Blog
Standpunkt

Testen des Brave MCP-Servers (mit Brave Search API), hier sind meine Gedanken:

Erstelle einen MCP-Server mit Brave Search API! Anfängerfreundlich. Verbinde KI mit Web- & Lokalsuche in Echtzeit.

Leo Schulz

Leo Schulz

5 June 2025

Testen des Brave MCP-Servers (mit Brave Search API), hier sind meine Gedanken:

Möchten Sie die Fähigkeiten Ihres KI-Assistenten mit Echtzeit-Websuchen aufladen? Stellen Sie sich vor, Ihr Lieblings-Large Language Model (LLM), wie Claude oder GPT-4o, flitzt durch das Internet, um die neuesten Nachrichten abzurufen oder ein gemütliches Café in der Nähe zu finden – alles angetrieben von der Brave Search API und einem benutzerdefinierten MCP-Server. Das Model Context Protocol (MCP) ist wie ein USB-Anschluss für KI, der es ermöglicht, sich mit Tools wie der Brave Search API zu verbinden, um epische Daten abzurufen. In diesem Leitfaden für Anfänger zeige ich Ihnen Schritt für Schritt, wie Sie einen MCP-Server erstellen, der die Brave Search API nutzt, mit einer Gesprächsatmosphäre, die so entspannt ist wie ein sonniger Nachmittag. Kein Doktortitel erforderlich – nur ein bisschen Neugier und eine Tastatur. Bereit, Ihre KI zu einem Suchzauberer zu machen? Los geht's!

💡
Bevor wir mit der Brave Search API und dem MCP-Server loslegen, wollen wir Apidog eine kurze Erwähnung zukommen lassen – ein absoluter Game-Changer für API-Fans! Dieses elegante Tool macht das Entwerfen, Testen und Dokumentieren von APIs zum Kinderspiel, perfekt, um die Endpunkte Ihres MCP-Servers zu optimieren. Schauen Sie es sich unter apidog.com an – es ist der beste Freund eines Entwicklers! Lassen Sie uns nun in die MCP-Server-Magie eintauchen…
button
apidog ui image

Was ist ein MCP-Server mit Brave Search API?

Also, was ist dieses MCP-Server-Ding? Das Model Context Protocol (MCP) ist ein offener Standard von Anthropic, der es KI-Modellen wie Claude ermöglicht, sich über ein Client-Server-Setup mit externen Tools und Datenquellen zu verbinden. Ein MCP-Server ist wie ein Mittelsmann, der Tools – denken Sie an Websuche, Dateizugriff oder sogar GitHub-Integration – Ihrer KI über standardisierte API-ähnliche Aufrufe zur Verfügung stellt. Die Brave Search API ist derweil eine datenschutzorientierte Suchmaschinen-API, die Web- und lokale Suchergebnisse liefert, mit Funktionen wie Paginierung, Frischekontrollen und intelligenten Fallbacks (z. B. Wechsel zur Websuche, wenn lokale Ergebnisse leer sind).

Indem Sie beides kombinieren, erstellen Sie einen MCP-Server, mit dem Ihre KI die Brave Search API nach Echtzeitinformationen abfragen kann – z. B. um die beste Pizza der Stadt oder die neuesten Tech-Nachrichten zu finden – ohne ihre gemütliche KI-Umgebung zu verlassen. Warum ist das cool? Es ist privat, schnell und verleiht Ihrer KI Superkräfte. Bauen wir einen!

Einrichten Ihrer Umgebung für den Brave Search MCP-Server: Die Grundlagen

Bevor wir unseren MCP-Server programmieren, bereiten wir Ihr System vor. Das Setup ist unkompliziert, aber wir gehen langsam vor, um es anfängerfreundlich zu halten.

Schritt 1: Voraussetzungen

Sie benötigen:

Schritt 2: Erstellen Sie einen Projektordner

Halten wir die Dinge ordentlich:

mkdir brave-mcp-server
cd brave-mcp-server

Schritt 3: Richten Sie eine virtuelle Umgebung ein

Um Paketchaos zu vermeiden, erstellen Sie eine virtuelle Python-Umgebung:

python -m venv venv

Aktivieren Sie sie:

Sie sehen (venv) in Ihrem Terminal – gut!

