Deepresearch

🚀 深度研究MCPプロジェクトドキュメント

DeepResearch MCP（深度研究モデルコンテキストプロトコル）は、モデルコンテキストプロトコルに基づいて構築されたインテリジェントな研究プラットフォームです。Claude Desktopなどのツールとの統合をサポートし、OpenAIとFirecrawl APIを呼び出すことで強力な研究機能を提供します。

🚀 クイックスタート

DeepResearch MCPは、高度な研究機能を備えたインテリジェントな研究プラットフォームです。以下の手順に従って、システムをセットアップし、研究を開始しましょう。

📦 インストール

リポジトリのクローン

git clone https://github.com/yourusername/deep-research-mcp.git
cd deep-research-mcp
npm install

サービスの起動

node dist/index.js

📚 ドキュメント

設定説明

研究初期化ツール

interface ResearchInitialization {
  query: string;
  depth: number;
}

研究ステップ実行ツール

interface ResearchStepExecution {
  sessionId: string;
}

最終レポート生成ツール

interface ReportGeneration {
  sessionId: string;
  timeout?: number;
}

💻 使用例

基本的な使用法

import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";

async function main() {
  // サーバーに接続
  const transport = new StdioClientTransport({
    command: "node",
    args: ["dist/index.js"]
  });

  const client = new Client({ name: "deep-research-client", version: "1.0.0" });
  await client.connect(transport);

  // 研究を初期化
  const initResult = await client.callTool({
    name: "initialize-research",
    arguments: {
      query: "人工智能对医疗保健的影响",
      depth: 3
    }
  });
  
  // 応答を解析して sessionId を取得
  const { sessionId } = JSON.parse(initResult.content[0].text);
  
  // ステップを完了するまで実行
  let currentDepth = 0;
  while (currentDepth < 3) {
    const stepResult = await client.callTool({
      name: "execute-research-step",
      arguments: { sessionId }
    });
    
    const stepInfo = JSON.parse(stepResult.content[0].text);
    currentDepth = stepInfo.currentDepth;
    
    console.log(`完成步骤 ${stepInfo.currentDepth}/${stepInfo.maxDepth}`);
  }
  
  // タイムアウト設定で最終レポートを生成
  const report = await client.callTool({
    name: "generate-report",
    arguments: { 
      sessionId,
      timeout: 180000 // 3分のタイムアウトを設定
    }
  });
  
  console.log("最終レポート:");
  console.log(report.content[0].text);
}

main().catch(console.error);

🔧 トラブルシューティング

一般的な問題と解決策

• トークン制限超過：非常に大規模な研究テーマの場合、OpenAIのトークン制限エラーが発生することがあります。解決策：

  • 研究の深度を減らす
  • より具体的なクエリを使用する
  • 複雑なテーマを小さなサブテーマに分割する

• タイムアウトエラー：複雑な研究の場合、プロセスがタイムアウトすることがあります。解決策：

  • ツール呼び出しのタイムアウトパラメータを増やす
  • complete-researchツールを使用し、より長いタイムアウト時間を設定する
  • 研究内容を段階的に処理する

• APIレート制限：OpenAIまたはFirecrawlのレート制限エラーが発生した場合：

  • 研究ステップ間に遅延を追加する
  • より高速なレート制限を持つAPIキーを使用する
  • リクエストをバッチ処理する

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。詳細については、LICENSEファイルを参照してください。

🤝 コントリビューションガイド

コントリビューションを歓迎します！プロジェクトに貢献する方法については、CONTRIBUTING.mdを参照してください。