五一假期带着家人去印尼泗水看火山，听起来很酷对吧？但作为一枚典型J人，行程规划必须精确到小时——结果发现，早些年那套直接扔给大模型让它搜的方案，实在算不上明智。机票价格瞬息万变、酒店评分一日翻新，AI要是没有实时渠道，还真没法用。

这大概就是 MCP 这类工具的意义所在。一位新手开发者，做了一款名叫 SearchAPI 的 MCP，思路其实很简单：让 AI 助手直接调用谷歌地图、航班、酒店等实时信息来帮忙规划。这就把思路打开了——不是让AI凭空编造，而是让它作为入口，帮你从谷歌生态里挖掘真实的数据。

旅行规划痛点

传统AI搜索规划不够聪明

前阵子计划五一带家人去印尼泗水看火山。作为典型的J人，行程规划必须细致到每个小时。但发现直接用网上的大模型暴力做搜索规划，信息不够实时准确，尤其在机票、酒店这些动态信息上。于是自己动手写了个 MCP 服务器——SearchAPI MCP，通过接入 SearchAPI.io 服务，让AI助手直接调用谷歌地图、航班、酒店等实时信息来帮我规划。

SearchAPI MCP介绍

SearchAPI MCP的核心价值在于：打通AI助手与强大的谷歌服务生态之间的连接。它可以让AI实时访问谷歌的多个服务：

• Google Search：获取网页结果、知识图谱信息、搜索建议等。
• Google Video：搜索视频、按条件筛选时长、来源等。
• Google Maps：搜索地点和服务、获取地址、评论、坐标等详细信息。
• Google Flights：查询实时航班、查看价格日历、按需筛选航班。
• Google Hotels：按位置搜索酒店、查询实时价格、筛选设施、查看评分。

通过SearchAPI，AI助手可以帮我搜索网上的实时信息，规划路线、查询酒店和航班。把原来需要到不同App上搜索的信息全部集中在AI助手里，方便省事。

使用安装教程

MCP 星球的官网上，搜索框输入"SearchAPI"，就能找到它。准备工作很简单，需要你有基本的 Python 和 Git 环境。

具体步骤：

1. 克隆项目：git clone https://github.com/RmMargt/searchAPI-mcp.git
2. 进入项目（推荐创建并激活 Python 虚拟环境，避免依赖冲突）：cd searchAPI-mcp，然后 python -m venv venv
3. 激活环境：Linux/Mac 执行 source venv/bin/activate；Windows 执行 .venvScriptsactivate
4. 安装依赖：pip install -r requirements.txt

提醒：因为是新手，项目结构或文档如有不清晰之处，请大家包涵并欢迎指正。

接下来配置到AI客户端中——以Cherry Studio为例。安装好MCP服务器代码后，在你使用的AI客户端（如Cherry Studio、FastGPT、LobeChat、Cursor等支持MCP的应用）中进行配置。

具体步骤：

1. 进入"MCP 服务器配置"页面，点击"添加 MCP 配置"
2. 按照下图示例进行配置：
   • 名称：可自定义，例如 searchapi
   • 命令：请将 /path/to/searchAPI-mcp/ 替换为你实际克隆的项目路径
     uv run –with mcp [cli] /path/to/searchAPI-mcp/mcp_server.py
   • 环境变量：SEARCHAPI_API_KEY = 你的SeachAPI.io的Key，需自行申请

配置好后, 点击右上按钮，"searchapi"这个服务器启动并运行正常。

配置无误后，就可以开始使用了。

场景应用：制作旅行攻略

在Cherry Studio新建一个对话，在选择MCP服务器时勾选你刚才配置的"searchapi"。现在你的AI助手就拥有了调用谷歌各种搜索服务的能力。

可以让AI查询特定区域的酒店，询问设施详情、根据日期查询价格情况，甚至查看用户评价。

例如问AI助手：帮我搜搜印度尼西亚泗水Bromo火山的周边酒店情况。它会二次确认入住时间，人数、小孩年龄等细节情况。给AI提供所有信息后，它返回了9家酒店的实时信息，包括与火山的距离。

继续追问是否有介绍美食的视频，它搜索了Tiktok和Youtube的10个视频，并总结了时长与内容。

说白了，这个MCP就是把AI从"拍脑袋"变成了"有底气的助手"——它不再依赖语料库里的陈旧数据，而是实时从谷歌拿新鲜信息。对于旅行规划、差旅预订、生活服务这类场景，这确实是个聪明的方法。