Le serveur MCP est là

Donnez à votre agent de code ou à votre assistant IA des réponses en direct de la recherche IA : il interroge ChatGPT, Gemini, Perplexity et les autres moteurs et lit lui-même les résultats.

Ce que vous obtenez

• run_prompt : envoie un prompt au moteur de votre choix et attend la réponse, en un seul appel d’outil.
• submit_prompt et get_task : mettez une tâche longue en file et lisez son résultat plus tard.
• La même clé API, les mêmes moteurs et les mêmes prix en crédits que l’API REST.

Fonctionnement

MCP est le standard ouvert qu’utilisent les agents IA pour appeler des outils externes. Ajoutez le serveur querying.ai aux paramètres MCP de votre agent avec votre clé API : l’agent interroge alors les moteurs de recherche IA pendant qu’il travaille, pour étudier un marché, vérifier comment les moteurs décrivent une marque ou réunir des sources pour un brouillon.

L’agent choisit le moteur et le pays à chaque appel et reçoit le même JSON que votre code obtient de l’API : ses conclusions reposent sur de vraies réponses.

Cas d’usage

• Demandez à votre agent de code comment ChatGPT et Gemini répondent à une question avant d’écrire du contenu pour elle.
• Laissez un agent de recherche rassembler les réponses et les sources de plusieurs moteurs et vous en faire la synthèse.

Pour commencer

Ajoutez le serveur là où votre agent enregistre ses serveurs MCP. Claude Code et Codex lisent la clé dans la variable d’environnement QUERYING_API_KEY : exportez-la dans le shell qui lance l’agent.

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

Pour tout autre client, collez l’entrée mcp.json et remplacez YOUR_API_KEY par une clé du tableau de bord. Le serveur communique en Streamable HTTP sur https://mcp.querying.ai/mcp.

Outils

Une fois connecté, l’agent appelle ces outils. Les outils de suivi lisent et écrivent les mêmes moniteurs que votre tableau de bord, et chaque tâche apparaît dans Activité comme un appel API.

run_prompt

Envoie un prompt et attend la réponse, jusqu’au délai propre à l’outil : 180 secondes par défaut, 900 au maximum. Une tâche encore en cours revient alors sous forme d’ID de tâche pour get_task.

submit_prompt

Envoie un prompt et renvoie aussitôt la tâche mise en file.

get_task

Lit l’état, ou la réponse terminée, d’une tâche envoyée.

research_prompts

Prend un sujet et renvoie les questions posées aux assistants IA à son propos, classées par demande de recherche mensuelle, avec l’ensemble qu’un moniteur devrait suivre. KR et US, 12 crédits.

scrape_page

Prend une page web et renvoie son contenu principal en Markdown, avec images, titre, auteur et date de publication. 1 crédit par page.

create_monitor

Crée un moniteur planifié. Chaque exécution dépense les crédits de prompts × moteurs tâches, selon la cadence du moniteur.

run_monitor

Lance une exécution tout de suite, pour les crédits d’une exécution planifiée.

get_monitor_analytics

Taux, période précédente de même durée, variations en points de pourcentage, taux par moteur, part de voix, opportunités et couverture.

get_monitor_results

Les lignes de réponses notées. includeEvidence ajoute le texte de réponse enregistré et les citations.

get_monitor_answer

Une réponse complète : Markdown, sources, et les alias et concurrents utilisés pour la noter.

Tarif

Les tâches lancées via MCP utilisent les mêmes crédits que l’API et sont facturées à leur achèvement.