Sumber data manakah yang patut anda ambil berat untuk ejen AI

Kebanyakan pasukan yang menjejaki keterlihatan AI masih bekerja daripada tangkapan skrin. Mereka bertanya kepada ChatGPT satu soalan, menyalin petikan, dan menampalnya ke dalam dokumen. Itu memberitahu apa yang satu model katakan pada satu petang. Ia tidak memberitahu sumber mana yang benar-benar boleh dicapai oleh enjin jawapan, dan ia tidak memberi ejen anda apa-apa untuk ditanya sendiri.

Versi kerja yang lebih berguna ialah peta sumber beserta laluan sambungan. Anda tentukan sumber data mana yang penting untuk kategori anda, kemudian sambungkan yang boleh dicapai terus ke dalam ejen yang menjalankan pemantauan anda. Apa yang tinggal ialah senarai pendek sumber yang hanya boleh anda pengaruhi secara tidak langsung, dan senarai itu biasanya lebih pendek daripada yang dijangka orang.

Artikel ini melakukan tiga perkara. Ia menyusun sumber data di sebalik jawapan AI kepada peringkat mengikut sejauh mana buktinya disahkan dan sejauh mana ia terkini. Ia memberi laluan API atau MCP yang konkrit untuk sumber yang memilikinya. Dan ia menelusuri cara sambungan untuk Codex, Claude Code, Hermes Agent, OpenClaw, Pi Agent, Grok Bot dan Meta Muse, termasuk kes di mana tiada penyambung siap sedia dan anda perlu membina jambatan itu sendiri.

Jawapan ringkas

Empat kategori sumber menyuap jawapan AI, dan ia tidak sama mudah dicapai.

Sumber web dan penemuan carian boleh dicapai melalui API grounding dan melalui halaman anda sendiri yang boleh dirayau. Suapan komersial berstruktur boleh dicapai melalui spesifikasi suapan yang didokumenkan, tetapi aksesnya dikawal oleh kelulusan. Korpus pengetahuan dan komuniti sebahagiannya boleh dicapai melalui API berlesen dan sebahagiannya terkunci di sebalik pengingesan semasa latihan yang tidak boleh anda pengaruhi. Permukaan tindakan ejen boleh dicapai melalui spesifikasi protokol yang masih belum muktamad.

Bagi aliran kerja pemantauan yang dipacu ejen, itu menjadi peraturan praktikal. Sambungkan apa yang mempunyai API atau pelayan MCP yang didokumenkan. Anggap apa yang mempunyai spesifikasi suapan sebagai projek kualiti data. Anggap apa yang tidak mempunyai kedua-duanya sebagai projek kandungan dan entiti, bukan projek data.

Cara membaca jadual peringkat

Peringkat di bawah menyusun sumber mengikut sejauh mana kuat bukti bahawa ia kini menyuap jawapan AI, dan mengikut sama ada sambungan itu hidup atau hanya bersejarah. Inilah bahagian yang paling banyak disalahi oleh senarai sumber. Sumber yang membentuk sesuatu model pada 2022 dan sumber yang ditanya oleh model hari ini ialah dua perkara berbeza, dan mencampurkan kedua-duanya menghasilkan strategi yang buruk.

Satu peringatan sebelum jadual. Kategori ini berubah setiap bulan. Dokumen vendor, perjanjian pelesenan dan spesifikasi suapan semuanya bergerak. Anggap penetapan peringkat sebagai titik permulaan yang anda semak semula terhadap dokumentasi vendor sendiri sebelum anda mengikat pasukan kepada sesuatu aliran kerja.

Peringkat 1: sumber hidup yang benar-benar boleh dicapai oleh ejen anda

Ini sumber yang mempunyai sambungan terdokumen hari ini. Jika ejen anda akan menarik data keterlihatan AI sendiri, di sinilah ia bermula.

Web dan penemuan carian

Grounding Google Search. API Gemini menyediakan alat google_search yang menyambungkan model kepada kandungan web masa nyata dan memulangkan petikan kepada URL sumber. Ini didokumenkan, terkini, dan contoh grounding hidup yang paling jelas di pasaran. Ia juga bermakna tuasnya ialah kebolehrayauan dan struktur halaman anda, bukan suapan anda.

