概述

知乎搜索 MCP 通过 MCP over SSE 协议提供知乎站内搜索能力，适合接入支持 MCP 的 Agent、助手或工作流系统。

当前服务仅提供工具能力，不提供资源（resources）与提示词（prompts）能力。

接口信息

说明 值
SSE URL https://developer.zhihu.com/api/mcp/zhihu_search/v1/sse
Message URL https://developer.zhihu.com/api/mcp/zhihu_search/v1/message
传输方式 MCP over SSE
工具名 zhihu_search

流程说明：

  1. 客户端先连接 SSE 端点
  2. 服务端通过 endpoint 事件返回实际可用的 message 地址（带 sessionId）
  3. 后续 initialize、tools/list、tools/call 请求均发送到该 message 地址

鉴权

请求头：

Authorization: Bearer <your_access_secret>

建议在 SSE 连接和后续 message 请求中均携带同一份鉴权信息。

额度说明

知乎搜索每日调用额度为 10 次（试用用户），实名认证后可提升至 1000 次。

工具定义

zhihu_search

入参：

名称 类型 必填 说明
query String 是 搜索关键词，长度 2-100 个字符
count Number 否 返回条数，取值范围 1-10，默认 10

返回：

工具调用结果为 text 类型内容，正文为面向大模型消费的结构化文本（XML 格式）。

返回示例：

<zhihu_search query="RAG">
<search_item title="RAG 评测方法综述" content_type="Article" url="https://..." author_name="张三" author_avatar="https://..." author_badge_text="" edit_time="2025-03-01 10:00:00 +0000 UTC" authority_level="2" ranking_score="0.9800">
本文介绍了主流 RAG 评测框架，包括 RAGAS、TruLens ...
</search_item>
</zhihu_search>

返回值外层是 MCP text 类型，文本内容为 XML。建议将整段 XML 原样交给模型消费，不建议自行裁剪字段。

接入流程

1. 建立 SSE 连接

curl -N 'https://developer.zhihu.com/api/mcp/zhihu_search/v1/sse' \
  -H 'Authorization: Bearer <your_access_secret>' \
  -H 'Accept: text/event-stream'

服务端返回 endpoint 事件：

event: endpoint
data: /api/mcp/zhihu_search/v1/message?sessionId=xxx

2. 初始化 MCP 会话

将上一步拿到的 message 地址记为 MESSAGE_URL。

curl -X POST "$MESSAGE_URL" \
  -H 'Authorization: Bearer <your_access_secret>' \
  -H 'Content-Type: application/json' \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "initialize",
    "params": {
      "protocolVersion": "2024-11-05",
      "clientInfo": {
        "name": "demo-client",
        "version": "1.0.0"
      },
      "capabilities": {}
    }
  }'

message 端点通常先返回 HTTP 202 Accepted，实际 JSON-RPC 响应通过 SSE 通道异步返回。

3. 获取工具列表

curl -X POST "$MESSAGE_URL" \
  -H 'Authorization: Bearer <your_access_secret>' \
  -H 'Content-Type: application/json' \
  -d '{
    "jsonrpc": "2.0",
    "id": 2,
    "method": "tools/list"
  }'

4. 调用搜索工具

curl -X POST "$MESSAGE_URL" \
  -H 'Authorization: Bearer <your_access_secret>' \
  -H 'Content-Type: application/json' \
  -d '{
    "jsonrpc": "2.0",
    "id": 3,
    "method": "tools/call",
    "params": {
      "name": "zhihu_search",
      "arguments": {
        "query": "RAG",
        "count": 5
      }
    }
  }'

SSE 通道返回响应：

event: message
data: {"jsonrpc":"2.0","id":3,"result":{"content":[{"type":"text","text":"<zhihu_search query=\"RAG\">..."}]}}

Claude Code 配置

在 ~/.claude/settings.json 的 mcpServers 中添加：

"zhihu-search": {
  "url": "https://developer.zhihu.com/api/mcp/zhihu_search/v1/sse",
  "headers": {
    "Authorization": "Bearer <your_access_secret>"
  }
}

配置完成后重启 Claude Code 即可使用。

注意事项

  1. 该服务采用标准 MCP 工具调用模式，推荐直接使用现成 MCP Client 接入
  2. tools/call 的结果通过已建立的 SSE 通道返回，而非直接同步返回在 POST 响应体中
  3. query 建议尽量具体，以获得更稳定的搜索结果
  4. 返回的 XML 建议原样交给大模型消费，不建议自行裁剪字段

搜索示例：Claude Code MCP

通过知乎搜索 MCP 搜索「Claude Code MCP」的结果（2026-05-19）：

1. 一个神级 Claude Code 画图插件,开源了!

2. 从零搭建 AI 因子挖掘系统:QuantGPT + Claude Code + DeepSeek 实操指南

3. 读完 Claude Code 源码才发现:Skills、MCP、Rules 的区别,远没有你想的那么大

4. Claude Code + Seedance MCP: 命令行AI舞蹈视频生成的潜力

5. 最适合新手的 Claude Code、MCP、Skills 全套教程

转载请注明出处