Tavily 研究集成

通过LangChain JavaScript与Tavily研究工具集成。

Tavily 是专为 AI 智能体（LLMs）构建的搜索引擎，能够快速提供实时、准确且事实性的结果。Tavily 提供了一个 Research 端点，为 LLMs 和 RAG 生成全面的研究报告。

概述

集成细节

类别	包	PY 支持	下载量	版本
TavilyResearch	@langchain/tavily	✅

工具特性

返回工件	原生异步	返回数据	定价
❌	✅	研究报告内容、来源、引用	每月 1,000 免费信用额度

设置

集成位于 @langchain/tavily 包中：

npm

npm install @langchain/tavily @langchain/core

凭证

在 Tavily 控制台 上设置 API 密钥，并将其作为名为 TAVILY_API_KEY 的环境变量。

process.env.TAVILY_API_KEY = "YOUR_API_KEY";

设置 LangSmith 以实现可观察性（但非必需）：

process.env.LANGSMITH_TRACING = "true";
process.env.LANGSMITH_API_KEY = "your-api-key";

实例化

您可以像这样导入和实例化 TavilyResearch：

import { TavilyResearch } from "@langchain/tavily";

const tool = new TavilyResearch({
  // model: "mini",
  // citationFormat: "apa",
  // stream: false,
});

• model（可选）：研究智能体模型。"mini"、"pro" 或 "auto"（默认）。
• citationFormat（可选）：来源的引用格式。"numbered"、"mla"、"apa" 或 "chicago"（默认 "numbered"）。
• outputSchema（可选）：定义研究输出的 JSON Schema。
• stream（可选）：是否流式输出研究结果。默认为 false。

调用

直接使用参数调用

Tavily 研究工具在调用时接受以下参数：

• input（必需）：要调查的研究任务或问题
• 可选覆盖：model、outputSchema、stream、citationFormat

await tool.invoke({
  input: "What are the latest developments in AI?",
});

使用 ToolCall 调用

您也可以使用模型生成的 ToolCall 调用该工具，此时会返回一个 @[ToolMessage]：

// This is usually generated by a model, but we'll create a tool call directly for demo purposes.
const modelGeneratedToolCall = {
  args: {
    input: "What are the latest developments in AI?",
  },
  id: "1",
  name: tool.name,
  type: "tool_call",
};

await tool.invoke(modelGeneratedToolCall);

在智能体中使用

将研究工具传递给 createAgent，以便智能体可以使用研究任务调用它：

import { ChatOpenAI } from "@langchain/openai";
import { TavilyResearch } from "@langchain/tavily";
import { createAgent } from "langchain";

const llm = new ChatOpenAI({
  model: "gpt-5.5",
});

const tavilyResearchTool = new TavilyResearch({
  model: "mini",
});

const agent = createAgent({
  model: llm,
  tools: [tavilyResearchTool],
});

const userInput =
  "Research the latest developments in AI agents and summarize key trends.";

const stream = await agent.streamEvents(
  { messages: [{ role: "user", content: userInput }] },
  { version: "v3" },
);

await Promise.all([
  (async () => {
    for await (const message of stream.messages) {
      for await (const token of message.text) {
        process.stdout.write(token);
      }
    }
  })(),
  (async () => {
    for await (const call of stream.toolCalls) {
      console.dir({ name: call.name, input: call.input }, { depth: null });
      await call.output;
    }
  })(),
]);

await stream.output;

API 参考

有关 Tavily Research API 所有特性和配置的详细文档，请参阅 API 参考：docs.tavily.com/documentation/api-reference/endpoint/research

---

官方原文：src/oss/javascript/integrations/tools/tavily_research.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。