【使用外部知识降低模型幻觉】让专业的grok干专业的search，让专业的tavily干专业的crawl

问题描述：

“让专业的人，干专业的事。”

---

最近在疯狂调研论文，发现无论是claude/gpt/gemini，其内置的搜索工具的结果广度似乎都不如grok，而且grok搜的还巨快。然而grok又不如claude讲得好，所以一个自然的想法是，让grok给出信源，claude查看信源总结回答给我，岂不美哉？然而在使用已有的grok-search mcp时，我发现使用指令让grok fetch某网页，总是或漏或省的，这对论文阅读任务是接受不了一点的。所以浅浅思考了一下，想到fetch这个功能压根就不应该让大模型来实现，把网页的内容转换成格式文档是一个很工程的事情，本就不需要什么“智能”，所以让我们来找个专业的fetch小能手就好啦！经过多方比对，我将目光放在了tavily上，其提供的fetch和map功能可以天然提供一种agentic crawl的能力（更因为站内有数不尽的免费资源）。综合这段时间的使用体验，可以说十分清爽，大家感兴趣的话可以一试~

---

基本功能示意：

Claude ──MCP──► Grok Search Server ├─ web_search ───► Grok API（AI 搜索） ├─ web_fetch ───► Tavily Extract（内容抓取） └─ web_map ───► Tavily Map（站点映射）

---

一个效果示例：
我们以在cherry studio中配置本MCP为例，展示了claude-opus-4.6模型如何通过本项目实现外部知识搜集，降低幻觉率。