SpringBoot 整合LangChain4j 集成 Tavily 实现联网搜索，如何获取Tavily API_KEY（一篇文章解决AI联网搜索全部问题）

关于LangChain4j+LangGraph4j的完整项目已经基本完成，教程中所有代码均有使用，可以前往KuiCoding ，了解更多LangChain4j相关应用。希望您不吝惜您的starred给新人一点创作鼓励。

要实现联网搜索功能，获取API Key是必不可少的关键步骤。

建议按以下步骤获取Tavily API密钥：

获得API密钥后，即可在项目中完成相应配置。 可以通过max-results 来控制最多搜索结果数量

langchain4j:
open-ai:
chat-model:
base-url: https://dashscope.aliyuncs.com/compatible–mode/v1
api-key: ${QWEN_API_KEY}
model-name: qwen–plus
log-responses: true
log-requests: true
strict-tools: true
streaming-chat-model:
base-url: https://dashscope.aliyuncs.com/compatible–mode/v1
api-key: ${QWEN_API_KEY}
model-name: qwen–plus
log-responses: true
log-requests: true
strict-tools: true
embedding-model:
base-url: https://dashscope.aliyuncs.com/compatible–mode/v1
api-key: ${EMBEDDING_API_KEY}
model-name: text–embedding–v4
log-requests: true
log-responses: true
max-segments-per-batch: 10
web-search-engine:
tavily:
api-key: ${TAVILY_API_KEY} # 从环境变量读取API Key
max-results: 3 # 最多返回3条搜索结果

随后我们可以新建一个WebSearchConfig,配置联网搜索需要的bean类，在LangChain4j当中给我们提供了WebSearchEngine来处理联网搜索的需求。

注意引入LangChain4j-tavily依赖

<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-web-search-engine-tavily</artifactId>
<version>1.0.0-beta3</version>
</dependency>

网络搜索引擎可以作为RAG管道中的ContentRetriever使用，也可以作为@Tool使用。LangChain4j支持的检索图途径主要有以下几种：

新建WebSearchConfig后，可以使用@value注解将我们的配置注入。

@Value("${langchain4j.web-search-engine.tavily.api-key}")
private String tavilyApiKey;

@Value("${langchain4j.web-search-engine.tavily.max-results:3}")
private Integer maxResults;

随后完成WebSearchEngine类，创建集中管理 Tavily 搜索引擎配置，统一 API 密钥等参数；

@Bean
public WebSearchEngine webSearchEngine() {
return TavilyWebSearchEngine.builder()
.apiKey(tavilyApiKey)
.build();
}

接着就是完成ContentRetriever内容检索器接口，核心作用是：从数据源（如网络、向量库）中，根据查询语义精准召回相关内容片段，为大模型提供上下文支持（适配 RAG 场景）。也可以专门通过 WebSearchEngine（如 Tavily）从网络检索相关内容，返回给大模型辅助回答。

@Bean
public ContentRetriever webContentRetriever(WebSearchEngine webSearchEngine) {
return WebSearchContentRetriever.builder()
.webSearchEngine(webSearchEngine)
.maxResults(maxResults)
.build();
}

完整代码：

package com.example.kui.config;

import dev.langchain4j.rag.content.retriever.ContentRetriever;
import dev.langchain4j.rag.content.retriever.WebSearchContentRetriever;
import dev.langchain4j.web.search.WebSearchEngine;
import dev.langchain4j.web.search.tavily.TavilyWebSearchEngine;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class WebSearchConfig {

@Value("${langchain4j.web-search-engine.tavily.api-key}")
private String tavilyApiKey;

@Value("${langchain4j.web-search-engine.tavily.max-results:3}")
private Integer maxResults;

@Bean
public WebSearchEngine webSearchEngine() {
return TavilyWebSearchEngine.builder()
.apiKey(tavilyApiKey)
.build();
}

@Bean
public ContentRetriever webContentRetriever(WebSearchEngine webSearchEngine) {
return WebSearchContentRetriever.builder()
.webSearchEngine(webSearchEngine)
.maxResults(maxResults)
.build();
}

}

我们可以创建一个专门用于网络检索的Agent接口，命名为WebSearchAgent。

借助@AiService注解配置好我们的联网搜索的ContentRetriever，名称应该与类名相同。

@AiService(wiringMode = EXPLICIT,
/*
模型，会话记忆等其他配置
*/
contentRetriever = "webContentRetriever"
)

关于@AiService的相关使用也可以看LangChain4j 集成向量存储（PosterSQL + PGVector 、RedisEmbeddingStore）完成RAG检索，如何使用 LangChain4j 搭建自己的Agent（超详细教学） 两篇文章。

在接口中实现方法

@SystemMessage("根据检索结果回答")
String chat(@UserMessage String message);

完整代码：

@AiService(wiringMode = EXPLICIT,
chatModel = "openAiChatModel",
streamingChatModel = "openAiStreamingChatModel",
chatMemory = "chatMemory",
chatMemoryProvider = "chatMemoryProvider",
contentRetriever = "webContentRetriever"
)
public interface WebSearchAgent {
@SystemMessage("根据检索结果回答")
String chat(@UserMessage String message);
}

此时我们只需要调用WebSearchAgent 的chat方法就能得到网络搜索结果了。

@PostMapping("/search")
public String webSearch(@RequestBody String userMessage) {
return webSearchAgent.chat(userMessage);
}