tavily-research — скилл для Claude Code: что делает и как установить
Запускает глубокий поиск через Tavily CLI и собирает отчёт со ссылками на веб-источники. Помогает, когда простого поиска по одному сайту мало.
npx skills add tavily-ai/skills --skill tavily-research -a claude-codeЧто делает tavily-research
Скилл выполняет команду tvly research прямо из терминала. В отличие от обычной поисковой строки, утилита сама находит страницы, сопоставляет факты и отдаёт связный структурированный текст со ссылками. На один отчёт уходит от 30 до 120 секунд. Доступны модели mini для точечных задач и pro для сравнительных обзоров, а также форматы цитирования numbered, mla, apa и chicago.
Перед запуском обязательно нужна авторизация в Tavily. Инструмент проверяет сессию через OAuth или берёт ключ из переменной TAVILY_API_KEY. Если запустить скилл без настроенного CLI, агент споткнётся об ошибку входа. При долгих запросах можно включить потоковый вывод флагом --stream или отдать задачу в фоновый режим через --no-wait.
Для быстрых справок скилл избыточен, потому что обычный поиск через tvly search сработает в разы быстрее.
Какие задачи решает
- собрать аналитический обзор рынка с цитатами первоисточников
- сопоставить несколько продуктов или технологий по веб-источникам
- выгрузить результаты исследования в файл JSON по заданной схеме
Примеры запросов агенту
- Изучи рынок фреймворков для ИИ-агентов и подготовь сравнительный отчёт со ссылками на источники.
- Запусти исследование трендов финтеха на 2025 год с моделью pro и сохрани результат в json.
- Сделай обзор прорывов в квантовых вычислениях с потоковым выводом.
Как установить tavily-research
1Через Skills CLI (Vercel)
npx skills add tavily-ai/skills --skill tavily-research -a claude-code2Вручную: положить файлы
~/.claude/skills/tavily-research/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/tavily-research/
1Через Skills CLI (Vercel)
npx skills add tavily-ai/skills --skill tavily-research -a codex2Вручную: положить файлы
.agents/skills/tavily-research/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add tavily-ai/skills --skill tavily-research -a cursor2Вручную: положить файлы
.cursor/skills/tavily-research/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install tavily-ai/skills tavily-research2Вручную: положить файлы
.github/skills/tavily-research/SKILL.md1Через Skills CLI (Vercel)
npx skills add tavily-ai/skills --skill tavily-research -a gemini-cli2Командой платформы
gemini skills install https://github.com/tavily-ai/skills --path skills/tavily-researchВручную: положить файлы
.devin/skills/tavily-research/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add tavily-ai/skills --skill tavily-research -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
Из того же набора6
Весь набор →Похожие
Вопросы о tavily-research
Как установить tavily-research в Claude Code?
Выполните команду npx skills add tavily-ai/skills --skill tavily-research -a claude-code в терминале.
Что делает tavily-research?
Скилл обращается к утилите tvly и формирует развёрнутый аналитический отчёт с явными ссылками на веб-страницы. Процесс занимает от 30 до 120 секунд в зависимости от выбранной модели.
Чем отличаются модели mini и pro в tavily-research?
Режим mini рассчитан на исследование одного конкретного вопроса и отрабатывает примерно за 30 секунд. Модель pro собирает данные с разных ракурсов для глубоких сравнений и требует от 60 до 120 секунд.
Исходный текст
SKILL.md · MIT
--- name: tavily-research description: | Conduct comprehensive AI-powered research with citations via the Tavily CLI. Use this skill when the user wants deep research, a detailed report, a comparison, market analysis, literature review, or says "research", "investigate", "analyze in depth", "compare X vs Y", "what does the market look like for", or needs multi-source synthesis with explicit citations. Returns a structured report grounded in web sources. Takes 30-120 seconds. For quick fact-finding, use tavily-search instead. allowed-tools: Bash(tvly *) --- # tavily research AI-powered deep research that gathers sources, analyzes them, and produces a cited report. Takes 30-120 seconds. ## Before running Research requires authentication. Run the requested command directly when `tvly` is already authenticated; do not add a status check to every invocation. If `tvly` is missing, follow the [tavily-cli setup](../tavily-cli/SKILL.md#setup). If an installed CLI reports an authentication error, use `tvly login` for authentication only, or `tvly init --skip-skills` when guided verification is also useful. Browser-based OAuth is preferred when an interactive user can complete it. `--no-browser` prints the sign-in link instead of opening it, but still waits for a localhost callback. In an unattended agent or CI environment, leave authentication to the user or use a securely provided `TAVILY_API_KEY`. Do not start a second login immediately after guided setup has completed. ## When to use - You need comprehensive, multi-source analysis - The user wants a comparison, market report, or literature review - Quick searches aren't enough — you need synthesis with citations - Step 5 in the [workflow](../tavily-cli/SKILL.md): search → extract → map → crawl → **research** ## Quick start ```bash # Basic research (waits for completion) tvly research "competitive landscape of AI code assistants" # Pro model for comprehensive analysis tvly research "electric vehicle market analysis" --model pro # Stream results in real-time tvly research "AI agent frameworks comparison" --stream # Save report to file tvly research "fintech trends 2025" --model pro -o fintech-report.json # JSON output for agents tvly research "quantum computing breakthroughs" --json ``` ## Options | Option | Description | |--------|-------------| | `--model` | `mini`, `pro`, or `auto` (default) | | `--stream` | Stream results in real-time | | `--no-wait` | Return request_id immediately (async) | | `--output-schema` | Path to JSON schema for structured output | | `--citation-format` | `numbered`, `mla`, `apa`, `chicago` | | `--poll-interval` | Seconds between checks (default: 10) | | `--timeout` | Max wait seconds (default: 600) | | `-o, --output` | Save the JSON response to a file | | `--json` | Structured JSON output | ## Model selection | Model | Use for | Speed | |-------|---------|-------| | `mini` | Single-topic, targeted research | ~30s | | `pro` | Comprehensive multi-angle analysis | ~60-120s | | `auto` | API chooses based on complexity | Varies | **Rule of thumb:** "What does X do?" → mini. "X vs Y vs Z" or "best way to..." → pro. ## Async workflow For long-running research, you can start and poll separately: ```bash # Start without waiting tvly research "topic" --no-wait --json # returns request_id # Check status tvly research status <request_id> --json # Wait for completion tvly research poll <request_id> --json -o result.json ``` ## Tips - **Research takes 30-120 seconds** — use `--stream` to see progress in real-time. - **Use `--model pro`** for complex comparisons or multi-faceted topics. - **Use `--output-schema`** to get structured JSON output matching a custom schema. - **For quick facts**, use `tvly search` instead — research is for deep synthesis. - Read from stdin: `echo "query" | tvly research - --json` ## See also - [tavily-search](../tavily-search/SKILL.md) — quick web search for simple lookups - [tavily-crawl](../tavily-crawl/SKILL.md) — bulk extract from a site for your own analysis
© tavily-ai · MIT · tavily-ai/skills