このリポジトリはメンテナンスされなくなりました。
このツールの機能は、複数の MCP ツールを 1 つの統合パッケージにまとめたmcp-omnisearchで利用できるようになりました。
代わりにmcp-omnisearchを使用してください。
PerplexityのAI APIとLLMを統合するためのモデルコンテキストプロトコル（MCP）サーバー。このサーバーは、様々なユースケースに対応する専用のプロンプトテンプレートを備えた高度なチャット補完機能を提供します。
Related MCP server: DocGen MCP Server
🤖 Perplexity の AI モデルを使用した高度なチャット補完
📝 一般的なシナリオ向けの定義済みプロンプト テンプレート:
技術文書の作成
セキュリティのベストプラクティス分析
コードレビューと改善
構造化された形式のAPIドキュメント
🎯 特殊なユースケース向けのカスタムテンプレートのサポート
📊 複数の出力形式（テキスト、マークダウン、JSON）
🔍 レスポンスにオプションでソース URL を含める
⚙️ 設定可能なモデルパラメータ（温度、最大トークン数）
🚀 Sonar や LLaMA を含むさまざまな Perplexity モデルのサポート
このサーバーはMCPクライアント経由で設定する必要があります。以下に、様々な環境における設定例を示します。
Cline MCP 設定に以下を追加します:
{
"mcpServers": {
"mcp-perplexity-search": {
"command": "npx",
"args": ["-y", "mcp-perplexity-search"],
"env": {
"PERPLEXITY_API_KEY": "your-perplexity-api-key"
}
}
}
}WSL 環境の場合は、Claude Desktop 構成に以下を追加します。
{
"mcpServers": {
"mcp-perplexity-search": {
"command": "wsl.exe",
"args": [
"bash",
"-c",
"source ~/.nvm/nvm.sh && PERPLEXITY_API_KEY=your-perplexity-api-key /home/username/.nvm/versions/node/v20.12.1/bin/npx mcp-perplexity-search"
]
}
}
}サーバーには次の環境変数が必要です。
PERPLEXITY_API_KEY : Perplexity API キー (必須)
サーバーは、構成可能なパラメータを持つ単一の MCP ツールを実装します。
特殊なプロンプト テンプレートをサポートする Perplexity API を使用して、チャット補完を生成します。
パラメータ:
messages （配列、必須）：次の内容を含むメッセージオブジェクトの配列：
role （文字列）: 'system'、'user'、または 'assistant'
content (文字列): メッセージの内容
prompt_template (文字列、オプション): 使用する定義済みテンプレート:
technical_docs : コード例を含む技術ドキュメント
security_practices : セキュリティ実装ガイドライン
code_review : コード分析と改善
api_docs : JSON形式のAPIドキュメント
custom_template (オブジェクト、オプション): 次の内容を含むカスタム プロンプト テンプレート:
system (文字列): アシスタントの動作に関するシステムメッセージ
format (文字列): 出力形式の設定
include_sources (boolean): ソースを含めるかどうか
format （文字列、オプション）: 'text'、'markdown'、または 'json'（デフォルト: 'text'）
include_sources (ブール値、オプション): ソース URL を含める (デフォルト: false)
model (文字列、オプション): 使用するパープレキシティモデル (デフォルト: 'sonar')
temperature (数値, オプション): 出力のランダム性 (0-1, デフォルト: 0.7)
max_tokens （数値、オプション）：最大レスポンス長（デフォルト：1024）
リポジトリをクローンする
依存関係をインストールします:
pnpm installプロジェクトをビルドします。
pnpm build開発モードで実行:
pnpm devこのプロジェクトではバージョン管理に変更セットを使用しています。公開するには：
変更セットを作成します。
pnpm changesetパッケージのバージョン:
pnpm changeset versionnpm に公開:
pnpm release貢献を歓迎します！お気軽にプルリクエストを送信してください。
MIT ライセンス - 詳細についてはLICENSEファイルを参照してください。
モデルコンテキストプロトコルに基づいて構築
Generate chat completions using the Perplexity API
| Name | Required | Description | Default |
|---|---|---|---|
| messages | Yes | ||
| prompt_template | No | Predefined prompt template to use for common use cases. Available templates: - technical_docs: Technical documentation with code examples and source references - security_practices: Security best practices and implementation guidelines with references - code_review: Code analysis focusing on best practices and improvements - api_docs: API documentation in structured JSON format with examples | |
| custom_template | No | Custom prompt template. If provided, overrides prompt_template. | |
| format | No | Response format. Use json for structured data, markdown for formatted text with code blocks. Overrides template format if provided. | text |
| include_sources | No | Include source URLs in the response. Overrides template setting if provided. | |
| model | No | Model to use for completion. Note: llama-3.1 models will be deprecated after 2/22/2025 | sonar |
| temperature | No | Controls randomness in the output. Higher values (e.g. 0.8) make the output more random, while lower values (e.g. 0.2) make it more focused and deterministic. | |
| max_tokens | No | The maximum number of tokens to generate in the response. One token is roughly 4 characters for English text. |
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
With no annotations provided, the description carries full burden for behavioral disclosure but only states the basic function. It doesn't mention rate limits, authentication requirements, cost implications, error handling, or response characteristics. For a complex API tool with 8 parameters, this is inadequate.
Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.
Is the description appropriately sized, front-loaded, and free of redundancy?
The description is a single, efficient sentence with zero wasted words. It's appropriately sized and gets straight to the point without unnecessary elaboration.
Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.
Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?
For a complex chat completion tool with 8 parameters, no annotations, and no output schema, the description is insufficient. It doesn't explain what a 'chat completion' entails, typical use cases, or what the response looks like. The agent must rely entirely on the schema for operational details.
Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.
Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?
With 88% schema description coverage, the schema already documents most parameters thoroughly. The description adds no parameter-specific information beyond what's in the schema, so it meets the baseline for high coverage but doesn't provide additional semantic context.
Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.
Does the description clearly state what the tool does and how it differs from similar tools?
The description clearly states the action ('generate chat completions') and target ('using the Perplexity API'), providing a specific verb+resource combination. However, with no sibling tools mentioned, it cannot demonstrate differentiation from alternatives, which prevents a perfect score.
Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.
Does the description explain when to use this tool, when not to, or what alternatives exist?
The description provides no guidance on when to use this tool versus alternatives, prerequisites, or typical use cases. It simply states what the tool does without context about appropriate scenarios or limitations.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
v1.0.0chat_completionScored across 1 tool
With only one tool, there is no possibility of ambiguity or overlap between tools. The single tool's purpose is clearly defined as generating chat completions using the Perplexity API, leaving no room for misselection.
Since there is only one tool, naming consistency is inherently perfect. The tool name 'chat_completion' follows a clear verb_noun pattern, and there are no other tools to compare or create inconsistencies with.
A single tool is generally too few for a server's purpose, as it limits functionality and may indicate an incomplete or overly narrow scope. While it could be appropriate for a very simple service, it often feels thin and lacks the breadth needed for typical agent workflows.
The tool provides a core function for chat completions, but with only one tool, the surface is notably incomplete. There are obvious gaps, such as missing operations for managing conversations, handling different models, or supporting related search functionalities, which could hinder agent performance in broader tasks.
Provide your AI coding tools with token-efficient access to up-to-date technical documentation for…
@latest documentation and code examples to 9000+ libraries for LLMs and AI code editors in a singl…
Discover, compare, and monitor 1,400+ APIs directly from your AI coding agent.
Versioned documentation registry and semantic search for AI tools and coding assistants.