Bing Search. Microsoft mendokumenkan bahawa hasil Bing digunakan untuk memperkukuh jawapan Copilot. Implikasi praktikalnya sama seperti Google: jika anda mahu muncul, halaman itu mesti boleh dicapai dan boleh diekstrak.

Halaman penerbit yang hidup. Dicapai pada masa inferens melalui grounding carian dan bukan melalui pralatihan. Pemilihan pengambilan dan kebolehrayauan menentukan kemasukan, itulah sebabnya kerja SEO teknikal masih muncul dalam hasil keterlihatan AI.

Produk dan beli-belah

Google Merchant Center. Data suapan Merchant menjadi asas kepada permukaan beli-belah Google. Jika anda menjual produk fizikal dan anda tiada dalam Merchant Center, anda tidak hadir daripada permukaan yang sedang giat disambungkan kepada jawapan AI.

Suapan pedagang dan runcit OpenAI. Pedagang berkongsi suapan produk berstruktur, dan dokumentasi Agentic Commerce Protocol menerangkan skema, laluan integrasi muat naik fail dan API, serta irama penyegaran yang menerima kemas kini sepanjang hari. Akses kini terhad kepada rakan kongsi yang diluluskan, jadi ini projek yang mempunyai masa mendahului, bukan suis yang anda tekan.

Tempatan dan tempat

Grounding Google Maps. Didokumenkan sebagai alat bersama grounding Search, memberi model konteks geospatial. Itulah sebabnya perniagaan tempatan dengan profil yang tepat dan lengkap muncul dalam jawapan AI tentang pilihan berdekatan.

Google Business Profile. Data profil perniagaan menyuap permukaan tempatan Google. Bagi perniagaan tempatan, ini salah satu sumber paling berdaya tuas dan paling rendah usaha dalam senarai ini.

Yelp. Yelp melesenkan ulasan, foto dan maklumat perniagaan untuk saranan tempatan masa nyata, dan hubungan itu melangkaui grounding ke dalam tindakan. Ini salah satu daripada beberapa sumber di mana platform ulasan menjadi sumber petikan dan permukaan transaksi sekali gus.

Pengetahuan dan rujukan

Wikipedia dan Wikimedia. Hadir dalam campuran pralatihan yang didedahkan dan digunakan secara meluas sebagai korpus rujukan hidup. Pelesenannya luar biasa jelas, menjadikannya sasaran sah untuk kerja entiti.

Komuniti, soal jawab dan sosial

Reddit. Sumber grounding hidup melalui pengaturan pelesenan data, dengan bahagian latihan dilaporkan secara berasingan. Anggap status pembaharuan sebagai tidak stabil dan jangan bina aliran kerja yang menganggap akses kekal.

Peringkat 2 dan 3: sumber yang anda pengaruhi, bukan yang anda tanya

Semuanya penting, tetapi bukan melalui API yang boleh anda panggil daripada ejen.

Kandungan penerbit berlesen. Terdapat banyak perkongsian pelesenan yang jelas merentas penerbit utama, dengan terma yang berbeza mengikut rakan kongsi bagi latihan, grounding dan atribusi. Anda tidak boleh membeli tempat dalam senarai ini sebagai laman kecil, tetapi anda boleh menjadi jenis sumber yang dipetik apabila korpus berlesen itu nipis bagi topik anda.

Sumber pembangun dan teknikal. Repositori kod awam dan korpus dokumentasi teknikal ialah sumber terkini yang disahkan. Bagi syarikat alat pembangun, ini peringkat paling bernilai dalam senarai, dan ia boleh dicapai melalui kualiti dokumentasi dan bukan melalui suapan.

Korpus web bersejarah. Terbitan bersih daripada data Common Crawl dan arkib seumpamanya. Disahkan bersejarah, tiada tuas hidup. Berguna sebagai konteks untuk memahami mengapa sesuatu model mempunyai prior, tidak berguna untuk aliran kerja pemantauan.

