Что вы получите в результате миграции
- Единый протокол взаимодействия инструментов Model Context Protocol (MCP) для Claude Desktop, Cursor и LangChain-агентов.
- Снижение стоимости веб-поиска до 0,10₽ за запрос вместо $0.005 (около 0,45₽) у Tavily.
- Качественную глубокую индексацию русскоязычного сегмента интернета без потерь для англоязычного контекста.
- Автоматическую обработку динамических SPA-сайтов: JavaScript выполняется на нашей стороне, а результат возвращается чистым Markdown.
Предварительные требования
Для выполнения инструкции вам потребуются установленный Python 3.10 или выше, библиотека mcp SDK, а также API-ключ от срезAI. Получить стартовый баланс 100₽ (около 1000 бесплатных запросов) можно в личном кабинете srezai.ru.
Шаг 1. Сравнение прямого REST API и MCP-архитектуры
При использовании Tavily API разработчики вынуждены писать жестко привязанный код обертки. Протокол MCP превращает поисковый инструмент в стандартизированный сервер, к которому агент подключается динамически.
| Параметр | Tavily REST API | срезAI MCP Server |
|---|---|---|
| Протокол | HTTP / REST JSON | Model Context Protocol (STDIO / SSE) |
| Стоимость запроса | ~$0.005 (~0,45₽) | 0,10₽ (в 4.5-5 раз дешевле) |
| Глубина по Рунету | Базовая | Глубокая релевантная индексация |
| Обогащение SPA | Ограниченное | Headless-браузер обрабатывает динамический контент |
Шаг 2. Настройка конфигурации MCP-сервера срезAI
Для подключения срезAI к средам вроде Claude Desktop или Cursor создайте или отредактируйте конфигурационный файл mcp_config.json:
{ "mcpServers": { "srezai-search": { "command": "uvx", "args": [ "srezai-mcp-server" ], "env": { "SREZAI_API_KEY": "srez_live_9f83a21bc4e72081d" } } }
}Шаг 3. Переписываем код агента с Tavily на MCP Client
Рассмотрим старый вариант вызова Tavily в Python через библиотеку langchain-community:
# Старый подход: прямое использование Tavily Search
from langchain_community.utilities import TavilySearchAPIWrapper
from langchain_community.tools.tavily_search import TavilySearchResults search_wrapper = TavilySearchAPIWrapper(tavily_api_key="tvly-top-secret-key")
tool = TavilySearchResults(api_wrapper=search_wrapper)
results = tool.invoke({"query": "Анализ рынка ИИ агентов 2026"})
print(results)Новый код использует стандартный MCP клиент, вызывая инструмент web_search от срезAI. В таком подходе модель самостоятельно выбирает нужные функции (web_search, read_url, extract):
# Новый подход: использование срезAI через MCP Client
import asyncio
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client async def main(): server_params = StdioServerParameters( command=Свой веб-доступ для агента: поиск, чтение страниц и извлечение данных по одному ключу.
