MCP 服务器上线了

让你的编程智能体或 AI 助手直接向 ChatGPT、Gemini、Perplexity 等 AI 搜索引擎提问，并自行读取结果。

获得的结果

• run_prompt：向任意引擎发送问题并等待回答，一次工具调用即可完成。
• submit_prompt 和 get_task：把耗时任务放入队列，稍后读取结果。
• 与 REST API 相同的 API 密钥、引擎和积分价格。

工作原理

MCP 是 AI 智能体调用外部工具的开放标准。在智能体的 MCP 设置中添加 querying.ai 服务器和 API 密钥后，智能体就能在工作时直接向 AI 搜索引擎提问：调研市场、查看各引擎如何描述某个品牌，或为草稿收集来源。

智能体为每次调用选择引擎和国家，拿到的 JSON 与你的代码通过 API 获取的完全相同，因此它的结论建立在真实回答之上。

应用场景

• 在动笔写内容之前，让编程智能体查看 ChatGPT 和 Gemini 如何回答这个问题。
• 让调研智能体汇总多个引擎的回答和来源，并为你做总结。

开始使用

把服务器添加到智能体登记 MCP 服务器的位置。Claude Code 和 Codex 从 QUERYING_API_KEY 环境变量读取密钥，请在启动智能体的 shell 中设置该变量。

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

其他客户端请粘贴 mcp.json 条目，并把 YOUR_API_KEY 替换为控制台中创建的密钥。服务器在 https://mcp.querying.ai/mcp 上使用 Streamable HTTP 通信。

工具

连接后，智能体会调用这些工具。监测工具与控制台读写同一批监测任务，每个任务都会像 API 调用一样记录在活动中。

run_prompt

发送提示词并等待回答，最长等到工具自身的超时（默认 180 秒，最长 900 秒）。届时仍在运行的任务会以任务 ID 返回，可用 get_task 读取。

submit_prompt

发送提示词后立即返回已排队的任务。

get_task

读取已发送任务的状态或完成后的响应。

research_prompts

输入一个主题，返回人们向 AI 助手提出的相关问题，按月搜索需求排序，并给出监测任务应追踪的问题集。支持 KR 和 US，12 积分。

scrape_page

传入一个网页，返回其正文 Markdown，并附带图片、标题、作者和发布日期。每页 1 积分。

create_monitor

创建定时监测任务。每次运行消耗提示词数 × 引擎数个任务的积分，并按监测周期重复。

run_monitor

立即运行一次，消耗的积分与一次定时运行相同。

get_monitor_analytics

各项比率、等长的上一时段、百分点变化、各引擎比率、声量份额、机会和覆盖情况。

get_monitor_results

已评分的回答行。includeEvidence 会附上保存的回答文本和引用。

get_monitor_answer

一条回答的完整内容：Markdown、来源，以及评分时使用的别名和竞争对手。

价格

通过 MCP 发起的任务与 API 使用相同的积分，在完成时扣费。