Tavily to API wyszukiwarki internetowej zaprojektowane pod modele językowe, z natywną integracją w n8n. Zamiast surowych linków jak w Google dostajesz wyniki gotowe do podania modelowi — dzięki temu ograniczasz halucynacje. Sam korzystam z tego narzędzia bardzo dużo.
Z tego artykułu dowiesz się:
- czym Tavily różni się od zwykłej wyszukiwarki i dlaczego to ma znaczenie dla twoich automatyzacji,
- jak podpiąć go do n8n i skonfigurować klucz API w kilka minut,
- kiedy Tavily się opłaca, a kiedy lepiej sięgnąć po coś innego.
Co to jest Tavily
Tavily aktywnie wyszukuje informacje w internecie i zwraca je w formie przyjaznej dla modeli językowych. Działa jak Google, tylko od razu dostajesz konkretne wyniki, które model może dalej przetwarzać.
Więc co ci to daje? Model nie zgaduje na podstawie tego, co "pamięta" z treningu. Pracuje na aktualnych danych z sieci. To właśnie tak ograniczasz halucynacje — nie zerujesz ich, bo nie ma zerowego procenta halucynacji, ale realnie zbijasz ryzyko.
Kluczowa rzecz: każdy wynik ma przypisany "score" w skali od 0 do 1. Im wyższy, tym większe prawdopodobieństwo, że dane są zgodne z twoim pytaniem.
Testowałem to wielokrotnie i to jest miejsce, gdzie robi się różnica. Możesz odfiltrować wyniki tak, żeby model dostawał tylko te powyżej 0,6. Reszta leci do kosza, zanim w ogóle zobaczy ją LLM.
Tavily ma trzy tryby pracy:
- wyszukiwanie w internecie — zadajesz pytanie, dostajesz standardowo pięć wyników z różnych stron,
- ekstrakcja treści — podajesz adresy URL, Tavily pobiera z nich całą zawartość,
- przeszukiwanie strony pod zadanie — podajesz domenę i instrukcję (np. "pozyskaj dane kontaktowe"), a Tavily sam znajduje właściwą podstronę.
Darmowy plan daje 1000 kredytów miesięcznie. Większość operacji to jeden kredyt, bardziej zaawansowane biorą dwa lub więcej. Do normalnego użytku spokojnie starcza.
Kiedy warto (i kiedy nie)
Warto, kiedy budujesz automatyzację, w której model musi opierać się na aktualnych faktach z sieci, a nie na swojej pamięci. Research na żądanie, wzbogacanie leadów, sprawdzanie firmy przed rozmową — tu Tavily dowozi.
Konkretny case z filmu: podaję domenę i instrukcję "pozyskaj dane kontaktowe". Tavily wchodzi na stronę, sam ocenia, że zakładka kontakt jest najbardziej oczywista, i wyciąga dane. Potem agent AI formatuje wszystko do JSON — imię, nazwisko, email, telefon.
To jest dokładnie ten schemat, w który wpada masa początkujących przy przygotowywaniu danych do dzwonienia. Podajesz adres strony, Tavily przeszukuje ją pod kątem tego, czego potrzebujesz, a wynik ląduje w Excelu. Robota, która ręcznie zjadłaby godziny, dzieje się sama.
Jedna uwaga z praktyki: przeszukiwanie całej strony pod zadanie trwa dłużej. Proste wyszukiwanie zwraca wynik w 1-2 sekundy, ale pełna analiza strony potrafi zająć nawet 12 sekund. To normalne — model musi przetworzyć całą treść.
Kiedy nie? Jeśli chcesz surowe linki i sam kontrolujesz każdy parametr wyszukiwania, prostsza wyszukiwarka wystarczy. Tavily świeci tam, gdzie wynik idzie prosto do LLM.
Jak zacząć
Tavily ma natywną integrację z n8n. Nie kombinujesz z HTTP Request — instalujesz moduł i działa.
Kroki są proste:
- w n8n wyszukujesz "Tavily" i klikasz "Zainstaluj",
- moduł jest zweryfikowany, wydawcą jest oficjalna strona, więc bez obaw o podejrzane źródło,
- na platformie Tavily w zakładce Overview generujesz klucz API,
- wracasz do n8n, dodajesz nowy dostęp, wklejasz klucz — Base URL zostawiasz bez zmian.
Przy kluczu możesz od razu ustawić limit, np. 100 zapytań dziennie. Przydatne, gdy masz kilka kluczy i chcesz trzymać koszty pod kontrolą.
Potem wybierasz typ operacji, wpisujesz zapytanie i wykonujesz krok. Wersja podstawowa zwraca pięć wyników — do zbudowania podstawowej wiedzy na temat w zupełności starcza. Dodatkowych opcji jest naprawdę dużo, każda opisana w API Playground, ale na start proponuję zostać przy domyślnych ustawieniach.
Mam jeszcze jeden trik, który realnie przyspiesza pracę. Podczas budowania workflow klawiszem "P" przypinasz dane (pin data). Od tego momentu Tavily nie odpytuje internetu przy każdym uruchomieniu — n8n omija ten blok i przekazuje dalej dane, które już masz.
Więc co ci to daje? Niektóre workflow testuje się po 100-200 razy, żeby je dopracować. Bez przypięcia każdy przebieg zjadałby kredyty i czas. Z przypięciem pracujesz tylko na kroku, który akurat dopracowujesz. Odpinasz "P", gdy chcesz znów pobrać świeże dane.
Alternatywy
Tavily nie jest jedynym narzędziem tego typu. W poprzednim odcinku omawiałem Ginę, która też pobiera informacje ze stron. Różnica jest w podejściu.
- Tavily — zwraca wyniki gotowe dla LLM, ze scoringiem trafności i natywną integracją w n8n,
- Brave Search API — zwraca surowe wyniki wyszukiwania (tytuły, opisy, URL); to, co z nimi zrobisz, zależy od kolejnych kroków workflow,
- Gina — pobieranie treści ze stron, bez warstwy scoringu trafności.
Wybór zależy od tego, czego potrzebujesz. Jeśli wynik idzie prosto do modelu i zależy ci na filtrowaniu po trafności — Tavily. Jeśli chcesz surowe linki i pełną kontrolę — sięgnij po coś innego.
Podsumowanie
- Tavily zwraca wyniki w formie przyjaznej dla LLM i przypisuje im score trafności, dzięki czemu realnie ograniczasz halucynacje,
- natywna integracja z n8n oznacza instalację modułu i wklejenie klucza — bez kombinowania,
- trik z przypinaniem danych klawiszem "P" oszczędza kredyty i czas przy setkach powtórzeń workflow.
P.S. Filtrowanie wyników po scorze powyżej 0,6 to najprostszy sposób, żeby model nie karmił się danymi, których nie jest pewien — jedna liczba, a robi porządek.
Damian Ślimak. Twój Nawigator w chaosie AI.