リサーチエージェントや AI リサーチツールの質は、何を読めるかで決まります。モデル向けの要約が付いた Web 検索、任意のページを整形済みの Markdown にする機能、RAG インデックス用のサイト全体のクロール、YouTube と TikTok の文字起こし、Google News、Google Trends、Reddit のスレッドをエージェントに与えましょう。エージェントは MCP 経由で、パイプラインは REST 経由で、モデルの支払いと同じキーを使ってこれらを呼び出します。
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。
Do grounded research for me with web search, clean page text, whole-site crawls, video transcripts, news and trends, and cite your sources. Use the Lovely Router data tools: each returns JSON and is billed per result.
- Docs (read first): https://lovelyrouter.com/docs/tools/mcp.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 research question and the format of the answer>仕組み
検索する
Web 検索は最大 50 件の結果を返します。各結果には、タイトル、URL、日付、サイト、短いスニペット、そしてモデル向けに書かれた長い要約が含まれます。
site:、-site:、"exact phrase"、-word、lang:、after:、before:で絞り込めます。読む
Web ページの読み込みは、1 ページをメニューや広告を除いたタイトルと本文だけの整形済み Markdown で返します。Web サイトのクロールは、同じことをサイト全体やセクション単位で行います。
回答の根拠を示す
エージェントは読んだ内容をもとに回答を書き、URL を出典として示します。RAG の場合は、クロールした Markdown をチャンクに分割して自前のインデックスに入れます。
エージェントを接続する
MCP サーバーを使うと、Claude Code、Cursor などあらゆる MCP クライアントに、コマンド 1 つで web_search、web_fetch とデータカタログ全体を渡せます。
claude mcp add --transport http lovely-tools https://lovelyrouter.com/mcp \
--header "Authorization: Bearer $LOVELY_API_KEY"あとは次のように頼みます。「2026 年に全固体電池の生産を始めた自動車メーカーを調べてください。after:2026-01-01 で検索し、関連性の高い情報源を 5 つ読み、直近 7 日間の Google News を確認して、すべての主張に URL の出典を付けたレポートを書いてください。」
MCP 経由の場合、web_fetch は長いページを約 12,000 文字ずつのパートに分けて返し、続きの読み込みは無料です。
自前のパイプラインから呼び出す
同じツールを REST で実行できます。検索は web-search の 1 回の実行です。
curl https://lovelyrouter.com/v1/tools/web-search/run \
-H "Authorization: Bearer $LOVELY_API_KEY" \
-H "content-type: application/json" \
-d '{
"input": {
"query": "solid-state battery production site:reuters.com OR site:bloomberg.com after:2026",
"count": 10,
"question": "Which carmakers produce solid-state batteries in 2026?"
}
}'count は結果の件数を 1〜50 で指定し、検索 1 回あたりの料金は変わりません。question にはユーザーの元の質問を渡し、結果の順位付けを改善します。need_content を指定すると、要約だけでは足りない場合に各ページの本文が追加されます。検索とページ読み込みの詳細は Web 検索 API のページで解説しています。
ツール
Web を検索します。最大 50 件の結果に、タイトル、URL、日付、サイト、短い抜粋、モデル向けの長い要約（必要ならページ本文も）が付きます。演算子：site:、-site:、"完全一致"、-語、lang:、after:、before:。
公開されている Web ページを、ナビゲーションや広告を除いたきれいな Markdown（タイトルと本文）で読み取ります。URL がわかっている 1 ページ向けです。
Web サイト全体（または一部）をクロールし、各ページを LLM 向けのきれいな Markdown で返します。RAG やドキュメントサイトに最適。
YouTube 動画の字幕全文（タイムスタンプ付き）：動画リンクごとに 1 件、動画にあれば指定した言語で。
URL で指定した TikTok 動画の音声文字起こし。
Google ニュースの検索結果の記事（演算子可："完全一致"、OR、-除外語、site:、intitle:）、期間の指定も可：タイトル、配信元、日付、配信元サイトの記事リンク。
キーワードの Google トレンド関心度（時系列・地域別）。
