Permet aux assistants IA d'interroger des benchmarks d'API de recherche web et d'effectuer des tests de recherche en direct via des fournisseurs tels que You.com, Tavily, Exa et Parallel.
Aussi connu sous psinglap/websearch-api-eval, websearch-api-eval, websearch-api-eval-mcp
- Étoiles
- 4
- Outils
- 9
- Téléchargements, 30 jours
- —
- Dernière version
- 1.1.0
- Dernier commit
- 27 oct. 2026
- Licence
- MIT
Qu'est-ce que Web Search API Eval MCP ?
Permet aux assistants IA d'interroger des benchmarks d'API de recherche web et d'effectuer des tests de recherche en direct via des fournisseurs tels que You.com, Tavily, Exa et Parallel. Il expose 9 outils, comme get_overall_results, get_scorecard, compare_providers.
Résumé généré à partir du README du projet
À propos du MCP server Web Search API Eval
Ce serveur permet aux développeurs utilisant des assistants IA de comparer les performances des API de recherche web et de réaliser des tests ponctuels en direct. Il offre un accès à un benchmark spécifique évaluant You.com, Tavily, Exa et Parallel à travers trente requêtes d'agents. Les utilisateurs peuvent interroger les données publiées pour déterminer quel fournisseur convient le mieux à des cas d'usage spécifiques, comme la finance ou l'assurance.
Ce serveur peut être utilisé comme service hébergé via une URL pour des clients distants comme ChatGPT et Claude, ou installé localement via npm pour des environnements de bureau tels que Cursor, VS Code et Claude Desktop. Bien que les outils de benchmark soient en lecture seule, l'installation locale permet des tests en direct grâce à l'outil run_live_search. Cette fonctionnalité spécifique nécessite que vous fournissiez vos propres clés API pour YDC, Tavily, Exa ou Parallel dans votre configuration afin de comparer la latence et les résultats en temps réel.
Extrait du README du projet. Chaque cas d'utilisation est vérifié par rapport à une citation du document.
Comment installer Web Search API Eval MCP
Formats vérifiés le 10 nov. 2026Ajouter à CursorAjouter à GooseInstaller Web Search API Eval MCP dans Claude Code
$ claude mcp add --env 'EXA_API_KEY=<YOUR_EXA_API_KEY>' --env 'PARALLEL_API_KEY=<YOUR_PARALLEL_API_KEY>' --env 'TAVILY_API_KEY=<YOUR_TAVILY_API_KEY>' --env 'YDC_API_KEY=<YOUR_YDC_API_KEY>' websearch-api-eval -- npx -y websearch-api-eval-mcpInstaller Web Search API Eval MCP dans Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"websearch-api-eval": {
"command": "npx",
"args": [
"-y",
"websearch-api-eval-mcp"
],
"env": {
"EXA_API_KEY": "<YOUR_EXA_API_KEY>",
"PARALLEL_API_KEY": "<YOUR_PARALLEL_API_KEY>",
"TAVILY_API_KEY": "<YOUR_TAVILY_API_KEY>",
"YDC_API_KEY": "<YOUR_YDC_API_KEY>"
}
}
}
}Installer Web Search API Eval MCP dans VS Code
.vscode/mcp.json
{
"servers": {
"websearch-api-eval": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"websearch-api-eval-mcp"
],
"env": {
"EXA_API_KEY": "<YOUR_EXA_API_KEY>",
"PARALLEL_API_KEY": "<YOUR_PARALLEL_API_KEY>",
"TAVILY_API_KEY": "<YOUR_TAVILY_API_KEY>",
"YDC_API_KEY": "<YOUR_YDC_API_KEY>"
}
}
}
}Installer Web Search API Eval MCP dans VS Code CLI
$ code --add-mcp '{"name":"websearch-api-eval","type":"stdio","command":"npx","args":["-y","websearch-api-eval-mcp"],"env":{"EXA_API_KEY":"<YOUR_EXA_API_KEY>","PARALLEL_API_KEY":"<YOUR_PARALLEL_API_KEY>","TAVILY_API_KEY":"<YOUR_TAVILY_API_KEY>","YDC_API_KEY":"<YOUR_YDC_API_KEY>"}}'Installer Web Search API Eval MCP dans Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"websearch-api-eval": {
"command": "npx",
"args": [
"-y",
