MCP Server Hyperplexity

分项指数

验证研究引擎 · 子索引.ai · 启动应用程序

Subindex通过合成数百个对Perplexity和Claude的调用来生成、验证和更新研究表。给它一个提示或一个现有的表，它会返回整个研究领域的结构化、经过验证的答案——不仅仅是一个查询，而是一次回答的完整问题领域。

如何访问

GUI → API: web GUI是探索和完善用例的理想选择。一旦你知道你想要什么，MCP服务器或REST API是更好的路径-更快、可重复和完全自动化。

______________________________________________________________________

目录

• 获取API密钥
• 下载示例
• 快速入门：MCP

- 选项A：直接HTTP连接到Railway（推荐） - 选项B：通过uvx进行本地安装 - 备选方案C：史密斯利 - 问你的经纪人什么

• 工作流

- 1.验证现有表 - 2.根据提示生成表格 - 3.更新表格 - 4.事实核查文本或文件

• 环境变量
• 直接REST API

- API端点参考

• MCP提示
• MCP工具参考
• 关键行为
• 定价
• 链接

______________________________________________________________________

获取API密钥

获取API密钥： 子索引.ai/帐户新账户可获得20美元的免费信用额度。

______________________________________________________________________

下载示例

所有脚本都需要Python 3.10+和 pip install requests.

或者克隆完整的示例集：

# Download all examples at once
curl -O https://subindex-storage.s3.amazonaws.com/website_downloads/examples/subindex_client.py \
     -O https://subindex-storage.s3.amazonaws.com/website_downloads/examples/01_validate_table.py \
     -O https://subindex-storage.s3.amazonaws.com/website_downloads/examples/02_generate_table.py \
     -O https://subindex-storage.s3.amazonaws.com/website_downloads/examples/03_update_table.py \
     -O https://subindex-storage.s3.amazonaws.com/website_downloads/examples/04_reference_check.py
pip install requests
export SUBINDEX_API_KEY=sbx_live_...

______________________________________________________________________

快速入门：MCP

MCP服务器允许任何AI代理自主驱动整个Subindex工作流，无需脚本。

选项A——直接HTTP连接到Railway（建议用于Claude Code）

通过HTTP直接连接到托管的子索引服务器。没有本地安装，没有 uvx，没有包管理，只有一个命令。

克劳德代码：

claude mcp add subindex \
  --transport http \
  https://mcp-server-subindex-production.up.railway.app/ \
  --header "X-Api-Key: sbx_live_your_key_here"

通过配置文件 (.mcp.json 在您的repo根目录中，或 claude_desktop_config.json):

{
  "mcpServers": {
    "subindex": {
      "type": "http",
      "url": "https://mcp-server-subindex-production.up.railway.app/",
      "headers": {
        "X-Api-Key": "sbx_live_your_key_here"
      }
    }
  }
}

为什么在uvx上使用HTTP？ HTTP连接在Railway上运行——始终是最新的，不需要本地Python环境，您安装的包和实时服务器之间没有版本漂移。建议用于Claude Code和任何项目级配置。

选项B——通过uvx进行本地安装

使用以下命令在您的计算机上本地运行服务器 uvx适用于Claude Desktop或离线/气隙环境。

克劳德代码：

claude mcp add subindex uvx mcp-server-subindex \
  -e SUBINDEX_API_KEY=sbx_live_your_key_here

克劳德桌面版 --添加到 claude_desktop_config.json:

• macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
• 窗户： %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "subindex": {
      "command": "uvx",
      "args": ["mcp-server-subindex"],
      "env": {
        "SUBINDEX_API_KEY": "sbx_live_your_key_here"
      }
    }
  }
}

项目配置（共享仓库） --添加 .mcp.json 到您的repo根目录。每个人都使用自己的密钥；没有密钥被提交到repo：

{
  "mcpServers": {
    "subindex": {
      "command": "uvx",
      "args": ["mcp-server-subindex"],
      "env": {
        "SUBINDEX_API_KEY": "${SUBINDEX_API_KEY}"
      }
    }
  }
}

OpenAI Codex命令行界面 --添加到Codex配置文件(~/.codex/config.toml 在macOS/Linux上， %USERPROFILE%\.codex\config.toml 在Windows上）：

[mcp_servers.subindex]
command = "uvx"
args = ["mcp-server-subindex"]

