Brave Search MCP：给 AI 一个真实搜索入口

给 AI 装一个真实可用的搜索入口，回答能带链接，而不是凭记忆编。

模型不知道训练截止之后发生的事，这点没办法靠提示词解决。让代理能联网查资料，要么自己写爬取脚本，要么接一个搜索 API。Brave Search MCP 是 Brave 官方维护的服务器，把自家搜索 API 包成八个工具：网页搜索、新闻、图片、视频、本地商家、地点、AI 摘要、以及直接返回给大模型用的预提取上下文。它不需要数据库也不需要 Docker，一个 API Key 加一段 JSON 就能用。

配置示例

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@brave/brave-search-mcp-server"],
      "env": {
        "BRAVE_API_KEY": "你的API_KEY"
      }
    }
  }
}

也支持 Docker：docker run -i --rm -e BRAVE_API_KEY docker.io/mcp/brave-search。

网页搜索带新鲜度与分页控制

brave_web_search 是主力工具，除了关键词还能指定时间范围（过去一天、一周、一月、一年）与分页。这两个参数实际很重要：查「某框架最新版本」时限定最近一周，能直接避开一堆两年前的博客；查技术方案时反过来不该限时间，否则会漏掉经典文档。结果会返回标题、URL、描述片段，模型据此合成答案并给出出处。

新闻、图片、视频分工具拉取

不做大杂烩是一个优点：brave_news_search 专查新闻源，brave_image_search 返回图片直链与尺寸，brave_video_search 给视频结果。做行情汇总、竞品监控、内容选题时，分工具调用比一个「万能搜索」准确得多。图片搜索返回的是可引用 URL，配合其他能读图的能力可以直接验证素材。

本地搜索会自动回退到网页

brave_local_search 本来用于查商家与地点信息，但它的设计里有一层智能回退：当本地结果太稀疏时，自动改走网页搜索。这个细节在查国内商家时很实用——本地库覆盖不全，回退后至少能拿到官网或点评页链接，而不是直接返回空结果让模型编一个地址。

用白名单收窄工具面

服务器提供 BRAVE_MCP_ENABLED_TOOLS 与 BRAVE_MCP_DISABLED_TOOLS 两个环境变量，可以只开几个工具。工具开太多会抬高上下文开销，也会让模型在选择上犹豫。日常写作场景只需要网页搜索加新闻两条，其余关掉即可。这个控制粒度在其他搜索类 MCP 里不常见。

使用上手：四步接入

1. 取 Key。到 https://brave.com/search/api/ 注册，免费层是每月 2000 次查询，够个人日常使用。
2. 写配置。把上面的 JSON 加到客户端 MCP 配置文件；Claude Desktop 改 claude_desktop_config.json，Cursor 改 ~/.cursor/mcp.json。
3. 重启验证。完全退出客户端再打开，在工具列表里看到 brave 相关工具即成功。
4. 实战测试。问一个明显超出训练截止的事，例如「查一下某框架本周的发布说明」，能返回带日期的链接即链路打通。

优点与不足

优点：官方维护，接口与价格都透明；免费额度对个人足够，超出后按查询计费而不是包月强制升级；八个工具粒度清楚，可按需开关；不需要额外基础设施，装完即用。

不足：必须以 API Key 形式传入环境变量，团队共用要自己管密钥；免费层每月 2000 次，高频代理很容易跑满，跑满后会直接失败而不是降级；搜索质量受限于 Brave 自家索引，中文长尾内容覆盖不如头部搜索引擎；Node 版本要求各文档不一致（有 18+ 也有 22+），装不上时先升 Node 再排查。

适合谁

• 写作与研究人员：让 AI 查最新资料并给出处，避免内容里出现旧数据。
• 开发者：查报错、查版本、查 API 变更，比翻论坛快。
• 需要事实核查的编辑流程：每个结论都有链接可回溯。

下载与访问

• API 申请：https://brave.com/search/api/
• 仓库：https://github.com/brave/brave-search-mcp-server
• npm：https://www.npmjs.com/package/@brave/brave-search-mcp-server

许可证与获取

本文属于「连接器」分类的 AI 资源专栏，更多评测见分类页。