Der MCP-Server ist da

Geben Sie Ihrem Coding-Agenten oder KI-Assistenten Live-Antworten aus der KI-Suche: Er fragt ChatGPT, Gemini, Perplexity und die anderen Engines und liest die Ergebnisse selbst.

Was Sie erhalten

• run_prompt: sendet einen Prompt an eine beliebige Engine und wartet auf die Antwort, in einem einzigen Tool-Aufruf.
• submit_prompt und get_task: einen längeren Job einreihen und das Ergebnis später lesen.
• Derselbe API-Schlüssel, dieselben Engines und dieselben Credit-Preise wie bei der REST-API.

So funktioniert es

MCP ist der offene Standard, mit dem KI-Agenten externe Tools aufrufen. Fügen Sie den querying.ai-Server mit Ihrem API-Schlüssel zu den MCP-Einstellungen Ihres Agenten hinzu, und der Agent befragt KI-Suchmaschinen direkt während der Arbeit: Er recherchiert einen Markt, prüft, wie Engines eine Marke beschreiben, oder sammelt Quellen für einen Entwurf.

Der Agent wählt für jeden Aufruf Engine und Land und erhält dasselbe JSON, das Ihr Code von der API bekommt. Seine Ergebnisse beruhen also auf echten Antworten.

Einsatzbereiche

• Lassen Sie Ihren Coding-Agenten prüfen, wie ChatGPT und Gemini eine Frage beantworten, bevor Sie Inhalte dafür schreiben.
• Lassen Sie einen Recherche-Agenten Antworten und Quellen mehrerer Engines sammeln und für Sie zusammenfassen.

So legen Sie los

Fügen Sie den Server dort hinzu, wo Ihr Agent seine MCP-Server verwaltet. Claude Code und Codex lesen den Schlüssel aus der Umgebungsvariable QUERYING_API_KEY, exportieren Sie sie also in der Shell, die den Agenten startet.

claude mcp add --transport http querying \
  https://mcp.querying.ai/mcp \
  --header 'Authorization: Bearer ${QUERYING_API_KEY}'

Für jeden anderen Client fügen Sie den Eintrag aus mcp.json ein und ersetzen YOUR_API_KEY durch einen Schlüssel aus dem Dashboard. Der Server kommuniziert über Streamable HTTP unter https://mcp.querying.ai/mcp.

Tools

Nach dem Verbinden ruft der Agent diese Tools auf. Die Monitoring-Tools lesen und schreiben dieselben Monitore wie Ihr Dashboard, und jede Aufgabe erscheint wie ein API-Aufruf unter Aktivität.

run_prompt

Sendet einen Prompt und wartet auf die Antwort, bis zum eigenen Timeout des Tools: standardmäßig 180 Sekunden, höchstens 900. Eine dann noch laufende Aufgabe kommt als Aufgaben-ID für get_task zurück.

submit_prompt

Sendet einen Prompt und gibt sofort die eingereihte Aufgabe zurück.

get_task

Liest den Status oder die fertige Antwort einer gesendeten Aufgabe.

research_prompts

Nimmt ein Thema und liefert die Fragen, die Menschen KI-Assistenten dazu stellen, sortiert nach monatlicher Suchnachfrage, dazu die Auswahl für einen Monitor. KR und US, 12 Credits.

scrape_page

Nimmt eine Webseite und liefert ihren Hauptinhalt als Markdown, mit Bildern, Titel, Autor und Veröffentlichungsdatum. 1 Credit pro Seite.

create_monitor

Erstellt einen geplanten Monitor. Jeder Lauf kostet die Credits für Prompts × Engines Aufgaben, im Rhythmus des Monitors.

run_monitor

Startet sofort einen Lauf, zum Credit-Preis eines geplanten Laufs.

get_monitor_analytics

Quoten, der vorherige gleich lange Zeitraum, Veränderungen in Prozentpunkten, Quoten je Engine, Share of Voice, Chancen und Abdeckung.

get_monitor_results

Die bewerteten Antwortzeilen. includeEvidence fügt den gespeicherten Antworttext und die Zitierungen hinzu.

get_monitor_answer

Eine Antwort vollständig: Markdown, Quellen sowie die Aliasse und Wettbewerber, gegen die sie bewertet wurde.

Preis

Über MCP gestartete Aufgaben verbrauchen dieselben Credits wie die API und werden bei Abschluss berechnet.