MCP-сервер для структурированных рабочих процессов конкурентной/рыночной разведки на основе Perplexity Sonar API.
Исправление (2026-08-26): в более ранней версии этого README утверждалось, что нативного MCP-коннектора Perplexity нигде не существует. Это было неверно — Perplexity публикует официальный MCP-сервер (github.com/perplexityai/modelcontextprotocol), включая размещённый Perplexity удалённый endpoint на https://api.perplexity.ai/mcp, доступный из облачной сессии по расписанию без какого-либо самостоятельного хостинга. Если вам нужен просто универсальный разовый поиск через Sonar, зарегистрируйте его вместо того, чтобы собирать или запускать что-то здесь.
Чего официальный сервер не даёт — это структурированного, сопоставимого еженедельного мониторинга: он предоставляет универсальный поиск/рассуждение (Agent API, Search API), а не бриф по компании с фиксированными разделами и не обзор сигналов, ограниченный JSON-схемой. Именно в этом настоящая причина существования этого сервера — это тонкий, узкий слой из двух инструментов рабочего процесса, а не замена собственному MCP-серверу Perplexity.
Разверните это один раз (см. раздел «Удалённое развёртывание» ниже), задав PERPLEXITY_API_KEY как секрет платформы, и любой MCP-клиент — включая облачную сессию Cowork/Claude, запускаемую по расписанию, — сможет вызывать его по HTTP, вообще не касаясь локальной машины или моста устройств. Регистрируйте его наряду с официальным сервером Perplexity, а не вместо него.
perplexity_company_news — структурированный бриф новостей компании (управление, руководители, стратегические события, финансовое положение, кадровые изменения), фиксированные заголовки разделов, lookback_days вместо произвольных диапазонов дат.
perplexity_market_signals — обзор сигналов по всему сектору (M&A, финансирование, назначения, реструктуризации), ограниченный JSON-схемой на стороне сервера, так что результат — это настоящий массив отдельных сигналов, а не markdown, который нужно повторно парсить. Возвращает пустой массив (не ошибку), когда за период не найдено ничего датированного и надёжного, — это значимый результат, а не сбой.
Оба инструмента поддерживают response_format: "markdown" | "json" и возвращают цитаты/источники. Для поиска общего назначения используйте официальный MCP-сервер Perplexity — см. исправление выше.
Related MCP server: earningsprism-mcp
npm install
cp .env.example .env # then set PERPLEXITY_API_KEY
npm run buildПодходит для тестирования или для любого рабочего процесса, который уже выполняется на вашей собственной машине. Зарегистрируйте его в конфигурации вашего MCP-клиента (например, в claude_desktop_config.json для Claude Desktop):
{
"mcpServers": {
"perplexity": {
"command": "node",
"args": ["/absolute/path/to/perplexity-mcp-server/dist/index.js"],
"env": { "PERPLEXITY_API_KEY": "pplx-..." }
}
}
}Это по-прежнему привязывает доступность к тому, что эта машина включена, — это не решает исходную проблему задачи, запускаемой в облаке по расписанию, которой нужен ключ. Для этого используйте HTTP-развёртывание ниже.
Запустите тот же код с TRANSPORT=http на любом хосте, поддерживающем Node (небольшой VPS, Render, Railway, Fly.io, контейнер у любого облачного провайдера). Единственные требования: Node 18+, возможность задать секрет в переменной окружения и публичный HTTPS-URL.
PERPLEXITY_API_KEY=pplx-... TRANSPORT=http PORT=3000 npm startСервер предоставляет:
POST /mcp — MCP endpoint (streamable HTTP, JSON без состояния — новый сервер+транспорт на каждый запрос, поэтому ничего не протекает между вызовами, и он горизонтально масштабируется без общего состояния)
GET /health — простая проверка живости (liveness) для health-пробы вашей хостинг-платформы
После развёртывания за HTTPS (https://your-host/mcp) зарегистрируйте этот URL как удалённый MCP-коннектор в рабочем пространстве, чтобы задача, зависящая от Perplexity, могла обращаться к нему напрямую, а ключ хранился на стороне сервера, — та же операционная модель, которую уже использует Pappers (нативный коннектор, без локального секрета в пути доступа к учётным данным).
npm run build компилируется без ошибок (строгий TypeScript, без any).
Оба транспорта запускаются без падений (stdio и HTTP).
GET /health отвечает корректно.
Полное MCP-рукопожатие (initialize, tools/list) возвращает оба инструмента с корректными JSON-схемами, описаниями и аннотациями.
tools/call с недействительным API-ключом возвращает чистый, информативный результат isError: true (указание на 401, ведущее к дашборду Perplexity), — сервер не падает и остаётся отзывчивым после этого.
