Skip to main content
Tavily 是一个专为 AI 代理 (LLM) 构建的搜索引擎，能够快速提供实时、准确和事实性的结果。Tavily 提供四个关键端点，其中之一是 Map，它像图一样遍历网站，并可以并行探索数百条路径，通过智能发现生成全面的站点地图。 本指南提供了开始使用 Tavily 工具的快速概述。有关 Tavily 工具的完整细分，您可以在 API 参考中找到更详细的文档。

​
概述

​
集成详情

类包PY 支持版本
TavilyMap@langchain/tavily✅NPM - Version

​
设置

集成位于 @langchain/tavily 包中，您可以按照如下所示进行安装： 
npm install @langchain/tavily @langchain/core

​
凭证

在此处设置 API 密钥，并将其设置为名为 TAVILY_API_KEY 的环境变量。 
process.env.TAVILY_API_KEY = "YOUR_API_KEY"
设置 LangSmith 以获得一流的可观测性也很有帮助（但不是必须的）： 
process.env.LANGSMITH_TRACING="true"
process.env.LANGSMITH_API_KEY="your-api-key"

​
实例化

您可以像这样导入并实例化 TavilyMap 工具的实例： 
import { TavilyMap } from "@langchain/tavily";

const tool = new TavilyMap({
  maxDepth: 3,
  maxBreadth: 50,
  // limit: 100,
  // allowExternal: false,
});

​
调用

​
直接带参数调用

Tavily map 工具在调用期间接受以下参数：
  • url (必需): 自然语言搜索查询
  • 以下参数也可以在调用期间设置：instructions、selectPaths、selectDomains、excludePaths、excludeDomains、allowExternal、categories。 
await tool.invoke({
  url: "https://docs.tavily.com"
});

​
使用 ToolCall 调用

我们还可以使用模型生成的 ToolCall 调用该工具，在这种情况下将返回 ToolMessage： 
// This is usually generated by a model, but we'll create a tool call directly for demo purposes.
const modelGeneratedToolCall = {
  args: {
    url: "https://docs.tavily.com"
  },
  id: "1",
  name: tool.name,
  type: "tool_call",
}

await tool.invoke(modelGeneratedToolCall)

​
链式调用

我们可以通过先将工具绑定到工具调用模型然后调用它来在链中使用我们的工具： 
// @lc-docs-hide-cell

import { ChatOpenAI } from "@langchain/openai"

const llm = new ChatOpenAI({
  model: "gpt-4.1",
  temperature: 0,
})

import { HumanMessage } from "@langchain/core/messages";
import { ChatPromptTemplate } from "@langchain/core/prompts";
import { RunnableLambda } from "@langchain/core/runnables";

const prompt = ChatPromptTemplate.fromMessages(
  [
    ["system", "You are a helpful assistant."],
    ["placeholder", "{messages}"],
  ]
)

const llmWithTools = llm.bindTools([tool]);

const chain = prompt.pipe(llmWithTools);

const toolChain = RunnableLambda.from(
  async (userInput: string, config) => {
    const humanMessage = new HumanMessage(userInput,);
    const aiMsg = await chain.invoke({
      messages: [new HumanMessage(userInput)],
    }, config);
    const toolMsgs = await tool.batch(aiMsg.tool_calls, config);
    return chain.invoke({
      messages: [humanMessage, aiMsg, ...toolMsgs],
    }, config);
  }
);

const toolChainResult = await toolChain.invoke("https://docs.tavily.com");

const { tool_calls, content } = toolChainResult;

console.log("AIMessage", JSON.stringify({
  tool_calls,
  content,
}, null, 2));

​
代理

有关如何在代理中使用 LangChain 工具的指南，请参阅 LangGraph.js 文档。

​
API 参考

有关所有 Tavily Map API 功能和配置的详细文档，请前往 API 参考： docs.tavily.com/documentation/api-reference/endpoint/map

​
相关

Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.