Keenable SELECT: выполнение SQL-запросов к результатам веб-поиска

Keenable SELECT — это MCP-сервер, который выполняет read-only DuckDB SELECT-запросы к живым веб-данным. Вместо традиционного агентного процесса — поиск, получение каждого результата, чтение страниц, затем синтез — SELECT переносит работу в SQL. Один вызов может искать по более чем 1000 страниц, отфильтровать их с помощью точного WHERE-условия без затрат LLM и извлечь структурированные поля с помощью небольшого LLM-вызова на каждую строку.

Как это работает

Вы задаете вопрос вроде: "Какие исследователи ИИ перешли между ведущими лабораториями с 2025 года? Для каждого перехода укажите исследователя, лабораторию, которую он покинул, куда перешел и месяц." Keenable SELECT переводит это в SQL:

SELECT SEM_EXTRACT(content, 'researcher'),       SEM_EXTRACT(content, 'left lab'),       SEM_EXTRACT(content, 'joined lab'),       SEM_EXTRACT(content, 'move month')FROM WEB_SEARCH(8 разнообразных запросов)WHERE SEM_MATCH(content, 'named researcher moving between frontier labs, 2025+')

Сервер выполняет поиск, запускает семантические операторы и возвращает отчет. Каждый результат включает полную траекторию: каждый запрос, результат инструмента и набор результатов, лежащих в основе конечного вывода.

Инструменты MCP

• select — выполняет DuckDB SELECT и возвращает строки. Наборы результатов сохраняются с ID для повторного использования в последующих запросах.
• generate_html_report — принимает краткое описание и ID наборов результатов, затем создает общедоступный HTML-отчет.

Семантические операторы

Операторы находятся внутри SQL. Сервер находит их в разобранном операторе, выполняет и заменяет их обычными столбцами. Точные SQL-фильтры выполняются первыми, поэтому только выжившие строки попадают в LLM-операторы — это экономит токены.

• WEB_SEARCH('q1', 'q2', ...) — выполняет все запросы одновременно, объединяет ранжированные результаты, удаляет дубликаты URL.
• WEB_FETCH('https://a.com', ...) — загружает страницы в формате Markdown, по одной строке на страницу.
• SEM_EXTRACT(column, 'field description') — один LLM-вызов на строку; возвращает поле или null.
• SEM_EXTRACT_ALL(column, 'what one value is') — возвращает все совпадающие значения в виде списка.
• SEM_MATCH(column, 'predicate') — LLM-тест на каждую строку (например, фильтрация).

Почему это важно

Традиционный веб-поиск дает агенту десять ссылок. Агент должен прочитать каждую страницу и потратить дорогие токены на построение ответа. SELECT переносит эту работу на уровень запросов — поиск по тысячам страниц, точная фильтрация и извлечение полей с минимальными LLM-вызовами. Галерея показывает отчеты вроде "Twenty Years of YC Startup-Name Morphology" (36 сообщений, 18 запросов) и "Orbital Launch Atlas, 1957–2026" (16 сообщений, 9 запросов), каждый с полными траекториями.

Если вы создаете агентный поиск или исследовательские инструменты, работающие с большими данными, это интересный паттерн, который стоит изучить: SQL как управляющий уровень, LLM только для семантического извлечения и сопоставления.