互動式文章
MCP 搜尋 Prompt 實驗
XML 風格 Prompt 真的能提升搜尋品質嗎?深入比較一般 Prompt 與 XML 結構化 Prompt 在 MCP 搜尋工具上的效果差異。
實驗目的
我一直在嘗試使用 MCP 搜尋工具,想測試一個常見的假設:
XML 風格的「最佳實踐 Prompt」真的能提升搜尋品質嗎?
模型選擇比 Prompt 格式更重要嗎?
XML Prompt 真的能提升搜尋品質?
搜尋 MCP 本身比 Prompt 的影響更大?
使用的 MCP 工具
brightdata
Context7
tavily-mcp
使用 noteit-mcp 記錄與呈現結果
prompt_comparison.md
Research and compare the current state of Microsoft's Semantic Kernel and the Microsoft Agent Framework... # Todo Summarize the results above with some comparison and difference diagrams use noteit mcp web
測試結果
結論
輸出品質排名
Opus 4.5 (XML)≥Sonnet 4.5 (XML)≈Sonnet 4.5 (一般)
核心發現
搜尋 MCP 本身的影響遠大於 Prompt 結構。XML 主要改善了搜尋排序和清晰度,但對最終結論影響不大。
Gemini 3.0 觀察
- XML vs 一般 Prompt 幾乎沒有差異
- 需要明確指示才會深入研究
- 缺乏 MCP 支援 → 結果明顯較淺
測試概述
測試日期:2025-11-16
Perplexity vs BrightData 搜尋比較
Medium 文章抓取測試
DDD + Semantic Kernel 架構問題
工具評分
Tavily vs BrightData 詳細對比
功能TavilyBrightData
搜尋精準度
40%
100%
內容清潔度
50%
95%
格式化品質
20%
100%
Token 效率
30%
90%
最終建議
生產環境
強烈建議使用 BrightData
搜尋精準、內容品質高、節省後處理時間
快速原型
可考慮 Tavily
設置簡單,但要做好品質檢查
成本考量
Perplexity MCP (高) > BrightData > Tavily (低)
訂閱 Perplexity 會員每月贈送 $5 API 費用,可降低成本,否則費用較高。
最佳工作流程:問題 → Perplexity → BrightData → BrightData Scrape