[mcp_servers.subindex.env]
SUBINDEX_API_KEY = "sbx_live_your_key_here"

然后重新启动Codex并验证：

codex mcp list

备选方案C——史密斯利

铁匠铺 是一个MCP注册表，可与Claude Code和其他MCP兼容客户端（包括OpenClaw）配合使用。

步骤1--安装并登录：

npx -y @smithery/cli@latest login
npx -y @smithery/cli@latest mcp add subindex/subindex --client claude-code

步骤2-使用API密钥进行身份验证：

打开您的MCP客户端（例如Claude Code），转到 /mcp，单击 子指数→ 验证，并在打开的Smithery页面中输入Subindex API密钥。

Smithery登录是一次性步骤。添加服务器之前必须登录，否则将无法正确设置身份验证。

______________________________________________________________________

问你的经纪人什么

安装MCP服务器后，用简单的英语描述您的任务。代理驱动整个工作流程，仅在真正需要您的输入时暂停。

验证表：

“验证 companies.xlsx 使用子索引。采访我，了解每一列的含义，然后运行预览。如果结果看起来不错，请批准完整验证。"

生成表格：

“使用Subindex生成一个美国前20大对冲基金的表格，其中包含以下列：基金名称、资产管理规模、主要策略、成立年份和总部所在城市。当预览看起来正确时，批准完整验证。”

在同一表上重新运行验证：

“在作业中重新运行update_table session_20260217_103045_abc123 以获取更新的验证通行证。”

对文档进行事实核查：

“使用Subindex对这份分析师报告进行事实核查。” *（粘贴文本或共享文件路径）*

______________________________________________________________________

工作流

1.验证现有表

最小行数： 子索引是为以下表设计的 4行或更多数据行较少的行可能会产生低质量的结果。

全流程：上传→ 面试→ 预览→ 精炼→ 批准→ 下载

upload_file(filename, file_type, file_size [, file_path])   ← omit file_path on HTTP/Railway transport; run returned curl_command instead
  → start_table_validation(session_id, s3_key, filename)
      ┌── match found (score ≥ 0.85) → [preview auto-queued; response has preview_queued=true + job_id]
      └── no match → interview auto-started
            → wait_for_conversation / poll get_conversation
              → send_conversation_reply  (if AI asks questions)
              → [interview complete → preview auto-queued]

  → wait_for_job(job_id or session_id)  ← blocks until preview_complete
      → [optional] refine_config(conv_id, session_id, instructions)
      → approve_validation(job_id, cost_usd)
      → wait_for_job(job_id)            ← blocks until completed
      → get_results(job_id)

关键行为： 面试结束后，预览总是自动排队(trigger_config_generation=true)，或者找到配置匹配项时(match_score ≥ 0.85，响应包括 preview_queued: true 和 job_id).呼叫 wait_for_job(session_id) 在所有情况下都是直接的（参见 配置重用).

上传面试自动审批： 面试可能会在一个回合内自动批准。如果对话响应有 user_reply_needed: false 和 status: approved，继续 wait_for_job(session_id) 立即——不需要回复，即使人工智能的消息似乎要求确认。

跳过面试 instructions （即发即弃配置生成）：

通过 instructions 到 start_table_validation 绕过互动面试。AI读取表结构+您的指令，并直接生成配置，然后自动触发预览——不需要澄清问题。

start_table_validation(session_id, s3_key, filename,
  instructions="This table lists hedge funds. Validate AUM, strategy, and HQ city. Use Bloomberg and SEC filings.")
  → response includes instructions_mode=true
  → wait_for_job(session_id)          ← config generation + preview tracked automatically
  → approve_validation(job_id, cost_usd)
  → wait_for_job(job_id)
  → get_results(job_id)

成本门： 配置生成和3行预览是 自由。完全验证费用为 approve_validation --你总是看到成本估算在 preview_complete 在任何事情被计费之前。如果您的余额不足， approve_validation 返回a insufficient_balance 所需金额错误。

优化配置 在通过电话批准之前 refine_config。这将调整列的验证方式（来源、严格性、解释）——它不能添加或删除列：

refine_config(conversation_id, session_id,
  "Use SEC filings as the primary source for revenue. Require exact match for ticker symbols.")

