Мы запустили srezAI - поисковый API, который отдаёт ИИ-агенту не сырую выдачу, а очищенный от рекламы и навигации контент, готовый класть в контекст LLM. Есть MCP-сервер (подключается к Cursor \ ClaudeCode или иной ИИ-агент за 30 секунд), REST, поиск картинок и многошаговый DeepResearch.
Оплата в рублях, данные и вычисления - в РФ, работает без VPN.
При регистрации даём 100 ₽ на баланс, чтобы можно было попробовать без карты.
Проблема:
LLM живёт в прошлом, а веб - грязный
У любой языковой модели два врождённых ограничения:
она не знает, что было после обучения, и она не умеет ходить в интернет сама.
Стандартное решение - RAG: находим релевантные страницы, подсовываем их в контекст. Но между «найти страницы» и «подсунуть в контекст» прячется куча грязной работы:
Обычный поисковый API отдаёт ссылки, а не контент.
Дальше вы сами качаете HTML, парсите, вырезаете меню, футеры, баннеры и cookie-заглушки.
Половина интересных страниц - SPA: без выполнения JavaScript в HTML пусто.
То, что осталось, надо ещё почистить: иначе в контекст LLM едут токены на навигацию "Главная / О нас / Контакты" и рекламу, за которые вы платите.
Для англоязычного рынка есть Tavily, Exa, Serper и другие. Но если вы в России: оплата зарубежной картой, серверы за рубежом, часто нужен VPN, и глубина по Рунету у них так себе - русскоязычные источники и госреестры они видят плохо.
Мы делали внутренний инструмент под свои задачи, поняли, что боль общая, и причесали его до публичного API.
Что делает srezAI
Одним запросом вы получаете не «10 синих ссылок», а готовый к употреблению контекст. Четыре инструмента:
web_search - живой веб-поиск по Рунету и глобальному вебу. Возвращает результаты, уже очищенные до Markdown/JSON. Есть категории (общее / новости / IT / наука), фильтр по свежести и языку.
fetch_page - открывает конкретную страницу в реальном браузере, дожидается отрисовки JavaScript и возвращает её текст в Markdown плюс скриншот — удобно скармливать vision-моделям.
image_search - поиск изображений с прямыми ссылками и метаданными.
deep_research - многошаговое агентное исследование: сам декомпозирует вопрос, обходит десятки источников и собирает ответ с цитатами.
Всё это доступно двумя способами: по REST и через MCP.
MCP: веб-поиск в Cursor и Claude за 30 секунд
Model Context Protocol — открытый стандарт от Anthropic, по которому ИИ-клиенты подключают внешние инструменты. Мы подняли MCP-сервер, поэтому подключение сводится к одному блоку конфига. Для Cursor:
{
"mcpServers": {
"srezai": {
"url": "https://srezai.ru/api/mcp",
"headers": {
"Authorization": "Bearer srz_live_ВАШ_КЛЮЧ"
}
}
}
}
Перезапустили Cursor — и у агента появились инструменты web_search, fetch_page, image_search, deep_research. Дальше он сам решает, когда сходить в веб. Тот же конфиг работает в Claude Desktop, Cline, VS Code — мы собрали copy-paste под каждый на странице srezai.ru/mcp.
REST для тех, кому не нужен MCP
curl -X POST https://srezai.ru/api/v1/search \
-H "Authorization: Bearer srz_live_ВАШ_КЛЮЧ" \
-H "Content-Type: application/json" \
-d '{"query": "последние новости про ИИ в России", "language": "ru", "num": 5, "excerpts": true}'
В ответе — массив результатов с полями title, url, content и excerpt (готовый фрагмент страницы под запрос). Обязателен только query, остальное — опционально.
Вся инфраструктура — на серверах в РФ.
