Классификация с живым вебом на срезAI: аналог Decisions API

#Что делает Parallel Decisions API и что мы повторяем

Parallel Decisions API отвечает на типизированные вопросы о компаниях, продуктах и политиках. Источник ответа - живой веб, а не память модели. Каждый ответ приходит с вероятностью и ссылкой на источник. Подробности - в анонсе в блоге Parallel.

This single API call replaces the multi-step pipeline your team might be building by hand today.

Эту многошаговую цепочку мы и собираем руками на срезAI, который глубоко индексирует Рунет и хранит данные в РФ.

#Что понадобится

• ключ срезAI из личного кабинета: 100 ₽ при регистрации;
• Python 3.10+ и пакет mcp: pip install mcp;
• адрес MCP-сервера, детали авторизации - в документации;
• лимит бесплатного плана - 200 вызовов в сутки.

#Шаг 1. Как найти страницы-кандидаты

Запрос строим из названия объекта и сути вопроса, например "ПАО Аэрофлот статус юридического лица". Берём num: 5 и language: ru. Пять результатов хватает: читать будем только три верхних.

#Шаг 2. Как вынуть метку со ссылкой на источник

Инструмент extract открывает страницу полноценным браузером, выполняет JavaScript на нашей стороне и возвращает JSON по вашей схеме. Отдельный read_urls здесь лишний: extract читает страницу сам, а в контекст попадают только три поля. Чего на странице нет, приходит как null.

Поле evidence_url делает ответ проверяемым. Без него классификатор снова превращается в модель, которая отвечает из памяти.

#Шаг 3. Как выбрать итоговую метку

Суммируем confidence по каждой метке и берём лидера. Доля лидера в общей сумме становится итоговым значением confidence. Это эвристика, а не калиброванная вероятность, как у Parallel. Порог 0,7 мы выбрали руками, поэтому подберите свой на размеченной выборке.

#Шаг 4. Как перепроверить спорные случаи

Если доля лидера ниже 0,7 или победила метка unknown, вызываем verify_claim с утверждением вроде "Компания X действует и не находится в процессе ликвидации". Он читает независимые источники и возвращает вердикт с цитатами за 8 кредитов. Звать его на каждый объект дорого, поэтому он стоит только на спорной ветке.

import asyncio
import json
import os
import re
from collections import defaultdict from mcp import ClientSession
from mcp.client.streamable_http import streamablehttp_client MCP_URL = 'https://srezai.ru/docs
HEADERS = {'Authorization': 'Bearer ' + os.environ['SREZAI_API_KEY']} SCHEMA = { 'label': 'string', 'confidence': 'number', 'evidence_url': 'string',
}
INSTRUCTION = ( 'Определи статус компании по странице: active, liquidating или unknown. ' 'confidence от 0 до 1. Если страница не про эту компанию, label=unknown.'
) async def call(session, tool, args): response = await session.call_tool(tool, args) return response.content[0].text async def classify(session, company): found = await call(session, 'web_search', { 'query': company + ' статус юридического лица', 'num': 5, 'language': 'ru', }) urls = list(dict.fromkeys(re.findall(r'https?://[^\s)\]]+', found)))[:3] votes = defaultdict(float) evidence = {} for url in urls: raw = await call(session, 'extract', { 'url': url, 'schema': SCHEMA, 'instruction': INSTRUCTION, }) try: item = json.loads(raw) except ValueError: continue label = item.get('label') or 'unknown' votes[label] += float(item.get('confidence') or 0) evidence.setdefault(label, item.get('evidence_url') or url) if not votes or sum(votes.values()) == 0: return {'label': 'unknown', 'confidence': 0, 'evidence_url': None} label = max(votes, key=votes.get) share = votes[label] / sum(votes.values()) answer = { 'label': label, 'confidence': round(share, 2), 'evidence_url': evidence[label], } if share < 0.7 or label == 'unknown': answer['verification'] = await call(session, 'verify_claim', { 'claim': 'Компания ' + company + ' действует и не находится в процессе ликвидации', 'maxSources': 3, 'language': 'ru', }) return answer async def main(): async with streamablehttp_client(MCP_URL, headers=HEADERS) as (read, write, _): async with ClientSession(read, write) as session: await session.initialize() answer = await classify(session, 'ПАО "Аэрофлот"') print(json.dumps(answer, ensure_ascii=False, indent=2)) asyncio.run(main())

#Как проверить, что пайплайн работает

Соберите 30-50 объектов с известным статусом, среди них пару заведомо спорных. Прогоните их и посмотрите, у скольких evidence_url ведёт на страницу про нужную компанию.

Самая частая ошибка - страница-однофамилец. Строка в instruction "если страница не про эту компанию, label=unknown" отсекает большую часть таких случаев, но не все. Этот шаг легко пропустить, а потом гадать, откуда взялись чужие evidence_url. Для скоринга контрагентов добавляйте в запрос ИНН.

#Сколько это стоит и где Parallel выигрывает

По скорости и цене за объект Parallel впереди. В анонсе проверка 426 публичных компаний заняла меньше десяти секунд и стоила 85 центов. Наш пайплайн на тех же 426 объектах - около 2 982 кредитов до спорной ветки.

Зато схема и список источников здесь ваши, а для проверки контрагентов по российским реестрам и новостям это порой важнее выигрыша в пару секунд.

#Что не сработает

• Объекты без публичного следа. Если страниц нет, все голоса уйдут в unknown, и вы заплатите за verify_claim впустую.
• Массовая разметка за секунды. Вызовы идут последовательно, а суточный лимит в 200 вызовов даёт около 28 объектов.
• Формат ответа extract. Код выше разбирает его как JSON; если в вашем клиенте приходит иной формат, сверьтесь с документацией.