Scry：可编程互联网搜索与MCP服务器

Scry是一个为AI代理设计的可编程互联网搜索基础设施，允许它们对数十亿条公共记录执行任意程序和复杂查询，而不是获取单个网页。通过实现模型上下文协议（MCP），Scry直接集成到Claude、ChatGPT和Cursor等AI助手中，使代理能够跨大量互联网文档语料库计算答案。

高性能可编程搜索

Scry用公共网络的可查询数据库取代了传统的关键字搜索。代理不是接收链接列表，而是可以请求特定的数据子集——例如，每个提到特定化合物但不提及特定专利的页面，按域名分组并自某个日期起——并直接接收计算结果。

核心能力

• 类SQL查询： 代理使用有界、只读的SQL方言来执行短语匹配、时间窗口过滤、连接和递归查询（WITH RECURSIVE）。
• 向量操作： Scry将嵌入视为一等值。用户可以从文本中生成向量，执行向量算术（加法、减法、投影），并使用基于质心的概念或对比轴对语料库进行排名（例如，衡量社区立场随时间的“漂移”）。
• 高级文本语法： scry_lex谓词支持精确短语、排除、正则表达式、模糊匹配和邻近搜索。
• 性能： 系统针对规模进行了优化，一些对数百亿行数据的查询在毫秒内返回。例如，对所有Hacker News文本（155亿字符）的扫描测得为0.86秒。

数据资产与来源

Scry维护着一个超过4160亿行的“持有资产”，目前约有1610亿行可在43个来源中查询。数据分为几个主要领域：

领域	主要来源	描述
社交	Reddit、Hacker News、Bluesky、Mastodon、Stack Exchange、LessWrong	社交讨论和社区帖子的近乎普查档案。
写作与网络	Common Crawl、Wikipedia、Substack、邮件列表	开放网络的巨大索引，包括Common Crawl的清理“蒸馏”层。
学术	OpenAlex、arXiv、PubMed、专利、书籍段落	学术作品、引用和全文论文的综合图谱。
代码	GitHub Archive、Software Heritage、包注册表	公共仓库的历史观察和依赖图（deps.dev）。
市场	Kalshi、Polymarket、Manifold	来自预测市场的统一交易流和市场概率。
记录	SEC EDGAR、FEC交易、Google Trends	官方政府文件和搜索趋势数据。

集成与部署

Scry作为MCP服务器部署在https://mcp.scry.io，使其与任何符合MCP的客户端兼容。

AI助手设置

• Claude： 通过设置 → 连接器 → 添加自定义连接器，使用Scry URL添加。
• ChatGPT： 在设置中通过开发者模式启用，然后将Scry添加为插件。
• 开发者工具： Claude Code、Codex和Cursor可以通过相同的URL连接，或使用带有Bearer令牌的HTTP API用于无头环境。

基准测试与性能

Scry声称在研究任务中具有显著的性能提升。在Google的DeepSearchQA基准测试（900个研究问题）中，使用Scry的代理实现了71.8%的精确集合正确率，超过了同一评判模型和评分提示下Google的Gemini Deep Research Agent报告的66.1%。

定价与访问

Scry采用分层定价模型，包括针对代理的“拥塞定价”方法：

• 研究员： 非商业用途免费（包含5美元初始信用额度）。
• 赞助者： 每月100美元用于非商业用途，余额可滚动。
• 团队： 商业用途和自定义来源构建起价为每月2,000美元。
• 代理： 按声明的查询时间每秒0.05美元收费。

社区见解与反馈

在Hacker News上宣布后，社区提出了几个技术和可用性问题：

“你们是如何抓取Reddit评论的？这难道不需要Reddit的昂贵许可吗？”

用户质疑抓取Reddit等高流量来源的合法性和成本。其他人建议Scry通过P2P种子使数据集可用，以民主化其数据，减少查询界面的拥塞。一些用户发现定价术语（特别是“查询时间秒”）令人困惑，并请求网站提供更人性化的版本，以便快速更好地理解产品。