Deep Research MCP Server

🚀 オープンソース深度研究MCPサーバー

これは人工知能をベースとした研究アシスタントで、あらゆるトピックに対して深く反復的な研究を行うことができます。検索エンジン、ウェブスクレイピング、AIを組み合わせてトピックを探索し、包括的なレポートを生成します。Model Context Protocol (MCP) ツールとして、または独立したCLIとして提供されます。

🚀 クイックスタート

1. クローンしてインストールします：

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

2. .env.local で環境変数を設定します：

# サンプル環境ファイルをコピー
cp .env.example .env.local

3. ビルドします：

# サーバーをビルド
npm run build

4. CLIバージョンを実行します：

npm run start "あなたの研究クエリ"

5. Claude Desktopを使用してMCPサーバーをテストします：
   以下のガイドに従って、サーバーをClaude Desktopに追加します（MCPバージョンは現在、後続の質問を行いません）：
   https://modelcontextprotocol.io/quickstart/server

✨ 主な機能

• ターゲット検索クエリを生成することで、深く反復的な研究を実行します。
• 深度（どれだけ深く）と広度（どれだけ広く）のパラメータを使用して、研究範囲を制御します。
• 詳細な評点（0 - 1点）と推論により、情報源の信頼性を評価します。
• 高い信頼性（≥0.7）の情報源を優先し、信頼性の低い情報を検証します。
• 研究ニーズをよりよく理解するために、後続の質問を生成します。
• 発見、情報源、信頼性評価を含む詳細なMarkdownレポートを生成します。
• AIエージェント用のModel Context Protocol (MCP) ツールとして使用できます。
• 現在、MCPバージョンは後続の質問を行いません。

🔧 技術詳細

flowchart TB
    subgraph 入力
        Q[ユーザークエリ]
        B[広度パラメータ]
        D[深度パラメータ]
        FQ[フィードバック質問]
    end

    subgraph 深度研究[深入研究]
        direction TB
        SQ[生成SERPクエリ]
        SR[検索]
        RE[情報源信頼性評価]
        PR[結果処理]
    end

    subgraph 結果[研究出力]
        direction TB
        L((学習内容と
        信頼性評点))
        SM((情報源メタデータ))
        ND((次の方向：
        前置目標,
        新しい質問))
    end

    %% メインフロー
    Q & FQ --> CQ[組み合わせクエリ]
    CQ & B & D --> SQ
    SQ --> SR
    SR --> RE
    RE --> PR

    %% 結果フロー
    PR --> L
    PR --> SM
    PR --> ND

    %% 深度決定と再帰
    L & ND --> DP{深度 > 0？}
    DP -->|はい| SQ
    
    %% 最終出力
    DP -->|いいえ| MR[Markdownレポート]

    %% フォーマット設定
    classDef 入力 fill:#7bed9f,stroke:#2ed573,color:black
    classDef 過程 fill:#70a1ff,stroke:#1e90ff,color:black
    classDef 出力 fill:#ff4757,stroke:#ff6b81,color:black
    classDef 結果 fill:#a8e6cf,stroke:#3b7a57,color:black,width:150px,height:150px

    class Q,B,D,FQ 入力
    class SQ,SR,RE,PR 過程
    class MR 出力
    class L,SM,ND 結果

💻 使用例

基本的な使用法

ローカルでFireを実行する

# 依存関係をインストール
pip install fire
# サービスを起動
fire.Fire(DeepResearch.start)

高度な使用法

オブザーバビリティトラッキング（オプション）

.env.local に以下を追加します：

# オブザーバビリティキーを設定
export LANGUAGESPIPELINE_API_KEY=your_api_key_here