Lapisan sambungan: apa yang boleh dicapai oleh setiap ejen

Di sinilah artikel ini berbaloi. Jadual di bawah memetakan setiap ejen kepada mekanisme sambungan yang benar-benar disokongnya, dan keadaan sebenar penyambung siap sedia bagi sumber di atas.

Corak yang wajar diperhatikan: lima daripada tujuh ejen bertutur MCP, dan dua yang tidak berada di hujung spektrum yang bertentangan. Pi Agent sengaja minimal dan menjangka anda menulis sambungan. Meta Muse ialah produk pengguna tanpa permukaan pembangun langsung.

Itu bermakna langkah yang cekap ialah membina satu pelayan MCP untuk sumber paling bernilai anda dan menggunakannya semula merentas Codex, Claude Code, Hermes Agent, OpenClaw dan Grok Bot. Anda menulisnya sekali.

Satu pelayan meliputi lima daripada tujuh ejen. Pi Agent dan Meta Muse perlukan laluan berbeza.

Cara menyambungkan setiap ejen

Langkah di bawah menganggap anda sudah mempunyai kunci API atau token untuk sumber yang anda sambungkan. Jangan sekali-kali letak kelayakan dalam fail konfigurasi yang akan dikomit.

Codex

Codex menyimpan konfigurasi MCP dalam config.toml, sama ada di ~/.codex/config.toml atau berskop projek di .codex/config.toml. Aplikasi desktop ChatGPT, Codex CLI dan sambungan IDE berkongsi konfigurasi ini, jadi anda konfigurkannya sekali.

Untuk pelayan stdio:

codex mcp add my-source --env API_KEY=your-key -- npx -y @your-org/my-source-mcp

Untuk pelayan streamable HTTP, tambah satu jadual ke config.toml:

[mcp_servers.my-source]
url = "https://mcp.example.com/mcp"
bearer_token_env_var = "MY_SOURCE_TOKEN"

Codex membaca medan instructions MCP yang dipulangkan semasa permulaan dan menggunakannya sebagai panduan seluruh pelayan. Jika anda membina pelayan itu, pastikan 512 aksara pertama cukup berdiri sendiri supaya kekangan paling penting tersedia apabila ejen memutuskan sama ada hendak memanggilnya.

Jalankan codex mcp list untuk mengesahkan pelayan didaftarkan, dan /mcp di dalam TUI untuk melihat pelayan aktif.

Claude Code

Claude Code menyokong HTTP jauh, SSE jauh, stdio tempatan dan WebSocket jauh. HTTP ialah pilihan yang disyorkan untuk pelayan jauh.

claude mcp add --transport http my-source https://mcp.example.com/mcp \
  --header "Authorization: Bearer your-token"

Untuk pelayan tempatan:

claude mcp add my-source -- npx -y @your-org/my-source-mcp

Dua butiran yang selalu mengelirukan orang. Pertama, dalam konfigurasi JSON, entri yang mempunyai url tetapi tiada type dianggap pelayan stdio dan dilangkau secara senyap, jadi sentiasa tetapkan "type": "http" secara eksplisit. Kedua, Claude Code menetapkan CLAUDE_PROJECT_DIR dalam persekitaran pelayan yang dilancarkan, jadi pelayan tempatan boleh menyelesaikan laluan relatif projek tanpa bergantung pada direktori kerja.

Hermes Agent

Hermes Agent disertakan dengan sokongan MCP dalam pemasangan standard. Konfigurasinya berada di ~/.hermes/config.yaml:

mcp_servers:
  my-source:
    command: "npx"
    args: ["-y", "@your-org/my-source-mcp"]

Hermes juga menyokong pelayan MCP HTTP jauh dalam konfigurasi yang sama, dan ia menyokong penapisan mengikut pelayan supaya anda hanya mendedahkan alat yang benar-benar mahu dilihat oleh ejen. Penapisan itu lebih penting di sini berbanding ejen lain, kerana Hermes berjalan tanpa pengawasan mengikut jadual.