优化后，新的预览会自动运行。

Python脚本： examples/01_validate_table.py

export SUBINDEX_API_KEY=sbx_live_...
python examples/01_validate_table.py companies.xlsx
python examples/01_validate_table.py companies.xlsx --refine "Add LinkedIn URL column"

 Fire-and-forget: provide instructions to skip the interview entirely
python examples/01_validate_table.py companies.xlsx \
    --instructions "This table lists hedge funds. Validate AUM, strategy, and HQ city."

使用哪种模式： 永远努力 file_path 第一。如果服务器可以读取文件（stdio/uvx传输），则上传一步完成。如果你得到“找不到文件”（HTTP/Railway传输——服务器是远程的），请在没有 file_path 接收预签名的S3 URL和准备运行 curl_command两步路径需要shell访问才能运行curl；Claude Desktop用户应使用uvx传输，以便 file_path 作品。

______________________________________________________________________

2.根据提示生成表格

描述您想要的表——行、列、范围——以及从头开始构建和验证的子索引。专为桌子设计 4行或更多行.

start_table_maker("Top 20 US biotech companies: name, ticker, market cap, lead drug, phase")
  → wait_for_conversation / poll get_conversation
    → send_conversation_reply  (if AI asks clarifying questions)
    → [table builds → preview auto-queued]

  → wait_for_job(session_id)          ← spans table-maker + preview phases
    → approve_validation(job_id, cost_usd)
    → wait_for_job(job_id)
    → get_results(job_id)

自动批准： 代理可以自动批准预览，并在没有人为干预的情况下进行完全验证。预览表内嵌在 preview_complete 回应。

成本： 约0.05美元/电池（标准），高达约0.25美元/电池/电池（高级）。每次最低2美元。

跳过确认 auto_start=True （即发即弃发电）：

通过 auto_start=True 跳过人工智能的澄清问题和结构确认步骤。AI仅根据消息立即生成表格。当您的消息完全描述了所需的表格时使用。

start_table_maker(
  "Top 20 US hedge funds: fund name, AUM, primary strategy, founding year, HQ city",
  auto_start=True)
  → wait_for_conversation(conversation_id, session_id)
      ← returns trigger_execution=true on first response (no Q&A)
  → wait_for_job(session_id)          ← table building + preview
  → approve_validation(job_id, cost_usd)
  → wait_for_job(job_id)
  → get_results(job_id)

为什么 wait_for_conversation 和 auto_start=True? 尽管没有问答环节， wait_for_conversation 仍然需要返回 trigger_execution: true 在单个阻塞呼叫中（不需要应答），表示表生成器已启动。召唤 wait_for_job 在此之前，再次调用还为时过早，因为制表师可能尚未被触发。

成本门： 表格构建和3行预览 自由。完全验证费用为 approve_validation --你总是看到成本估算在 preview_complete 在任何事情被计费之前。如果您的余额不足， approve_validation 返回a insufficient_balance 所需金额错误。

Python脚本： examples/02_generate_table.py

python examples/02_generate_table.py "Top 10 US hedge funds: fund name, AUM, strategy, HQ city"
python examples/02_generate_table.py --prompt-file my_spec.txt

 Fire-and-forget: skip clarifying Q&A and generate immediately from the prompt
python examples/02_generate_table.py --auto-start "Top 10 US hedge funds: fund name, AUM, strategy, HQ city"

______________________________________________________________________

3.更新表格（重新运行验证过程）

对已完成的作业重新运行验证，无需重新上传或手动编辑。该表会自动迭代，使用相同的配置重新验证相同的数据，以获取源数据中的任何更改。

如果要将手动编辑合并到输出文件中，请通过以下方式重新上传编辑后的文件 upload_file + start_table_validation --将自动找到匹配的配置（分数≥0.85）。

update_table(source_job_id)           ← re-validates existing enriched output
  → wait_for_job(new_job_id)          ← blocks until preview_complete
    → approve_validation(new_job_id, cost_usd)
    → wait_for_job(new_job_id)
    → get_results(new_job_id)

Python脚本： examples/03_update_table.py

python examples/03_update_table.py session_20260217_103045_abc123
python examples/03_update_table.py session_20260217_103045_abc123 --version 2

______________________________________________________________________

4.事实核查文本或文件（支票）

提交任何文本、报告或文件。Subindex根据权威来源检查每个事实声明，并返回与标准表验证相同的输出格式：Excel（XLSX）文件、交互式查看器URL和元数据JSON。