Den Brave Search API-Schlüssel abrufen

Die Brave Search API benötigt einen API-Schlüssel, um zu funktionieren. So schnappen Sie sich einen:

  1. Besuchen Sie brave.com/search/api und melden Sie sich an.
  2. Wählen Sie die kostenlose Stufe (2.000 Abfragen/Monat) oder einen kostenpflichtigen Plan, wenn Sie groß rauskommen wollen.
  3. Klicken Sie im Entwickler-Dashboard auf „API-Schlüssel generieren“. Kopieren Sie ihn und speichern Sie ihn an einem sicheren Ort (nicht in einem öffentlichen Repository!).
brave search api

Wir werden diesen Schlüssel in Kürze sicher speichern. Lassen Sie uns vorerst die MCP-Server-Tools installieren.

Installieren des Brave Search MCP-Servers

Der Brave Search MCP-Server ist über npm verfügbar, was die Einrichtung mit Node.js zum Kinderspiel macht. Installieren wir ihn:

Schritt 1: Abhängigkeiten installieren

Installieren Sie mit Ihrer aktiven virtuellen Umgebung Python-Pakete für MCP-Client-Interaktionen:

pip install requests aiohttp asyncio python-dotenv

Diese verarbeiten HTTP-Anfragen und Umgebungsvariablen. Node.js verarbeitet den Server selbst, also stellen Sie sicher, dass er installiert ist.

Schritt 2: Testen Sie das Brave Search MCP-Paket

Führen Sie das Serverpaket aus, um zu bestätigen, dass es zugänglich ist:

npx -y @modelcontextprotocol/server-brave-search

Wenn es Fehler gibt (z. B. „BRAVE_API_KEY not set“), keine Sorge – das konfigurieren wir als Nächstes. Wenn es läuft und wartet, sind Sie goldrichtig. Unter Windows kann es zu einem ENOENT-Fehler kommen, wenn npx nicht gefunden wird – versuchen Sie, den vollständigen Node.js-Pfad zu verwenden (dazu später mehr).

Konfigurieren des Brave Search MCP-Servers

Okay, lassen Sie uns Ihren MCP-Server bereit machen, um die Brave Search API zu nutzen! Dazu müssen Sie die MCP-Server-Konfigurationsdatei für Ihre IDE oder Ihren MCP-Client Ihrer Wahl öffnen – z. B. claude_desktop_config.json für Claude Desktop, .cursor/mcp.json für Cursor, .codium/windsurf/mcp_config.json für Codium/Windsurf oder settings.json für VS Code – und einige spezifische Einstellungen hinzufügen. Wir werden auch Ihren Brave Search API-Schlüssel sicher speichern, um die Dinge sicher zu halten. Machen wir das Schritt für Schritt!

Schritt 1: Erstellen Sie eine .env-Datei

Um Ihren Brave Search API-Schlüssel sicher aufzubewahren, verwenden wir eine .env-Datei:

touch .env

Öffnen Sie sie in Ihrem bevorzugten Editor und fügen Sie Folgendes hinzu:

BRAVE_API_KEY=your-api-key-here

Ersetzen Sie your-api-key-here durch Ihren tatsächlichen Brave Search API-Schlüssel aus dem Brave-Dashboard. Speichern Sie die Datei und fügen Sie .env zu Ihrem .gitignore hinzu, um sie privat zu halten – niemand muss Ihre Geheimnisse sehen! Auf diese Weise kann Ihr MCP-Server den Schlüssel abrufen, ohne ihn fest zu codieren.