クエリまたはサブレディットで Reddit の投稿を取得：タイトル、本文、スコア、コメント数、投稿者、日付。
| 用途 | ツール | 知っておきたい入力 |
|---|---|---|
| 情報源を探す | web-search | 演算子付きの query、count、need_content、question |
| 1 ページを読む | web-fetch | url |
| RAG 用にサイトをインデックス化する | website-crawl | startUrls、maxCrawlPages、maxCrawlDepth、includeUrlGlobs、excludeUrlGlobs、useSitemaps |
| 動画から学ぶ | youtube-transcript | startUrls、lang：タイムスタンプ付きの全文書き起こし |
| TikTok で話されている内容を確認する | tiktok-transcript | videos：発話の書き起こし |
| 最新の出来事 | google-news | 演算子付きの query、openEndedDateRange、dateFrom、dateTo、language |
| 関心度の推移 | google-trends | mode keyword、keyword、predefinedTimeframe、geo、fetchRegionalData |
| 人々が尋ねていること | reddit-search | queries、subredditName、sort、timeframe |
Tip
最初の絞り込みは要約に任せましょう。web-search の各結果にはモデル向けに書かれた長い要約が付いているため、通常、エージェントが web-fetch を使うのは引用する少数のページだけで済みます。
レシピ
after: を指定した web-search で最近の情報源を探し、上位 3 件に web-fetch を実行し、"openEndedDateRange": "7d" を指定した google-news でその週のニュースを集めます。最後にモデルがリンク付きのレポートを書きます。
"startUrls": [{"url": "https://docs.example.com/"}]、"useSitemaps": true、"excludeUrlGlobs": ["https://docs.example.com/changelog/**"] を指定して website-crawl を実行します。各ページが LLM でそのまま使える Markdown で返るので、自前のパイプラインでチャンク化して埋め込みます。
カンファレンスの講演の URL を "lang": "en" を指定した youtube-transcript に送ります。タイムスタンプがあるので、エージェントは話者が発言した瞬間を引用できます。
"mode": "keyword"、"predefinedTimeframe": "today 5-y"、geo に国、"fetchRegionalData": true を指定して google-trends を実行し、続いて reddit-search でそのトピックについて購入者が何を尋ねているかを調べます。
TikTok の動画 URL を tiktok-transcript に渡し、クリエイターの発言と製品の仕様書をモデルに比較させます。
料金
Web 検索とページの読み込みは、検索 1 回またはページ 1 件あたり $0.0009 です。結果のない検索や読み込めなかったページは無料です。ほかのツールは結果単位で課金されます。クロールしたページ 1 件ごと（加えて呼び出し料金）、文字起こし 1 件ごと、記事 1 件ごと、投稿 1 件ごとで、Google Trends は呼び出し単位の課金です。現在の価格は上のカードに表示されています。各実行は最大費用を仮押さえし、実際に返った分で精算されます。推論を担うモデルは、それぞれの価格でトークン単位で同じプリペイド残高から課金されます。モデルの比較はモデルでどうぞ。サブスクリプションはありません。詳しくは料金をご覧ください。
よくある質問
Web 検索とページの読み込みの違いは何ですか？+
Web 検索はクエリに合うページを探し、タイトル、URL、日付、モデル向けに書かれた要約を返します。ページの読み込みは 1 つの URL を受け取り、メニューや広告を除いた本文全体を整形済みの Markdown で返します。
Web サイトから RAG インデックスを作るには？+
対象のサイトやセクションに website-crawl ツールを実行し、含めるパスや除外するパスを URL のグロブで指定します。各ページが Markdown で返るので、そのままチャンク化して自前のインデックスに埋め込めます。
Web 検索ではどの検索演算子が使えますか？+
site:、-site:、"exact phrase"、-word、lang:、after:、before: です。OR で複数のサイトを組み合わせることができ、日付は年だけでも完全な日付でも指定できます。
エージェントは YouTube の動画を読めますか？+
はい。動画の文字起こし API として使える youtube-transcript ツールが、字幕全体をタイムスタンプ付きで返します。動画に指定した言語の字幕があればその言語で返し、自動生成された字幕も対象です。
リサーチエージェントにはどのモデルを使うべきですか？+
キーで使えるチャットモデルならどれでも動きます。たとえば claude-sonnet-5.5、gpt-6.1-sol、gemini-3.1-pro などです。どのモデルから呼び出しても、ツールの料金は同じです。
関連ページ：構造化 JSON には Web データ抽出、会話の把握にはソーシャルリスニング、ほかのクライアントでの設定方法には MCP サーバーのドキュメントをご覧ください。