Exa 是一个完全为 LLM 设计的搜索引擎。使用自然语言查询 在互联网上搜索文档，然后从所需文档中检索清理后的 HTML 内容 。
与基于关键词的搜索（如 Google）不同，Exa 的神经搜索能力使其能够语义理解查询并返回相关文档。例如，我们可以搜索 "fascinating article about cats"，并比较来自 Google 和 Exa 的搜索结果。Google 基于关键词 “fascinating” 给我们返回 SEO 优化的列表文章。Exa 则直接有效。
本笔记本将介绍如何将 Exa 搜索与 LangChain 结合使用。
安装 LangChain Exa 集成包：
pip install - qU langchain - exa # 以及本笔记本的一些依赖项 pip install - qU langchain langchain - openai langchain - community
您需要一个 Exa API 密钥才能使用此集成。通过在此注册 可获得 10 美元免费额度（完成某些操作如首次搜索可获得更多）。
import getpass import os if not os . environ . get ( "EXA_API_KEY" ): os . environ [ " EXA_API_KEY " ] = getpass . getpass ( "Exa API key: \n " )
使用 ExaSearchResults 工具 ExaSearchResults 是一个可与 LangChain 代理一起使用的工具，用于执行 Exa 搜索。它为搜索操作提供了更结构化的接口：
from langchain_exa import ExaSearchResults # 初始化 ExaSearchResults 工具 search_tool = ExaSearchResults ( exa_api_key = os . environ [ " EXA_API_KEY " ]) # 执行搜索查询 search_results = search_tool . _run ( query = "When was the last time the New York Knicks won the NBA Championship?" , num_results = 5 , text_contents_options = True , highlights = True , ) print ( "Search Results:" , search_results )
ExaSearchResults 的高级功能 您可以使用高级搜索选项，如控制搜索类型、实时爬取和内容过滤：
# 使用高级选项执行搜索查询 search_results = search_tool . _run ( query = "Latest AI research papers" , num_results = 10 , # 结果数量 (1-100) type = "auto" , # 可以是 "neural"、"keyword" 或 "auto" livecrawl = "always" , # 可以是 "always"、"fallback" 或 "never" text_contents_options = { "max_characters" : 2000 }, # 限制文本长度 summary = { "query" : "generate one liner" }, # 自定义摘要提示 ) print ( "Advanced Search Results:" ) print ( search_results )
使用 ExaFindSimilarResults 工具 ExaFindSimilarResults 允许您查找与给定 URL 类似的网页。这对于查找相关内容或竞争分析很有用：
from langchain_exa import ExaFindSimilarResults # 初始化 ExaFindSimilarResults 工具 find_similar_tool = ExaFindSimilarResults ( exa_api_key = os . environ [ " EXA_API_KEY " ]) # 基于 URL 查找类似结果 similar_results = find_similar_tool . _run ( url = "http://espn.com" , num_results = 5 , text_contents_options = True , highlights = True ) print ( "Similar Results:" , similar_results )
在代理中使用 我们可以将 ExaSearchResults 和 ExaFindSimilarResults 工具与 LangGraph 代理一起使用。这使代理能够根据用户的查询动态搜索信息并查找类似内容。
首先，让我们设置语言模型。您需要提供您的 OpenAI API 密钥：
import getpass if not os . environ . get ( "OPENAI_API_KEY" ): os . environ [ " OPENAI_API_KEY " ] = getpass . getpass ( "OpenAI API key: \n " )
我们需要安装 langgraph：
pip install - qU langgraph
from langchain . chat_models import init_chat_model from langchain_exa import ExaFindSimilarResults , ExaSearchResults from langchain . agents import create_agent # 初始化语言模型 model = init_chat_model ( model = "gpt-5.4" , model_provider = "openai" , temperature = 0 ) # 初始化 Exa 工具 exa_search = ExaSearchResults ( exa_api_key = os . environ [ " EXA_API_KEY " ], max_results = 5 , ) exa_find_similar = ExaFindSimilarResults ( exa_api_key = os . environ [ " EXA_API_KEY " ], max_results = 5 , ) # 创建包含两个工具的代理 agent = create_agent ( model , [ exa_search , exa_find_similar ]) # 示例 1：基本搜索 user_input = "What are the latest developments in quantum computing?" for step in agent . stream ( { "messages" : user_input }, stream_mode = "values" , ): step [ " messages " ][ - 1 ]. pretty_print ()
使用 ExaSearchRetriever ExaSearchRetriever 是一个使用 Exa 搜索来检索相关文档的检索器。
用于 TextContentsOptions 的 max_characters 参数以前称为 max_length，现已弃用。请确保使用 max_characters。
基本用法 以下是使用 ExaSearchRetriever 的一个简单示例：
from langchain_exa import ExaSearchRetriever # 创建 ExaSearchRetriever 的新实例 exa = ExaSearchRetriever ( exa_api_key = os . environ [ " EXA_API_KEY " ]) # 搜索查询并保存结果 results = exa . invoke ( "What is the capital of France?" ) # 打印结果 print ( results )
高级功能 您可以使用高级功能，如控制结果数量、搜索类型、实时爬取、摘要和文本内容选项：
from langchain_exa import ExaSearchRetriever # 使用高级选项创建新实例 exa = ExaSearchRetriever ( exa_api_key = os . environ [ " EXA_API_KEY " ], k = 20 , # 结果数量 (1-100) type = "auto" , # 可以是 "neural"、"keyword" 或 "auto" livecrawl = "always" , # 可以是 "always"、"fallback" 或 "never" text_contents_options = { "max_characters" : 3000 }, # 限制文本长度 # 用于 LLM 生成页面内容摘要的自定义提示 summary = { "query" : "generate one line summary in simple words." }, ) # 使用高级选项进行搜索 results = exa . invoke ( "Latest developments in quantum computing" ) print ( f "Found { len ( results ) } results" ) for result in results [: 3 ]: # 打印前 3 个结果 print ( f "Title: { result . metadata . get ( 'title' , 'N/A' ) } " ) print ( f "URL: { result . metadata . get ( 'url' , 'N/A' ) } " ) print ( f "Summary: { result . metadata . get ( 'summary' , 'N/A' ) } " ) print ( "-" * 80 )
API 参考 有关所有 Exa API 功能和配置的详细文档，请访问 Exa API 文档 。
将这些文档 通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。