Jika anda berpindah dari Claude Code, hermes import-agent claude-code memetakan blok mcpServers daripada ~/.claude.json kepada mcp_servers dalam konfigurasi Hermes dan membawa sekali kemahiran serta arahan.

Apabila tiada pelayan MCP wujud untuk sesuatu sumber, sistem kemahiran ialah sandaran. Kemahiran ialah direktori dengan SKILL.md yang memberitahu ejen bila hendak menggunakannya dan apa yang perlu dilakukan. Balut panggilan API dalam skrip yang disertakan dan rujuknya daripada kemahiran itu, maka ejen mendapat keupayaan tersebut tanpa pelayan protokol.

OpenClaw

OpenClaw berfungsi sebagai klien MCP dan pelayan MCP sekali gus. Sebagai klien, anda menguruskan definisi pelayan yang disimpan melalui subperintah mcp registry, dan anda boleh mengedit serta memeriksa pelayan daripada halaman tetapan Control UI dalam pelayar.

openclaw mcp registry add my-source --transport streamable-http --url https://mcp.example.com/mcp
openclaw mcp status

OpenClaw juga mendedahkan perbualan salurannya sendiri melalui MCP, iaitu arah sebaliknya dan berguna jika anda mahu ejen lain membaca apa yang telah dilakukan oleh instans OpenClaw anda. Bagi ejen luar yang bukan klien MCP, OpenClaw bertutur A2A melalui JSON-RPC.

Model kebenaran ialah sebab untuk memilih OpenClaw bagi kerja ini. Ia mempunyai dasar alat mengikut sembang dan laluan kelulusan yang eksplisit untuk pelaksanaan, iaitu apa yang anda mahu apabila ejen membaca sumber data berbayar dan anda perlu mengehadkan perbelanjaannya.

Pi Agent

Pi Agent tiada klien MCP asli, dan itu pilihan reka bentuk dan bukan jurang. Titik sambungannya ialah modul TypeScript yang berjalan di dalam proses Pi dan mendaftarkan alat.

Cipta sambungan di ~/.pi/agent/extensions/my-source.ts:

import type { ExtensionAPI } from "@earendil-works/pi-coding-agent";

export default function (pi: ExtensionAPI) {
  pi.registerTool({
    name: "my_source_lookup",
    description: "Look up a record in My Source by query.",
    parameters: { type: "object", properties: { query: { type: "string" } }, required: ["query"] },
    handler: async ({ query }) => {
      const res = await fetch(`https://api.example.com/search?q=${encodeURIComponent(query)}`, {
        headers: { Authorization: `Bearer ${process.env.MY_SOURCE_TOKEN}` },
      });
      return await res.json();
    },
  });
}

Muatkannya terus semasa pembangunan dengan pi --extension ./my-source.ts, kemudian pindahkan ke direktori extensions atau bungkus dengan pi install apabila ia stabil.

Tolak ansurnya nyata dan wajar dinyatakan terus. Sambungan berjalan dengan kebenaran sistem pengendalian yang sama seperti proses Pi dan boleh memeriksa prompt, panggilan alat, fail dan kelayakan. Muatkan sambungan hanya daripada sumber yang anda percayai, dan baca kod sumbernya sebelum anda memasangnya.

Grok Bot

API Grok menyokong alat MCP jauh, dan xAI menguruskan sambungan pelayan bagi pihak anda. Anda mengisytiharkan pelayan itu dalam tatasusunan tools permintaan:

from xai_sdk import Client
from xai_sdk.chat import user
from xai_sdk.tools import mcp

client = Client(api_key=os.getenv("XAI_API_KEY"))
chat = client.chat.create(
    model="grok-4.7",
    tools=[mcp(server_url="https://mcp.example.com/mcp", server_label="my-source")],
)

Hanya pengangkutan streaming HTTP dan SSE disokong untuk alat MCP jauh. Anda boleh mengehadkan alat mana yang didedahkan dengan allowed_tools, dan menghantar token kebenaran yang xAI tetapkan dalam pengepala Authorization pada permintaan ke pelayan anda.

