概览
  2. 02比较技术或产品
  3. 03撰写市场研究报告

MCP 相关

脚本通过 Tavily MCP 服务使用 OAuth，也可将 API 密钥配置为替代方式。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/tavily-ai/skills --skill research

安装后在 Claude Code 中输入/research确认已加载。

附带文件scripts/research.sh

详细介绍

研究技能

通过自动收集来源、分析并生成带引用的回复，对任意主题开展全面研究。

身份验证

该脚本通过 Tavily MCP 服务使用 OAuth。无需手动设置——首次运行时，它会：

  1. 检查 ~/.mcp-auth/ 中是否存在令牌
  2. 如果没有找到令牌，则自动打开浏览器进行 OAuth 身份验证

**注意：**你必须拥有现有的 Tavily 账户。OAuth 流程仅支持登录，无法通过此流程创建账户。如果你还没有账户，请先在 tavily.com 注册。

备选方案：API 密钥

如果你更愿意使用 API 密钥，请在 https://tavily.com 获取密钥，并将其添加到 ~/.claude/settings.json：

{
  "env": {
    "TAVILY_API_KEY": "tvly-your-api-key-here"
  }
}

快速开始

提示：研究可能需要 30-120 秒。按 Ctrl+B 可在后台运行。

使用脚本
./scripts/research.sh '<json>' [output_file]

示例：

# Basic research
./scripts/research.sh '{"input": "quantum computing trends"}'

# With pro model for comprehensive analysis
./scripts/research.sh '{"input": "AI agents comparison", "model": "pro"}'

# Save to file
./scripts/research.sh '{"input": "market analysis for EVs", "model": "pro"}' ./ev-report.md

# Quick targeted research
./scripts/research.sh '{"input": "climate change impacts", "model": "mini"}'

参数

字段类型默认值描述
input字符串必填研究主题或问题
model字符串"mini"模型：mini、pro、auto

模型选择

经验法则：“X 是做什么的？”→ mini。“X 与 Y 和 Z 的比较”或“……的最佳方式”→ pro。

模型用例速度
mini单一主题、针对性研究~30s
pro全面、多角度分析~60-120s
autoAPI 根据复杂度选择不定

示例

快速概览
./scripts/research.sh '{"input": "What is retrieval augmented generation?", "model": "mini"}'
技术比较
./scripts/research.sh '{"input": "LangGraph vs CrewAI for multi-agent systems", "model": "pro"}'
市场研究
./scripts/research.sh '{"input": "Fintech startup landscape 2025", "model": "pro"}' fintech-report.md

评论

支持 Markdown