最低索赔额： 子索引专为具有以下内容的文本而设计 4项或更多事实主张较少的索赔可能会产生低质量的结果。

start_reference_check(text="...")           ← inline text (or auto_approve=True to skip the gate)
  or
upload_file(filename, "pdf", file_size [, file_path])   ← upload PDF/document first
  → start_reference_check(s3_key=s3_key)

→ wait_for_job(job_id)                ← spans extraction + 3-row preview; stops at preview_complete
  → preview_table (3 validated sample claims) + cost_estimate shown in response
  → approve_validation(job_id, approved_cost_usd=X)   ← triggers Phase 2
  → wait_for_job(job_id)              ← waits for completed
  → get_results(job_id)               ← download_url (XLSX) + interactive_viewer_url + metadata_url

三相流： 第一阶段（索赔提取，免费）自动运行，然后3行预览验证示例索赔（免费，自动触发）。这两个阶段都由一个单一的 wait_for_job 呼叫停止在 status=preview_complete.审查 preview_table （3份经过验证的样本声明，附有支持级别和引用）以及 cost_estimate，然后致电 approve_validation 开始第二阶段（完全验证，收费）。通过 auto_approve=True 跳过大门，径直穿过 completed.

进度跟踪： get_job_messages 在索赔提取（阶段1）期间返回空。在预览验证阶段，进度消息可用。 wait_for_job 自动处理这两个阶段。

输出： Excel（XLSX）文件，每个索赔行。支持级别：支持/部分支持/不支持/无法验证。分享 interactive_viewer_url 与人类利益相关者合作，它在一个干净的UI中呈现源代码和信心评分。

# Fact-check inline text
python examples/04_reference_check.py --text "Bitcoin was created by Satoshi Nakamoto in 2009."

# Fact-check a PDF
python examples/04_reference_check.py --file analyst_report.pdf

# Fact-check multiple documents concatenated
cat doc1.txt doc2.txt | python examples/04_reference_check.py --stdin

--标准输入： 将所有管道内容连接为单个内联文本有效负载。所有索赔均归因于合并文件。

______________________________________________________________________

环境变量

______________________________________________________________________

直接REST API

MCP服务器中的所有工具都是REST API上的精简包装器。你可以直接从任何语言调用它。

基本URL: https://api.subindex.ai/v1

认证： Authorization: Bearer sbx_live_your_key_here

响应信封：

{
  "success": true,
  "data": { ... },
  "meta": { "request_id": "...", "timestamp": "..." }
}

Python客户端（最小）

import os, requests

BASE_URL = "https://api.subindex.ai/v1"
HEADERS  = {"Authorization": f"Bearer {os.environ['SUBINDEX_API_KEY']}"}

def api_get(path, **kwargs):
    r = requests.get(f"{BASE_URL}{path}", headers=HEADERS, **kwargs)
    r.raise_for_status()
    return r.json()["data"]

def api_post(path, **kwargs):
    r = requests.post(f"{BASE_URL}{path}", headers=HEADERS, **kwargs)
    r.raise_for_status()
    return r.json()["data"]

一个完整的独立客户端模块位于 examples/subindex_client.py.

______________________________________________________________________

API端点参考

上传

预先签署的上传请求：

{
  "filename": "companies.xlsx",
  "file_size": 2048000,
  "file_type": "excel",
  "content_type": "application/vnd.openxmlformats-officedocument.spreadsheetml.sheet"
}

内容类型： excel → .xlsx, csv → .csv, pdf → .pdf

确认上传请求 （可选字段）：

{
  "session_id": "session_20260305_...",
  "s3_key": "results/.../file.xlsx",
  "filename": "companies.xlsx",
  "instructions": "Validate AUM, strategy, and HQ city. Use Bloomberg and SEC filings as sources.",
  "config_id": "session_20260217_103045_abc123_config_v1_..."
}

instructions --如果提供，则绕过交互式上传面试。AI直接从表结构+指令生成配置。响应包括 instructions_mode: true 和 conversation_id.使用 wait_for_job(session_id) 要跟踪进度，请不要轮询对话。

config_id --如果提供，则完全跳过匹配和面试。指定的配置将立即应用，预览将自动排队。响应包括 preview_queued: true 和 job_id.使用 wait_for_job(job_id) 跟踪进展。这 configuration_id 因为任何已完成的作业都会被退回 GET /jobs/{id}/results 在...之下 job_info.configuration_id.

