Web Researcher MCP

検索レンズとは、ある分野の信頼できるサイトを厳選したリストだ。医療レンズを選べば、アシスタントはPubMedと同種の情報源しか見ない。法律レンズを選べば、裁判所のデータベースを検索する。内蔵レンズは一般的な分野をカバーし、独自のレンズも定義できる。これがこのツールを一般的なチャットボットと分ける機能だ。モデルが読む前に、不要な情報源を取り除くからである。

scrape_pageツールは要約ではなくURL全体を読む。ウェブページ、PDF、Word文書、スライド、YouTubeの文字起こし、Hacker Newsのスレッドを扱う。生モードでは、整えられた閲覧ビューではなく、基になるJSONやHTMLを直接調べたいときに、逐語的でサニタイズされていない情報源を返す。情報源を丸ごと読むことが引用の信頼性を生む。ページが実際に何を言っているかを見るのであって、検索インデックスが推測した内容ではない。

情報源に頼る前に、verify_citationが存在するか、実在の記録と一致するか、撤回済みかリンク切れかを調べる。答えは判決ではなく証拠なので、自分で判断できる。相棒のaudit_bibliographyツールは、CSL-JSON、RIS、BibTeX形式の参考文献リスト全体を受け取り、すべての項目を一度に指摘する。両者を合わせれば、査読者や顧客より先に偽物を捕まえられる。

一般的なウェブ検索を超えて、サーバーは専門データベースに踏み込む。学術検索はDOIと被引用数付きの実在論文を返す。特許検索は米国、欧州、国際の特許庁を分類コードで照会する。提出書類検索はSEC EDGAR文書と構造化されたXBRLファクトを引く。法律検索は実在の米国裁判所の判決を返し、経済検索は世界銀行、OECD、Eurostat、FREDのデータをカバーする。各ツールは、その分野が期待する形式を話す。

逐次検索により、アシスタントは毎回ゼロから始めるのではなく、すでに見つけたことを覚えて段階をまたいで積み上げられる。コンテキストが失われても、セッション復元で中断した場所から続けられる。終わったら、リサーチのエクスポートが完全な出所付きの共有可能なMarkdownかJSONレポートを生成し、get_research_sessionが後から軌跡を再構築できる。

サーバーは自分のマシン上で動くので、クエリはプライベートなままだ。プロジェクトの作者自身を含め、誰も何を調べているかを知らない。検索プロバイダは交換可能で、設定を1つ変えるだけでBrave、Google、または30以上の対応オプションのいずれかに切り替えられる。複数のプロバイダを同時に動かして自動フェイルオーバーもでき、1つに問題があれば他が引き継ぐ。