Exa Research 是 BlockRun MCP 提供的神经网页搜索能力，强调“理解语义而非关键词”，面向产品调研、学术论文查找、竞品发现、网页内容读取和带引用的事实问答等研究任务。
用途与主要能力 工具提供四种操作，对应不同研究模式：
- search：按主题查找相关 URL，可指定 numResults，可用 category 筛选为 news（新闻）、research paper（学术论文）、company（公司）、tweet、github、pdf；也可用 includeDomains 限定域名范围。
- answer：针对事实性问题返回带引用的答案，适合需要可靠来源而非依赖模型训练数据的场景。
- contents：根据给定 URL 列表抓取网页正文文本，单次最多 100 个 URL，返回适合作为 LLM 上下文使用的文本。
- find-similar：给定一个 URL，查找内容相似或相关的页面，用于竞品发现、相关研究或同类站点挖掘。
使用方式 在 MCP 中，blockrun_exa 工具采用基于 path 的调用方式：将端点名作为 path，请求内容作为 body。例如 search 传 { query, numResults }，answer 传 { query }，contents 传 { urls: [...] }，find-similar 传 { url, numResults }。 在 Python SDK 中，需先安装 blockrun-llm，并配置 USDC 钱包；通过 setup_agent_wallet（或 Solana 链的 setup_agent_solana_wallet）初始化客户端，再调用 client._request_with_payment_raw，并传入 /v1/exa/search、/v1/exa/answer、/v1/exa/contents、/v1/exa/find-similar 等端点及请求体。资料注明该函数是 Exa 的 Python SDK 入口，暂无专用的独立方法。
计费 资料给出的实际扣费如下（已包含每次调用 0.001 美元的交易费）：search、answer、find-similar 每次 0.0110 美元；contents 按 URL 计费，每个 URL 0.002 美元，另加 0.001 美元，因此 1 个 URL 为 0.0030 美元、3 个 URL 为 0.0070 美元。将多个 URL 合并在一次调用中比逐个调用更便宜。
适用场景 适合竞品发现（先用 find-similar 找相似公司，再用 contents 抓取页面）、研究综合（先按 research paper 类别检索论文，再用 answer 获取带引用的结论）、新闻跟踪、学术检索、域名限定调研，以及为 LLM 准备网页上下文。
限制与要求 需要 BlockRun SDK（pip install blockrun-llm）和已充值的 USDC 钱包；Python SDK 目前需使用 _request_with_payment_raw 这一底层入口。资料未提供 rate limit、响应时延、可用区域及其它平台支持信息。