"websearch-api-eval-mcp"
],
"env": {
"EXA_API_KEY": "<YOUR_EXA_API_KEY>",
"PARALLEL_API_KEY": "<YOUR_PARALLEL_API_KEY>",
"TAVILY_API_KEY": "<YOUR_TAVILY_API_KEY>",
"YDC_API_KEY": "<YOUR_YDC_API_KEY>"
}
}
}
}Installer Web Search API Eval MCP dans Codex
$ codex mcp add websearch-api-eval --env 'EXA_API_KEY=<YOUR_EXA_API_KEY>' --env 'PARALLEL_API_KEY=<YOUR_PARALLEL_API_KEY>' --env 'TAVILY_API_KEY=<YOUR_TAVILY_API_KEY>' --env 'YDC_API_KEY=<YOUR_YDC_API_KEY>' -- npx -y websearch-api-eval-mcpInstaller Web Search API Eval MCP dans Codex config.toml
~/.codex/config.toml
[mcp_servers.websearch-api-eval] command = "npx" args = ["-y", "websearch-api-eval-mcp"] [mcp_servers.websearch-api-eval.env] EXA_API_KEY = "<YOUR_EXA_API_KEY>" PARALLEL_API_KEY = "<YOUR_PARALLEL_API_KEY>" TAVILY_API_KEY = "<YOUR_TAVILY_API_KEY>" YDC_API_KEY = "<YOUR_YDC_API_KEY>"
Installer Web Search API Eval MCP dans Gemini CLI
$ gemini mcp add -s user -e 'EXA_API_KEY=<YOUR_EXA_API_KEY>' -e 'PARALLEL_API_KEY=<YOUR_PARALLEL_API_KEY>' -e 'TAVILY_API_KEY=<YOUR_TAVILY_API_KEY>' -e 'YDC_API_KEY=<YOUR_YDC_API_KEY>' websearch-api-eval npx -- -y websearch-api-eval-mcpInstaller Web Search API Eval MCP dans Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"websearch-api-eval": {
"command": "npx",
"args": [
"-y",
"websearch-api-eval-mcp"
],
"env": {
"EXA_API_KEY": "<YOUR_EXA_API_KEY>",
"PARALLEL_API_KEY": "<YOUR_PARALLEL_API_KEY>",
"TAVILY_API_KEY": "<YOUR_TAVILY_API_KEY>",
"YDC_API_KEY": "<YOUR_YDC_API_KEY>"
}
}
}
}Outils MCP Web Search API Eval 9
Détectés depuis le READMEget_overall_resultsget_scorecardcompare_providersrecommend_providerlist_questionsget_questionget_chartsget_methodologyhow_to_run_locally
| get_overall_results | — | |
| get_scorecard | — | |
| compare_providers | — | |
| recommend_provider | — | |
| list_questions | — | |
| get_question | — | |
| get_charts | — | |
| get_methodology | — | |
| how_to_run_locally | — |
Configuration
EXA_API_KEYSecretOptional. Exa API key, used only by run_live_search
PARALLEL_API_KEYSecretOptional. Parallel API key, used only by run_live_search
TAVILY_API_KEYSecretOptional. Tavily API key, used only by run_live_search
YDC_API_KEYSecretOptional. You.com API key, used only by run_live_search
| Nom | Description | Type |
|---|---|---|
| EXA_API_KEY | Optional. Exa API key, used only by run_live_search | Secret |
| PARALLEL_API_KEY | Optional. Parallel API key, used only by run_live_search | Secret |
| TAVILY_API_KEY | Optional. Tavily API key, used only by run_live_search | Secret |
| YDC_API_KEY | Optional. You.com API key, used only by run_live_search | Secret |
Vérifications automatisées
Exécuté le 12 nov. 2026Rapport complet →A passé nos vérifications automatisées. Il ne s'agit pas d'un audit de sécurité : lisez le code et donnez au serveur l'accès le plus restreint dont il a besoin. Fonctionnement des vérifications
- Dépôt source lié et accessibleRéussi
- Licence open source (OSI)Réussi
- Commit ou version publiée au cours de l'année écouléeRéussi
- Nom du package non proche d'un package populaireRéussi
- L'endpoint distant utilise HTTPSRéussi
- Les outils destructifs sont étiquetésRéussi
- Aucune instruction cachée destinée au modèleRéussi
- Aucun avis critique dans le package ou ses dépendancesRéussi
README
Voir sur GitHubWeb Search API Eval: MCP server
An MCP server that lets Claude, ChatGPT, Cursor and other AI assistants answer questions about the Web Search API Eval benchmark (You.com, Tavily, Exa and Parallel on 30 agent queries), and run your own live search spot checks.