Schritt 2: Aktualisieren Sie die MCP-Konfigurationsdatei Ihrer IDE

Öffnen Sie nun die MCP-Server-Konfigurationsdatei für Ihre IDE oder Ihren Client. Je nachdem, was Sie verwenden, könnte dies Folgendes sein:

Wenn die Datei nicht existiert, erstellen Sie sie am entsprechenden Ort (z. B. verwenden Sie touch claude_desktop_config.json für Claude). Öffnen Sie sie in Ihrem Editor und fügen Sie die folgende Konfiguration hinzu, um Ihrem MCP-Server mitzuteilen, wie der Brave Search-Dienst ausgeführt werden soll.

Für Mac/Linux:

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": "$BRAVE_API_KEY"
      },
      "disabled": false,
      "alwaysAllow": []
    }
  }
}

Für Windows:

{
  "mcpServers": {
    "brave-search": {
      "command": "C:\\Program Files\\nodejs\\node.exe",
      "args": ["C:\\Users\\YourUsername\\AppData\\Roaming\\npm\\node_modules\\@modelcontextprotocol\\server-brave-search\\dist\\index.js"],
      "env": {
        "BRAVE_API_KEY": "$BRAVE_API_KEY"
      },
      "disabled": false,
      "alwaysAllow": []
    }
  }
}

Ein paar Anmerkungen:

{
  "mcpServers": {
    "existing-server": { ... },
    "brave-search": { ... }
  }
}

Schritt 3: Speichern und überprüfen

Speichern Sie die Konfigurationsdatei am richtigen Ort für Ihre IDE oder Ihren Client:

Wenn der Ordner nicht existiert, erstellen Sie ihn (z. B. mkdir -p ~/Library/Application Support/Claude auf dem Mac). Diese Konfiguration teilt Ihrem MCP-Client (wie Claude oder Cursor) mit, wie der MCP-Server für die Brave Search API gestartet wird. Um zu testen, starten Sie Ihre IDE oder Ihren Client neu, um die neuen Einstellungen zu laden – wir werden überprüfen, ob es funktioniert, wenn wir das Client-Skript später ausführen!

Erstellen eines einfachen MCP-Clients zum Testen des Brave Search MCP-Servers

Erstellen wir ein Python-Skript, um Ihren MCP-Server mit der Brave Search API zu testen. Dieser Client ahmt nach, wie Claude Desktop mit dem Server interagiert.

Schritt 1: Erstellen Sie das Client-Skript

Erstellen Sie brave_mcp_client.py:

import asyncio
import os
from dotenv import load_dotenv
from fastmcp.client import MCPClient

async def main():
    # Load environment variables
    load_dotenv()

    # Create MCPClient from config file
    client = MCPClient.from_config_file("claude_desktop_config.json")

    # Make a search query
    response = await client.request(
        {"method": "brave_web_search"},
        {"query": "best coffee shops in Seattle", "count": 10}
    )
    print(f"Search Results: {response}")

if __name__ == "__main__":
    asyncio.run(main())

Dieses Skript:

Schritt 2: Installieren Sie fastmcp

Installieren Sie die MCP-Client-Bibliothek:

pip install fastmcp

Schritt 3: Führen Sie den Client aus

Mit Ihrer aktiven virtuellen Umgebung:

python brave_mcp_client.py

Wenn alles gut geht, startet der MCP-Server, fragt die Brave Search API ab und gibt Ergebnisse wie eine JSON-Liste von Cafés aus. Ich habe in Sekundenschnelle eine leckere Liste von Cafés in Seattle erhalten! Wenn Sie Fehler sehen, überprüfen Sie Folgendes:

Integrieren der Brave Search API mit Claude Desktop

So verwenden Sie Ihren MCP-Server mit Claude Desktop:

  1. Claude Desktop installieren: Laden Sie es von der offiziellen Website von Anthropic herunter und installieren Sie es.
  2. Konfiguration hinzufügen: Stellen Sie sicher, dass sich claude_desktop_config.json im richtigen Ordner befindet (siehe oben).
  3. Claude neu starten: Beenden Sie es vollständig (Command+Q auf dem Mac) und öffnen Sie es erneut.
  4. Eine Abfrage testen: Geben Sie in Claudes Chat Folgendes ein: „Suchen Sie im Web nach den besten Cafés in Seattle.“ Claude fordert Sie auf, die Erlaubnis zur Verwendung des MCP-Servers zu erteilen, und zeigt dann die Ergebnisse an.
claude desktop

Sie sollten sehen, wie Claude „Making a tool request: brave_web_search“ protokolliert und Ergebnisse über die Brave Search API abruft. Mein Test hat fantastische Kaffee-Spots ohne Probleme hervorgebracht!