______________________________________________________________________

对话

Table Maker请求正文：

{
  "message": "Top 20 US hedge funds: fund name, AUM, primary strategy, founding year, HQ city",
  "auto_start": true
}

auto_start --如果 true，AI跳过澄清问题和结构确认步骤，直接进行表格生成。第一 get_conversation 响应将具有 trigger_execution: true。当您的消息完全描述了所需的表格时使用。

______________________________________________________________________

工作

作业状态值：

______________________________________________________________________

账户

______________________________________________________________________

MCP提示

三个内置提示充当工作流启动器——从MCP客户端的提示选择器中选择它们（Claude代码： / 菜单；Claude Desktop：提示图标）并填写参数。

______________________________________________________________________

MCP工具参考

每个工具响应都包括 _guidance 使用简单的英文摘要和精确的下一个工具调用来阻止——实现完全自主的代理工作流。

______________________________________________________________________

关键行为

自动排队预览

预览是 自动排队 在所有三条路径之后 start_table_validation:

要重用其他会话中的配置，请传递 config_id 到 start_table_validation --预览将立即自动排队。

配置重用

如果 start_table_validation 回报 match_score ≥ 0.85，预览将使用匹配的配置自动排队。回应包括 preview_queued: true 和 job_id --呼叫 wait_for_job(job_id) 直接说，不需要面试。

这 configuration_id 从任何已完成的工作 get_results 响应可以在未来上传类似表时重复使用。

成本确认门

approve_validation 需要 approved_cost_usd 与预览估计相匹配。这可以防止意外指控。估计数在 preview_complete 作业状态响应 cost_estimate.estimated_total_cost_usd.

无论是否满足以下条件，此门都适用 instructions 或 auto_start 被使用了——两者都只是跳过了 *面试/确认谈话*，而不是成本审批步骤。如果您的余额不足 approve_validation 则API返回：

{ "error": "insufficient_balance", "required_usd": 4.20, "current_balance_usd": 1.50 }

即发即弃快捷方式

两个可选标志允许全自动管道跳过交互步骤：

这些标志使用不同的终端信号： instructions= （配置生成流）导致 trigger_config_generation: true 关于对话的回应； auto_start=True （制表流程）原因 trigger_execution: true。两者都跳过交互式问答，但产生不同的字段——不要等待 trigger_execution 使用时 instructions= 上传路径。这 preview_complete 成本门和 approve_validation 仍然适用。

消费结果：人类vs人工智能

每次运行生成的输出文件：

get_results 返回：

推荐的AI代理工作流程：

1. 在 preview_complete：读取内联 preview_table （标记，3行）从 GET /jobs/{id} 调查表格结构和抽查值。AI代理可以查看此内联表并调用 approve_validation 直接——不需要人工批准步骤。
2. 完全验证后：fetch results.metadata_url → table_metadata.json。这包含所有已验证的行。
3. 使用 rows[].row_key （稳定的SHA-256）在markdown摘要和详细的JSON之间交叉引用行。
4. 中的每个单元格字段 table_metadata.json:

- cells[col].value --验证值（旧文件可能会使用 full_value) - cells[col].confidence — HIGH / MEDIUM / LOW / ID - cells[col].comment.validator_explanation --推理 - cells[col].comment.key_citation --最高权威来源 - cells[col].comment.sources[] --所有来源 url 和 snippet

______________________________________________________________________

定价

信用是预付的。免费获得$20 子索引.ai/帐户.

大多数表都使用标准验证。当表格需要更复杂的推理时（例如，科学数据、复杂的财务指标或具有高度模糊性的单元格），会自动选择高级验证。

______________________________________________________________________

链接

• MCP服务器（HTTP，推荐）： claude mcp add subindex --transport http https://mcp-server-subindex-production.up.railway.app/ --header "X-Api-Key: sbx_live_..." --无需安装
• MCP服务器（PyPI/uvx）： uvx mcp-server-subindex --适用于Claude Desktop或离线使用
• 来源：
• 文档： 分类指数.ai/mcp
• API参考： 分类索引.ai/api
• 账户和信用： 子索引.ai/帐户