Kelebihannya di sini ialah anda tidak menjalankan atau menyelenggara sambungan di sisi klien. Kekurangannya ialah pelayan MCP mesti boleh dicapai secara awam, jadi apa sahaja di belakang VPN anda perlukan pendekatan berbeza.

Meta Muse

Muse bersambung kepada aplikasi dan perkhidmatan pihak ketiga melalui Penyambung, dan tiada permukaan MCP atau API pembangun awam untuk ejen itu sendiri. Itulah jawapan yang jujur, dan ia mengubah apa yang anda boleh lakukan.

Anda tidak boleh menyambungkan Muse ke aliran kerja pemantauan seperti enam ejen yang lain. Apa yang anda boleh lakukan ialah menjadikan sumber yang dibaca Muse lebih baik. Itu bermakna data produk dan katalog yang tepat jika anda menjual, maklumat perniagaan yang lengkap dan konsisten jika anda perniagaan tempatan, dan halaman yang boleh dirayau dengan isyarat entiti yang jelas jika anda penerbit. Muse ialah sasaran untuk kerja kesediaan, bukan sumber data yang anda tanya.

Jika Meta mengeluarkan permukaan pembangun untuk Muse, bahagian ini akan berubah. Sehingga itu, anggapnya sebagai audiens yang perlu anda sediakan, bukan sistem untuk anda integrasikan.

Bina satu pelayan, guna semula lima kali

Jika anda akan membina apa-apa, binalah pelayan MCP untuk satu sumber paling bernilai anda dan guna semula. Lima ejen berkemampuan MCP di atas semuanya menerima pelayan streamable HTTP, jadi satu penggunaan meliputi kesemuanya.

Pelayan minimum yang berdaya maju perlukan empat perkara: alat yang menerima pertanyaan dan memulangkan data berstruktur, pemeriksaan token bearer di sisi pelayan, had kadar supaya ejen yang terlepas kawalan tidak menghabiskan kuota API anda, dan medan instructions yang menyatakan kekangan dalam 512 aksara pertama.

Dua peraturan yang mencegah sebahagian besar kesakitan. Pulangkan data berstruktur dan bukan prosa, supaya ejen boleh menaakul atas medan dan bukan menghuraikan semula teks. Dan jadikan setiap alat baca sahaja sehingga anda melihat ejen menggunakannya untuk satu kitaran penuh. Pelayan baca sahaja tidak boleh merosakkan apa-apa, dan anda boleh meluaskannya setelah anda melihat corak panggilan sebenar.

Sahkan sambungan sebelum anda mempercayainya

Jangan anggap pelayan yang dikonfigurasi ialah pelayan yang berfungsi. Jalankan empat pemeriksaan ini.

Periksa pelayan didaftarkan. codex mcp list, claude mcp list atau openclaw mcp status sepatutnya menunjukkannya. Pelayan yang gagal dihuraikan akan dilangkau secara senyap pada sesetengah klien.

Periksa inventori alat. Minta ejen menyenaraikan alat yang didedahkan oleh pelayan itu. Jika anda menjangka enam alat tetapi melihat satu, pelayan itu didaftarkan tetapi alatnya tidak.

Periksa pertanyaan sebenar. Minta rekod khusus yang boleh anda sahkan sendiri. Soalan umum seperti "data apa yang boleh anda dapatkan" tidak membuktikan apa-apa.

Periksa laluan kegagalan. Batalkan token dan jalankan pertanyaan itu semula. Anda mahu ralat pengesahan yang jelas, bukan hasil kosong yang senyap. Ejen yang menganggap panggilan gagal sebagai "tiada data" akan melaporkan hasil bersih bagi sambungan yang rosak, dan itulah mod kegagalan paling mahal dalam keseluruhan aliran kerja ini.

Empat pemeriksaan. Yang terakhir menangkap kegagalan yang kelihatan seperti penemuan.

Apa yang ini ubah tentang keutamaan anda

Jadual peringkat dan jadual sambungan menunjuk ke arah yang sama. Sumber yang boleh anda sambungkan ke ejen ialah sumber yang boleh anda ukur, dan sumber yang boleh anda ukur ialah yang boleh anda perbaiki berbanding garis dasar.