Für andere KI-gestützte IDEs wie Codium/Windsurf, VS Code und Cursor. Durch die Wiederverwendung derselben Brave Search API-Konfiguration können Sie diese Tools in die Lage versetzen, Websuchen über den MCP-Server durchzuführen, sodass KI-Assistenten Echtzeitdaten direkt in der Chat-Oberfläche jeder IDE abrufen können. Der Prozess ist ähnlich und beinhaltet das Einfügen der vorhandenen Konfiguration in die entsprechenden MCP-Einstellungen für jede IDE, mit geringfügigen Anpassungen für Windows-Benutzer, um sicherzustellen, dass die Node.js-Pfade wie oben erwähnt korrekt sind.

Und für ausführlichere Anleitungen zur Konfiguration von MCP-Servern in verschiedenen Umgebungen besuchen Sie apidog.com/blog, wo Sie hilfreiche Ressourcen finden, um die Brave Search API (und viele andere MCP-Server) nahtlos in Ihre bevorzugten Coding-Tools zu integrieren.

Warum die Brave Search API mit einem MCP-Server verwenden?

Diese Kombination rockt, weil:

Im Vergleich zum MCP-Server von Perplexity bietet die API von Brave lokale Suchvorgänge und flexible Filter, was sie zu einer Top-Auswahl macht.

Profi-Tipps für den Brave Search MCP-Erfolg

HiMCP.ai - Discover 1682+ MCP Servers

Fazit: Ihr Brave Search MCP-Abenteuer beginnt

Herzlichen Glückwunsch – Sie haben einen MCP-Server erstellt, der die Brave Search API nutzt, um Ihre KI zu einem Such-Superstar zu machen! Von der Einrichtung von Node.js bis zur Abfrage von Cafés mit Claude sind Sie jetzt bereit, das Web mit KI zu erkunden. Versuchen Sie als Nächstes, nach Nachrichten, lokalen Diensten oder sogar Nischenthemen zu suchen. Die MCP-Server-Liste enthält weitere Tools zum Spielen, und die Claude MCP-Community auf claudemcp.com sprüht vor Ideen. Also, was ist Ihre nächste Abfrage? Neueste Tech-Trends? Ein verstecktes Juwel-Restaurant? Und vergessen Sie nicht, apidog.com für den zusätzlichen API-Feinschliff zu besuchen.

button
apidog all in one

Explore more

Fathom-R1-14B: Fortschrittliches KI-Argumentationsmodell aus Indien

Fathom-R1-14B: Fortschrittliches KI-Argumentationsmodell aus Indien

Künstliche Intelligenz wächst rasant. FractalAIResearch/Fathom-R1-14B (14,8 Mrd. Parameter) glänzt in Mathe & Logik.

5 June 2025

Cursor 1.0 mit BugBot: KI-gestütztes Automatisierungstest-Tool ist da:

Cursor 1.0 mit BugBot: KI-gestütztes Automatisierungstest-Tool ist da:

Die Softwareentwicklung erlebt Innovationen durch KI. Cursor, ein KI-Editor, erreicht mit Version 1.0 einen Meilenstein.

5 June 2025

30+ öffentliche Web 3.0 APIs, die Sie jetzt nutzen können

30+ öffentliche Web 3.0 APIs, die Sie jetzt nutzen können

Der Aufstieg von Web 3.0: Dezentral, nutzerorientiert, transparent. APIs ermöglichen innovative dApps und Blockchain-Integration.

4 June 2025

Praktizieren Sie API Design-First in Apidog

Entdecken Sie eine einfachere Möglichkeit, APIs zu erstellen und zu nutzen

Kostenlos registrierenDownload