OpenClaw 和 Claude Code 网络搜索配置指南

OpenClaw 和 Claude Code 默认不能联网。但在实际使用中，搜索最新信息、抓取网页内容是最常见的需求。本文介绍如何给它们配置网络搜索能力。

四大后端对比

后端	环境变量	搜索	提取	爬取	免费额度	推荐
Firecrawl	`FIRECRAWL_API_KEY`	✔	✔	✔	注册送 500 积分	默认，功能最全
Tavily	`TAVILY_API_KEY`	✔	✔	✔	每月 1,000 次	搜索质量最好
Parallel	`PARALLEL_API_KEY`	✔	✔	—	见官网	多种搜索模式
Exa	`EXA_API_KEY`	✔	✔	—	见官网	支持分类过滤

API Key 申请

Firecrawl（推荐）

访问 firecrawl.dev
点击右上角 "Start for free"，用 GitHub 账号登录
进入 Dashboard → API Keys，复制以 fc- 开头的 Key

免费额度：注册送 500 积分（一次性），限制每分钟约 10 次请求。

Tavily（搜索最强）

访问 tavily.com
点击 "Get Started"，用 GitHub 或 Google 账号登录
进入 Dashboard → API Keys，复制以 tvly- 开头的 Key

免费额度：每月 1,000 次搜索。对个人开发者非常充裕。

Exa（精准搜索）

访问 exa.ai
注册并获取 API Key
支持按类别过滤：公司、研究论文、新闻、人物、PDF 等

OpenClaw 配置

方式 A：配置文件

在 config.yaml 中指定：

web:
  backend: tavily  # 可选: firecrawl, tavily, parallel, exa

方式 B：环境变量自动检测

不设置 web.backend，系统根据你配了哪个 Key 自动选择：

如果只设了 EXA_API_KEY → 使用 Exa
如果只设了 TAVILY_API_KEY → 使用 Tavily
如果只设了 PARALLEL_API_KEY → 使用 Parallel
否则 → 默认 Firecrawl

在 ~/.hermes/.env 中设置：

# 选一个就行，多设了按优先级自动选
FIRECRAWL_API_KEY=fc-xxxxx
TAVILY_API_KEY=tvly-xxxxx
EXA_API_KEY=exa-xxxxx

Claude Code 配置

Claude Code 通过 MCP Server 或 Skills 接入网络搜索。

方法一：Firecrawl MCP Server

在 claude_desktop_config.json 或 Claude Code 的 MCP 配置中添加：

{
  "mcpServers": {
    "firecrawl": {
      "command": "npx",
      "args": ["-y", "@anthropic/firecrawl-mcp"],
      "env": {
        "FIRECRAWL_API_KEY": "fc-xxxxx"
      }
    }
  }
}

方法二：Tavily MCP Server

{
  "mcpServers": {
    "tavily": {
      "command": "npx",
      "args": ["-y", "tavily-mcp"],
      "env": {
        "TAVILY_API_KEY": "tvly-xxxxx"
      }
    }
  }
}

方法三：Brave Search（Claude Code 原生支持）

Claude Code 原生支持 Brave Search，在设置中开启 Web Search 即可。

Firecrawl 自托管：完全免费，无限调用

云服务免费版只有 500 积分，用完即止。但 Firecrawl 是开源的（AGPL-3.0），你可以自己部署，零成本、无限调用、数据完全私有。

自托管 vs 云服务

维度	云服务（SaaS）	自托管（Self-Host）
价格	免费送 500 积分，用完按量付费	完全免费（只需自己的服务器）
调用限制	每分钟约 10 次	无限制（取决于服务器性能）
数据隐私	数据经过第三方服务器	极高，数据完全不出域
反爬能力	强（官方防封锁机制）	弱（需自己配代理 IP）
配置难度	极低（注册即用）	中等（需懂 Docker）

适合自托管的场景

每天需要爬取大量页面（监控、数据采集）
企业内部使用，数据合规要求高（SOC2 等）
长期高频使用，不想持续付费
内网环境，数据不能出境

自托管部署步骤

硬件要求： 至少 2GB RAM（推荐 4GB+），双核 CPU。Firecrawl 需要 Playwright 浏览器引擎处理动态网页。

第一步：安装 Docker 和 Docker Compose

# macOS
brew install docker docker-compose

# Ubuntu
sudo apt install docker.io docker-compose-plugin

第二步：获取代码并配置

git clone https://github.com/mendableai/firecrawl.git
cd firecrawl
cp .env.example .env

编辑 .env，关键配置：

# 关闭鉴权，本地测试不需要 API Key
USE_DB_AUTHENTICATION=false

第三步：启动服务

docker compose up -d

启动后本地 API 地址：http://localhost:3002

第四步：在 OpenClaw / Claude Code 中使用

在环境变量中指向你的自托管实例：

FIRECRAWL_API_URL=http://localhost:3002
# USE_DB_AUTHENTICATION=false 时不需要 Key

或在 MCP 配置中：

{
  "mcpServers": {
    "firecrawl": {
      "command": "npx",
      "args": ["-y", "@anthropic/firecrawl-mcp"],
      "env": {
        "FIRECRAWL_API_URL": "http://localhost:3002"
      }
    }
  }
}

自托管注意事项

反爬能力较弱：云服务有官方的代理池和防封锁机制，自托管需要自己配置代理 IP
需要维护：Docker 容器、Playwright 浏览器引擎需要定期更新
性能取决于硬件：爬取速度和并发量取决于你的服务器配置
内网部署最香：公司内网 + 自托管 = 数据零出境 + 无限调用

其他高级配置

Parallel 搜索模式

PARALLEL_SEARCH_MODE=agentic  # 可选: fast, one-shot, agentic（默认）

Exa 精准过滤

Exa 支持按类别搜索：公司、研究论文、新闻、人物、个人网站、PDF。同时支持域名和日期过滤，适合需要精准信息的场景。

场景	推荐方案	原因
个人轻度使用	Tavily	搜索质量最好，每月 1,000 次免费
需要爬取完整网页	Firecrawl 云服务	搜索+提取+爬取三合一
学术/论文搜索	Exa	支持按类别精准过滤
企业内网/高频使用	Firecrawl 自托管	零成本、无限调用、数据私有
数据合规（SOC2 等）	Firecrawl 自托管	数据完全不出域

iTech's Blog

AI人工智能时代 www.theaiera.cn