В среде сборки не было настоящего PERPLEXITY_API_KEY, поэтому реальный успешный вызов Sonar — настоящее содержимое ответа, настоящие цитаты, ответ market_signals с ограничением по JSON-схеме, который действительно разбирается как валидный JSON, — не был проверен насквозь (end-to-end). Прежде чем полагаться на это в рабочей процедуре мониторинга, запустите каждый из двух инструментов по одному разу с реальным ключом (локально через stdio для этой проверки достаточно) и убедитесь, что вывод соответствует формам, описанным выше.
perplexity_company_news и perplexity_market_signals по умолчанию используют модель sonar-pro (более глубокий поиск, больше источников, выше стоимость за вызов, чем у sonar), потому что сценарий мониторинга ставит полноту и качество цитирования выше задержки/стоимости — это намеренное значение по умолчанию для обоих инструментов этого сервера, подтверждено 2026-08-26. Здесь нет инструмента perplexity_search, чтобы выбрать более дешёвую модель для разовых запросов; для этого используйте официальный MCP-сервер Perplexity (см. исправление в начале этого файла). Изучите текущие цены Perplexity по моделям, прежде чем запускать это в масштабе еженедельной рутины для десятков компаний, — полный прогон обогащает порядка 50–90 компаний плюс один обзор рыночных сигналов, так что предельная стоимость sonar-pro по сравнению с sonar быстро накапливается.
Get a structured, cited news brief on one company: governance, executives, strategic events, financial situation, and senior HR moves.
This is a workflow tool built on top of Perplexity's Sonar chat/completions API: it fixes the prompt structure and section headings so every call returns a comparable, five-section brief, and maps a plain lookback_days number to Perplexity's recency buckets (there is no native "3 months" filter, so lookback_days=90 is mapped to the nearest bucket, 'month').
Args:
organization (string): Company name, e.g. "Doctolib".
lookback_days (number, 1-365, default 90): how far back to search ("90" = "last 3 months").
language ('fr'|'en'): default 'fr'.
response_format ('markdown'|'json'): default 'markdown'.
Returns: Markdown: five headed sections (Gouvernance/Governance, Dirigeants/Executives, Événements stratégiques/Strategic events, Situation financière/Financial situation, Mouvements RH/Senior HR moves), each stating "Rien à signaler"/"Nothing to report" if empty, followed by numbered Sources. JSON: { "answer": string (same structured text), "citations": string[], "search_results": [...], "organization": string, "lookback_days": number }
Examples:
Use when: "Quelle est l'actualité récente de Nexans ?" -> organization="Nexans"
Use when: weekly veille loop over a list of target companies -> call once per company
Don't use when: you need sector-wide signals across many companies -> use perplexity_market_signals instead.
Error Handling:
Returns "Error: ... Invalid Perplexity API key" if PERPLEXITY_API_KEY is missing/invalid (401).
Returns "Error: ... rate limit exceeded" if too many requests (429).
| Name | Required | Description | Default |
|---|---|---|---|
| language | No | Language of the synthesized answer. | fr |
| organization | Yes | Legal or commercial name of the company to research, e.g. 'Doctolib'. | |
| lookback_days | No | How far back to look for news, in days (default 90 = 'last 3 months'). Mapped internally to Perplexity's nearest recency bucket. | |
| response_format | No | Output format: 'markdown' for human-readable, 'json' for machine-readable. | markdown |
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
Annotations already declare read-only and non-destructive; the description adds substantial behavioral context: it explains it wraps Perplexity's API, fixes prompt/section structure, maps lookback_days to recency buckets, emits 'Nothing to report' placeholders, and returns specific errors for bad API keys or rate limits. This goes well beyond the annotations and helps predict actual behavior.
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 longer than average, but it is organized into clear, labeled sections (Args, Returns, Examples, Error Handling) with no filler. Every section contributes decision-relevant information, and the main purpose is front-loaded in the first sentence.
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?
The tool is a wraper with no output schema, so the description correctly takes on the burden of documenting return values, error behavior, parameter semantics, and usage boundaries. It covers the full range of invocation contexts and likely failure modes.
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?
Although schema description coverage is 100%, the description adds important meaning beyond the schema: it explains that lookback_days is mapped to Perplexity's nearest recency bucket because no native '3 months' filter exists. It also details what each response_format value produces, including the JSON shape and Markdown sections.
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 opens with a specific verb and resource: 'Get a structured, cited news brief on one company,' then lists the exact content areas covered. It also names the sibling tool in the alternatives, making differentiation explicit.
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 gives explicit 'Use when' and 'Don't use when' guidance, including an example user query mapped to the organization parameter. It clearly directs agents to perplexity_market_signals for sector-wide signals instead.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
Find recent, dated market signals (M&A, funding rounds, executive appointments, restructurings, etc.) relevant to a given professional profile and region, as a structured list.
