Keenable SELECT：一个用SQL搜索网络的代理

# Keenable SELECT：一个用SQL搜索网络的智能体 来源：https://keenableai.github.io/select-showcase/ 由Keenable SELECT（https://app.keenable.ai/select/start）构建的研究报告——这是一个用SQL搜索网络的智能体。每张卡片都链接到已完成的报告及其背后的完整轨迹：包括每个查询、工具结果和结果集。 你提问 “2025年以来哪些AI研究人员在前沿实验室之间流动？对于每一次流动，请列出研究人员、离开的实验室、加入的实验室以及月份。” → Keenable SELECT在网页上运行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 diverse queries) WHERE SEM_MATCH(content, 'named researcher moving between frontier labs, 2025+') ``` → 你获得一份报告 [](https://select.keenable.ai/r/frontier-ai-researcher-moves-since-2025/JTPBEMWoebfxxOGuWyaqQg) ## 报告背后的系统 Keenable SELECT是一个MCP服务器，包含一个主要工具：`select`。该工具在实时网络数据上运行一个只读的DuckDB `SELECT`语句。服务器在DuckDB外部运行网络和语义操作符，将其输出放回行集，然后在DuckDB中执行最终的SQL。 传统网络搜索会向智能体返回十个链接。然后智能体必须逐一阅读每个页面，并使用昂贵的token构建答案。SELECT将这项工作移至查询中。一次调用可以搜索超过1,000个页面，使用精确的`WHERE`子句进行过滤而无需LLM成本，通过每行一次的小型LLM调用提取字段，并对行进行分组。 ### MCP工具 - `select`接受DuckDB `SELECT`查询并返回行。服务器将每个查询结果保存为带有ID的结果集，后续查询可以读取该ID。 - `generate_html_report`接受简报和结果集ID。服务器上的报告模型根据这些行编写HTML报告，并返回一个可共享的链接。 ### 语义操作符 操作符嵌入在常规SQL中。服务器在解析后的语句中找到它们，运行它们，然后将它们替换为普通列。精确的SQL过滤器首先运行，因此只有存活的行才会传递给LLM操作符。 `WEB_SEARCH`和`WEB_FETCH`也可以按行运行。它们的参数可以使用行中的列，例如`WEB_SEARCH(name || ' founding year')`。 ### 主要智能体 此画廊中的每份报告都来自两个智能体：一个研究智能体使用MCP服务器收集数据，另一个报告智能体在服务器上的`generate_html_report`中运行并撰写页面。 研究智能体是一个简单的工具循环：一个拥有`select`工具的LLM。它编写并运行自己的查询，直到能够回答问题，并将其工具调用、结果和答案作为事件流式传输。后续问题在已存储的对话记录基础上继续对话。此演示中的每次运行都要求生成HTML报告，因此智能体在每个答案末尾都包含报告链接。 ### 报告智能体 第二个智能体在服务器上撰写每份报告。它获取简报、结果集的行以及写作指南。它在沙盒化的Python会话中构建页面，该会话将结果集保持为数据框，因此数据无需模型重新输入即可到达页面。每次发布后，服务器会渲染草稿并返回截图和页面的JavaScript错误数量；智能体在固定预算内修复文档并重新发布。只有最终草稿保持在线，作为链接发布。