ユースケース

Medium 記事リサーチでコンテンツブリーフとトピック探索を効率化

Q: キーワードの代わりにタグ、著者、パブリケーションで検索できますか？

はい。tags、authors、publications を使うか、articleUrls に個別のリンクを渡します。タグは newest または top で並べ替えられます。

Q: 1 回の実行で何件の記事を取得できますか？

max_results で指定し、最大 200 件です。

Medium の記事を本文・拍手数・レスポンス数・読了時間付きの JSON で取得。ライターへの依頼内容を固め、すでに反応を得ている切り口を把握できます。

プリペイド、サブスクなしREST でも MCP でもモデル・データ・エージェントを 1 つのキーで

記事を依頼する前、あるいは自分で書く前に、すでに何が出回っているのかを知りたいものです。どの切り口が拍手を集めたのか、反響のある記事はどれくらいの長さか、どのパブリケーションがそのテーマを取り上げ続けているのか。Medium の記事を 50 本手作業で読むと、午後がまるごとつぶれます。Lovely Router なら 1 回の呼び出しで済みます。検索、タグ、著者、パブリケーションのいずれかを送ると、記事 1 件につき JSON オブジェクトが 1 つ返り、本文は Markdown で含まれます。料金はプリペイド残高から記事 1 件ごとに課金されます。

AI エージェントに任せる

このプロンプトを Claude Code、Cursor、Codex などのコーディングエージェントに貼り付けてください。ドキュメントの場所と API キーの使い方をエージェントに伝えます。

Medium 記事リサーチでコンテンツブリーフとトピック探索を効率化. Use the Lovely Router data tools: each returns JSON and is billed per result.

- Docs (read first): https://lovelyrouter.com/docs/tools/find.md and https://lovelyrouter.com/docs/tools/run.md
- Plan first: POST https://lovelyrouter.com/v1/tools/suggest with `{"task": "<my task in plain words>"}` (free). It returns the tools to run in order, each with an example `input`, the `input_required` fields, an estimated cost and a ready-made `run` request. Replace the example values with my task's; if a field is unclear, read the tool with GET https://lovelyrouter.com/v1/tools/<id>. To browse instead, POST https://lovelyrouter.com/v1/tools/discover searches the catalog.
- Show me the plan and its estimated cost (`total_est_cost_usd`) before running anything large.
- Run: POST https://lovelyrouter.com/v1/tools/<id>/run with `{"input": {...}, "max_results": N}`. A 200 has the finished run with `items`; a 202 means it is still running, so poll the `poll` path until `status` is `succeeded`, `failed`, `timed_out` or `stopped`.
- Only delivered results are billed. Keep max_results small on the first run, check the output, then scale up.
- If you support MCP, connect https://lovelyrouter.com/mcp instead (Streamable HTTP, same key; https://lovelyrouter.com/docs/tools/mcp.md) and use suggest_tools, get_tool and run_tool.
- Auth: read my API key from the LOVELY_API_KEY environment variable and send it as `Authorization: Bearer $LOVELY_API_KEY`. Never print or commit the key. If it is not set, ask me to create one at https://lovelyrouter.com/app/keys.
- Billing is prepaid: every call is charged to my balance, so test with a small request before running anything large.
- Every docs page is plain Markdown; the full index is https://lovelyrouter.com/llms.txt.

My task: <the inputs (links, keywords or accounts) and how many results you need>

仕組み

起点を決める
自由なテーマにはキーワード検索を、分野全体には machine-learning のようなタグを、注目すべき人がわかっているなら著者やパブリケーションを使います。
上限を付けてツールを実行する
max_results を付けて POST /v1/tools/medium-articles/run に送ります。実行は最大費用を残高から仮押さえし、記事を JSON で返します。
読んで順位を付ける
拍手数とレスポンス数で並べ替え、タグごとにまとめ、Markdown の本文をモデルに渡して、切り口ごとの要約や上位記事の構成の抽出を任せます。

1 回のリクエストでテーマ別の記事を取得する

Medium 記事の検索は、searchQuery にキーワードを、maxArticles に記事数の上限を受け取ります。

Shell

curl https://lovelyrouter.com/v1/tools/medium-articles/run \
  -H "Authorization: Bearer $LOVELY_API_KEY" \
  -H "content-type: application/json" \
  -d '{
    "input": {
        "searchQuery": "ai agents",
        "maxArticles": 20
      },
    "max_results": 20
  }'

上の呼び出しは、そのテーマに関する記事を最大 20 件返します。検索の代わりに tags、authors、publications、articleUrls を渡すこともできます。60 秒を過ぎても実行中の場合は 202 が返ります。ポーリングの方法はツールを実行するをご覧ください。

記事ごとに含まれる情報

フィールド群	取得できる内容
識別情報	タイトル、サブタイトル、著者、パブリケーション
反響	拍手数とレスポンス数
形式	読了時間とタグ
時期	公開日
内容	Markdown 形式の記事本文

メンバー限定の記事は全文ではなく Medium が公開しているプレビューが返り、結果にはそのことを示すフラグが付くため、見分けられます。

レシピ

ライターへの依頼内容をまとめる。

狙うキーワードで検索し、拍手数の多い上位 10 本の Markdown をモデルに渡して、共通するセクションと、誰もカバーしていない空白部分を整理したアウトラインを作ります。

効果のある切り口を見つける。

tagSort を top にしてタグを実行し、結果をタグの組み合わせごとにまとめて、拍手数と読了時間を比べ、どの形式が注目を集めるかを探ります。

パブリケーションを見張る。

週に 1 回パブリケーションのスラッグを渡して新しいタイトルを保存し、そこが新しく扱い始めたのに自分がまだ書いていないトピックにフラグを立てます。

読書リストを作る。

信頼している著者の記事を集め、モデルに 2 行の要約を作ってもらい、ダイジェストをチームに送ります。

記事案の競合を確認する。

書こうとしているフレーズそのもので検索します。上位の結果が古い、または内容が薄ければそのテーマは空いています。そうでなければ、より絞った切り口を選びます。

普段の言葉で頼みたい場合は、MCP サーバーを接続して Claude Code や Cursor に次のように伝えます。「Medium で 'vector database' を検索し、30 本の記事を取得して拍手数順に並べ、タイトル、パブリケーション、拍手数、読了時間の表と、繰り返し出てくる 3 つのサブトピックを出してください。max_results は 30 に設定してください。」