Unlike a free-text Sonar query, this tool constrains Perplexity's response to a JSON schema server-side, so the result is a real array of discrete signals — not markdown you have to re-parse. It returns an empty list rather than fabricated signals when nothing dated and reliable is found; that empty list is itself a meaningful, actionable result (it means the sweep ran and found nothing this period), not a failure.
Args:
profile (string): Target professional profile, e.g. "CTO groupe / VP Technology / Chief Transformation Officer / Group CIO".
regions (string[], default ["France","Europe","Luxembourg"]): geographic scope.
lookback_days (number, 1-30, default 7): how far back to search.
signal_types (string[], default M&A/levée de fonds/nomination/restructuration): categories.
language ('fr'|'en'): default 'fr'.
response_format ('markdown'|'json'): default 'markdown'.
Returns: Markdown: one numbered section per signal (title, type, date, source, summary), or an explicit "no signal found" statement if the array is empty. JSON: { "signals": [{title,type,date,source_url,summary}], "count": number, "lookback_days": number, "regions": string[] }
Examples:
Use when: weekly sector-wide sweep independent of any specific tracked company
Don't use when: you already know the company and want its own news -> use perplexity_company_news instead.
Error Handling:
Returns "Error: ... Invalid Perplexity API key" if PERPLEXITY_API_KEY is missing/invalid (401).
Returns "Error: ... rate limit exceeded" if too many requests (429).
If Perplexity returns non-JSON content despite the schema constraint, returns "Error: could not parse signals JSON" with the raw answer included so nothing is silently lost.
| Name | Required | Description | Default |
|---|---|---|---|
| profile | Yes | The professional profile signals should be relevant to, e.g. 'CTO groupe / VP Technology / Chief Transformation Officer / Group CIO'. | |
| regions | No | Geographic scope for signals. | |
| language | No | Language of the synthesized answer. | fr |
| signal_types | No | Categories of signal to look for. | |
| lookback_days | No | How far back to look for signals, in days (default 7 = 'this week'). | |
| response_format | No | Output format: 'markdown' for human-readable, 'json' for machine-readable. | markdown |
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
Annotations already mark readOnlyHInt and non-destructive, and the description adds meaningful behavior beyond that: it returns an empty list rather than fabricated signals, treating that empty result as a valid sweep outcome. It also discloses exact error behaviors for 401, 429, and per-answer parsing failures while preserving raw content, which is highly transparent.
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 well-structured with Args, Returns, Examples, and Error Handling sections. The core purpose and sibling differentiation are front-loaded, and each section contributes actionable information without filler.
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?
There is no output schema, so the description correctly takes responsibility for explaining both Markdown and JSON return shapes. It also covers error handling, empty-result semantics, and representative use cases, giving an agent everything needed to invoke and interpret the tool correctly.
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?
Schema coverage is 100% and each parameter already has a description, so the baseline is 3. The description adds value by specifying the exact Markdown and JSON return structures tied to response_format, and by giving concrete examples for profile, signal_types, and lookback_days. This is a modest but genuine increment over the schema.
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 opens with a specific verb and resource: 'Find recent, dated market signals ... relevant to a given professional profile and region, as a structured list.' It lists concrete signal categories and explicitly contrasts itself with a free-text Sonar query and with the sibling tool perplexity_company_news, so an agent can distinguish it without opening the schema.
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?
It provides explicit 'Use when' and 'Don't use when' guidance: use for 'weekly sector-wide sweep independent of any specific tracked company' and avoid when you want a specific company's news, routing to perplexity_company_news. This leaves no ambiguity about selection versus the sibling.
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. Dates show when Glama detected each change.
v1.0.0perplexity_company_newsperplexity_market_signalsThe two tools have cleanly separated domains: one compiles a structured news brief for a single named company, while the other scans for market-wide signals across profiles and regions. Their descriptions explicitly cross-reference when not to use each, removing ambiguity.
Both tool names follow the same `perplexity_<object>` snake_case pattern and clearly indicate their target: `company_news` vs `market_signals`. No mixed conventions or vague verbs.
At two tools, the surface is on the thin side and borders on feeling minimal for a server named after Perplexity. Each tool does earn its place and covers a distinct workflow, but the count is at the low end of acceptable.
The pair covers the two main read-oriented intelligence workflows: focused company monitoring and broader market sweeps. A general free-text search or ask tool is missing, but the server's stated purpose appears to be these richer structured workflows, so the gap is minor.
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Structured company & industry news for AI agents: typed, dated, source-linked events.
Private company data & real-time news signals for AI agents.
Audited SEC catalyst signals for agents — ranked filing intel with a public track record. Free tier.
Investment research superagent: podcasts, SEC filings, and no-code research pipelines.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/thierrysays/perplexity-mcp-server'
If you have feedback or need assistance with the MCP directory API, please join our Discord server