Itu bermakna susunan kerja bukan susunan yang digunakan oleh kebanyakan pasukan. Mulakan dengan sumber yang mempunyai kedua-dua sambungan terdokumen dan kesan perniagaan sebenar bagi anda. Bagi perniagaan tempatan, itu Google Business Profile dan grounding Maps. Bagi syarikat produk, itu Merchant Center atau suapan produk. Bagi syarikat alat pembangun, itu kualiti dokumentasi. Bagi penerbit, itu kebolehrayauan dan kebolehekstrakan halaman hidup.

Kemudian bina satu pelayan MCP yang membawa sumber itu ke dalam ejen anda, dan guna semula merentas lima ejen yang bertutur protokol itu. Biarkan sumber tanpa laluan sambungan sebagai kerja kandungan dan entiti, dan jujurlah bahawa anda tidak boleh mengukurnya dengan cara yang sama.

Pasukan yang mendahului di sini bukan yang mempunyai senarai sumber terpanjang. Mereka ialah yang menyambungkan dua atau tiga sumber yang penting dan membina gelung pemantauan di sekelilingnya.

Soalan lazim

Adakah saya perlukan MCP untuk memberi ejen akses kepada sumber data? Tidak. MCP ialah standard yang kini disokong oleh kebanyakan ejen, menjadikannya pilihan paling boleh diguna semula, tetapi kemahiran dengan skrip API yang disertakan berfungsi sama baik untuk satu ejen. Jika anda menyambungkan satu sumber kepada satu ejen, kemahiran memerlukan lebih sedikit kerja. Jika anda menyambungkan satu sumber kepada lima ejen, MCP berbaloi serta-merta.

Ejen mana yang patut saya mulakan? Mulakan dengan yang sepadan dengan tempat kerja anda sudah berada. Jika laman anda dalam repositori git — Codex atau Claude Code. Jika anda mahu jalan berjadual dengan memori berterusan — Hermes Agent. Jika anda perlukan sempadan kebenaran yang keras pada sumber data berbayar — OpenClaw. Jika anda mahu permukaan terkecil yang boleh diaudit dalam satu sesi — Pi Agent.

Bolehkah saya menyambungkan sumber yang tiada pelayan MCP? Boleh, melalui tiga cara. Tulis pelayan MCP nipis jika sumber itu mempunyai HTTP API dan anda mahu menggunakannya semula merentas ejen. Tulis kemahiran dengan skrip yang disertakan jika anda hanya perlukan satu ejen. Atau gunakan ejen yang menyokong alat MCP jauh dan tujukannya kepada pelayan yang dihoskan orang lain.

Mengapa saya tidak boleh menyambungkan Meta Muse? Meta belum menerbitkan API pembangun atau permukaan MCP untuk Muse. Penyambung diurus vendor. Sehingga itu berubah, Muse ialah permukaan untuk anda sediakan kandungan dan data, bukan sistem yang boleh anda tanya.

Adakah penetapan peringkat kekal? Tidak. Kategori ini bergerak setiap bulan. Semak semula dokumentasi vendor sebelum anda mengikat pasukan kepada sesuatu aliran kerja, dan anggap apa-apa penetapan peringkat yang lebih tua daripada satu suku sebagai belum disahkan.

Apakah kesilapan paling biasa dalam kerja ini? Menganggap panggilan API yang gagal sebagai sifar sebenar. Jika ejen anda melaporkan bahawa sesuatu jenama tiada keterlihatan AI sedangkan punca sebenarnya ialah token yang tamat tempoh, anda mempunyai kegagalan pengukuran yang menyamar sebagai penemuan. Sentiasa uji laluan kegagalan sebelum anda mempercayai laluan kejayaan.

Penulis: Julian Mercer, pengamal SEO teknikal dengan 14 tahun pengalaman di Auspia. Julian menulis tentang kebolehrayauan, skema, render dan asas teknikal yang menjadikan kandungan boleh dibaca oleh enjin carian dan ejen AI.