Use it two ways:
| Hosted (no install) | Local (npm) | |
|---|---|---|
| Connect | https://websearch-api-eval.psberkeleymba.workers.dev/mcp |
npx -y websearch-api-eval-mcp |
| Works in | Claude, ChatGPT, any remote MCP client | Claude Desktop, Claude Code, Cursor, VS Code, any stdio MCP client |
| Benchmark tools | ✅ | ✅ |
run_live_search with your own keys |
— | ✅ |
Install
Claude Code
claude mcp add websearch-api-eval -- npx -y websearch-api-eval-mcp
Claude Desktop, Cursor, VS Code (add to the client's MCP config):
{
"mcpServers": {
"websearch-api-eval": {
"command": "npx",
"args": ["-y", "websearch-api-eval-mcp"],
"env": {
"YDC_API_KEY": "optional",
"TAVILY_API_KEY": "optional",
"EXA_API_KEY": "optional",
"PARALLEL_API_KEY": "optional"
}
}
}
}
The keys are optional and only used by run_live_search. Leave out any provider you don't have a key for. Requires Node.js 18 or later.
Hosted, no install: in Claude, Settings → Connectors → Add custom connector → paste the hosted URL. In ChatGPT, create an app in Developer mode with the same URL and no authentication.
Tools
| Tool | Returns |
|---|---|
get_overall_results |
Headline, overall scorecard, per-use-case summary, which API fits which agent, developer activation |
get_scorecard |
Full scorecard for overall, gtm, insurance or finance |
compare_providers |
Two or more providers side by side, optionally filtered by metric keyword |
recommend_provider |
Which API fits an agent's need, with supporting numbers |
list_questions |
The 30 questions, filterable by use case |
get_question |
One question: task, search call, answer key, sources, what each API returned and its score |
get_charts |
The published graphs; with chart_id, also the image |
get_methodology |
How tests ran and were graded, the 10 metrics and their standards, limits |
how_to_run_locally |
Steps and keys to rerun the full benchmark on your own machine |
search, fetch |
Generic search and document fetch (used by ChatGPT research features) |
run_live_search (local only) |
Sends one query to each provider using your own API keys and returns latency, result count and top results |
The benchmark tools are read-only and read the published results (run Oct 8, 2026). run_live_search calls the providers directly from your machine with your keys and uses your own credits; a single call is a spot check, not a graded benchmark. For the full graded run, use the harness.
Example questions
- "Which web search API is fastest for a voice agent?"
- "Compare Exa and Parallel on finance."
- "What was question F5 and who got it right?"
- "Show me the overall scorecard chart."
- "Run a live search for 'FOMC minutes' and compare the providers."
Data and updates
Results come from data/*.json on the published site, built from the Evaluation page by data/build_data.py. After a new benchmark run, rebuild the data and push; both the hosted and npm servers pick it up with no redeploy or new release.
Develop
cd mcp
npm install
npx wrangler dev # hosted server locally at http://localhost:8787/mcp
npm run build # npm package entry at dist/cli.js
npx @modelcontextprotocol/inspector@0.17.2 node dist/cli.js # call tools by hand
npx wrangler deploy # deploy the hosted server
npm publish # publish the npm package
Built with the official MCP TypeScript SDK. Registry entry: io.github.psinglap/websearch-api-eval (server.json).
Privacy and support
No sign-in, no cookies, no storage, no request logging. Privacy Policy · Terms · Support · MIT License
Questions sur Web Search API Eval MCP
Comment ajouter Web Search API Eval MCP à Claude Code ?
Exécutez claude mcp add --env 'EXA_API_KEY=<YOUR_EXA_API_KEY>' --env 'PARALLEL_API_KEY=<YOUR_PARALLEL_API_KEY>' --env 'TAVILY_API_KEY=<YOUR_TAVILY_API_KEY>' --env 'YDC_API_KEY=<YOUR_YDC_API_KEY>' websearch-api-eval -- npx -y websearch-api-eval-mcp dans votre terminal. Ajoutez --scope user pour le rendre disponible dans tous les projets.
Comment ajouter Web Search API Eval MCP à Cursor ?
Ouvrez ~/.cursor/mcp.json et ajoutez le serveur sous mcpServers, avec la configuration Cursor indiquée dans la section d'installation ci-dessus.
Quels outils Web Search API Eval MCP fournit-il ?
Il expose 9 outils, dont get_overall_results, get_scorecard, compare_providers, recommend_provider, list_questions.
Puis-je effectuer des recherches en direct avec mes propres clés API ?
Oui, si vous utilisez l'installation locale via npm, vous pouvez utiliser l'outil run_live_search avec vos propres clés de fournisseur.
Quelle est la différence entre une recherche en direct et le benchmark ?
Les outils de benchmark sont en lecture seule et accèdent à des résultats publiés, tandis que run_live_search est un test ponctuel qui utilise vos propres crédits et clés.