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：
- 访问Tavily官网注册账号
- 进入
API Playground填写申请信息 - 返回
Overview页面即可查看生成的API密钥我们可以先去Tavily官网 获取一个API密钥，注册一个自己的账号，然后点击API Playground后面填写申请内容，回到Overview就能看见我们申请好的API密钥了
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:truelog-requests:truestrict-tools:truestreaming-chat-model:base-url: https://dashscope.aliyuncs.com/compatible-mode/v1 api-key: ${QWEN_API_KEY}model-name: qwen-plus log-responses:truelog-requests:truestrict-tools:trueembedding-model:base-url: https://dashscope.aliyuncs.com/compatible-mode/v1 api-key: ${EMBEDDING_API_KEY}model-name: text-embedding-v4 log-requests:truelog-responses:truemax-segments-per-batch:10web-search-engine:tavily:api-key: ${TAVILY_API_KEY}# 从环境变量读取API Keymax-results:3# 最多返回3条搜索结果随后我们可以新建一个WebSearchConfig,配置联网搜索需要的bean类，在LangChain4j当中给我们提供了WebSearchEngine来处理联网搜索的需求。
注意引入LangChain4j-tavily依赖
<dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j-web-search-engine-tavily</artifactId><version>1.0.0-beta3</version></dependency>网络搜索引擎可以作为RAG管道中的ContentRetriever使用，也可以作为@Tool使用。LangChain4j支持的检索图途径主要有以下几种：
新建WebSearchConfig后，可以使用@value注解将我们的配置注入。
@Value("${langchain4j.web-search-engine.tavily.api-key}")privateString tavilyApiKey;@Value("${langchain4j.web-search-engine.tavily.max-results:3}")privateInteger maxResults;随后完成WebSearchEngine类，创建集中管理 Tavily 搜索引擎配置，统一 API 密钥等参数；
@BeanpublicWebSearchEnginewebSearchEngine(){returnTavilyWebSearchEngine.builder().apiKey(tavilyApiKey).build();}接着就是完成ContentRetriever内容检索器接口，核心作用是：从数据源（如网络、向量库）中，根据查询语义精准召回相关内容片段，为大模型提供上下文支持（适配 RAG 场景）。也可以专门通过 WebSearchEngine（如 Tavily）从网络检索相关内容，返回给大模型辅助回答。
@BeanpublicContentRetrieverwebContentRetriever(WebSearchEngine webSearchEngine){returnWebSearchContentRetriever.builder().webSearchEngine(webSearchEngine).maxResults(maxResults).build();}完整代码：
packagecom.example.kui.config;importdev.langchain4j.rag.content.retriever.ContentRetriever;importdev.langchain4j.rag.content.retriever.WebSearchContentRetriever;importdev.langchain4j.web.search.WebSearchEngine;importdev.langchain4j.web.search.tavily.TavilyWebSearchEngine;importorg.springframework.beans.factory.annotation.Autowired;importorg.springframework.beans.factory.annotation.Value;importorg.springframework.context.annotation.Bean;importorg.springframework.context.annotation.Configuration;@ConfigurationpublicclassWebSearchConfig{@Value("${langchain4j.web-search-engine.tavily.api-key}")privateString tavilyApiKey;@Value("${langchain4j.web-search-engine.tavily.max-results:3}")privateInteger maxResults;@BeanpublicWebSearchEnginewebSearchEngine(){returnTavilyWebSearchEngine.builder().apiKey(tavilyApiKey).build();}@BeanpublicContentRetrieverwebContentRetriever(WebSearchEngine webSearchEngine){returnWebSearchContentRetriever.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")Stringchat(@UserMessageString message);完整代码：
@AiService(wiringMode = EXPLICIT, chatModel ="openAiChatModel", streamingChatModel ="openAiStreamingChatModel", chatMemory ="chatMemory", chatMemoryProvider ="chatMemoryProvider", contentRetriever ="webContentRetriever")publicinterfaceWebSearchAgent{@SystemMessage("根据检索结果回答")Stringchat(@UserMessageString 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")publicStringwebSearch(@RequestBodyString userMessage){return webSearchAgent.chat(userMessage);}
