🚀 🤖 MCP多智能體深度研究系統

這是一個強大的多智能體研究系統，基於模型上下文協議（MCP）構建。它使用CrewAI進行智能體編排，LinkUp進行深度網絡搜索，並藉助phi3模型（通過Ollama）進行本地人工智能處理。該系統既提供API訪問，又有美觀的Web界面，方便用戶開展研究工作。

🚀 快速開始

只需3個簡單步驟即可開始使用：

# 1. 克隆倉庫
git clone https://github.com/anubhav-77-dev/MCP-Multi-Agent-Deep-Researcher.git
cd MCP-Multi-Agent-Deep-Researcher

# 2. 運行設置腳本
python3 setup.py

# 3. 啟動系統！
python3 launcher.py

就是這麼簡單！系統將自動在瀏覽器中打開 http://localhost:3000/frontend.html

✨ 主要特性

• 🧠 多智能體系統：三個專業的人工智能智能體協同工作
  • 網絡搜索器：使用LinkUp API進行深度網絡搜索
  • 研究分析師：進行信息綜合與驗證
  • 技術撰寫員：創建清晰、結構化的內容
• 🌐 美觀的Web界面：現代、響應式的前端，便於交互
• 🔌 API訪問：基於FastAPI的RESTful API，並提供自動文檔
• 🏠 本地人工智能處理：使用Ollama和phi3模型，無需外部人工智能API
• 📡 MCP協議：完全符合模型上下文協議，便於集成
• 🚀 一鍵啟動：通過單個命令啟動所有組件

📦 安裝指南

選項1：自動設置（推薦）

# 克隆倉庫
git clone https://github.com/anubhav-77-dev/MCP-Multi-Agent-Deep-Researcher.git
cd MCP-Multi-Agent-Deep-Researcher

# 運行自動設置腳本（檢查依賴項、安裝包、配置環境）
python3 setup.py

# 啟動應用程序（同時啟動前端和後端）
python3 launcher.py

選項2：手動設置

# 安裝Poetry（如果尚未安裝）
curl -sSL https://install.python-poetry.org | python3 -

# 安裝項目依賴項
poetry install

# 安裝Ollama（訪問https://ollama.ai/ 獲取特定操作系統的安裝說明）
# 在macOS上：
brew install ollama

# 啟動Ollama服務
ollama serve

# 拉取phi3模型（在新終端中）
ollama pull phi3:latest

# 驗證安裝
ollama list

# 複製環境模板
cp .env.example .env

# 編輯.env文件並添加你的LinkUp API密鑰
nano .env

LINKUP_API_KEY=your_linkup_api_key_here
OLLAMA_BASE_URL=http://localhost:11434
MODEL_NAME=phi3:latest

# 選項A：使用啟動器（推薦）
python3 launcher.py

# 選項B：手動啟動服務
# 終端1 - 後端API
poetry run python Multi-Agent-deep-researcher-mcp-windows-linux/http_server.py

# 終端2 - 前端
python3 -m http.server 3000

# 終端3 - MCP服務器（可選，用於MCP客戶端集成）
poetry run python Multi-Agent-deep-researcher-mcp-windows-linux/server.py

🔑 獲取你的LinkUp API密鑰

1. 訪問 LinkUp.so
2. 註冊一個免費賬戶
3. 從儀表盤獲取你的API密鑰
4. 將其添加到你的 .env 文件中

💻 使用示例

Web界面（最簡單）

1. 啟動應用程序：python3 launcher.py
2. 打開瀏覽器 訪問 http://localhost:3000/frontend.html（自動打開）
3. 輸入你的研究查詢 或嘗試示例查詢
4. 選擇你的模式：
   • 🔍 快速搜索：使用LinkUp API進行快速網絡搜索
   • 🧠 全面研究：完整的多智能體分析工作流程
5. 查看結果，結果以格式化輸出，支持複製/下載選項

API訪問

快速搜索

curl -X POST http://localhost:8080/search \
  -H "Content-Type: application/json" \
  -d '{"query": "latest AI trends 2024"}'

全面研究

curl -X POST http://localhost:8080/research \
  -H "Content-Type: application/json" \
  -d '{"query": "comprehensive analysis of quantum computing applications"}'

健康檢查

curl http://localhost:8080/health

MCP客戶端集成

要與兼容MCP的客戶端集成，請添加以下配置：

{
  "mcpServers": {
    "crew_research": {
      "command": "poetry",
      "args": ["run", "python", "Multi-Agent-deep-researcher-mcp-windows-linux/server.py"],
      "env": {
        "LINKUP_API_KEY": "your_linkup_api_key_here"
      }
    }
  }
}

可用端點

📚 詳細文檔

項目結構

MCP-Multi-Agent-Deep-Researcher/
├── 🚀 launcher.py                    # 一鍵啟動器
├── 🌐 frontend.html                  # Web界面  
├── ⚙️ setup.py                       # 自動設置腳本
├── 📋 start.sh                       # Shell啟動腳本
├── 📖 QUICKSTART.md                  # 快速開始指南
├── 🔧 Makefile                       # 開發命令
├── 📦 pyproject.toml                 # Poetry依賴項
├── 🔐 .env.example                   # 環境模板
├── ⚙️ mcp.config.json                # MCP客戶端配置
└── Multi-Agent-deep-researcher-mcp-windows-linux/
    ├── 🖥️ server.py                  # MCP協議服務器
    ├── 🌐 http_server.py             # FastAPI REST服務器  
    ├── 🧪 test_research.py           # 測試工具
    └── agents/                       # 多智能體系統
        ├── 🤖 research_crew.py       # CrewAI編排
        └── tools/                    # 智能體工具
            ├── 🔍 linkup_search.py   # 網絡搜索集成
            └── 🧠 ollama_tool.py     # 本地人工智能集成

示例查詢

快速搜索示例

• "What are the latest AI trends in 2024?"
• "Current developments in renewable energy"
• "Recent breakthroughs in quantum computing"

全面研究示例

• "Comprehensive analysis of the environmental impact of cryptocurrency mining"
• "How does quantum computing work and what are its real-world applications?"
• "The future of autonomous vehicles: technology, challenges, and timeline"
• "Impact of artificial intelligence on healthcare: opportunities and risks"

智能體工作流程

該系統使用CrewAI編排三個專業智能體：

1. 網絡搜索器智能體

• 角色：網絡研究專家
• 目標：使用LinkUp API查找全面且相關的信息
• 工具：LinkUp搜索工具
• 輸出：詳細的網絡搜索結果摘要及來源

2. 研究分析師智能體

• 角色：研究分析師
• 目標：分析和綜合信息，提供全面的見解
• 輸入：網絡搜索結果
• 輸出：結構化分析，包含關鍵見解和經過驗證的信息

3. 技術撰寫員智能體

• 角色：技術撰寫員
• 目標：創建清晰、全面且結構良好的書面內容
• 輸入：研究分析
• 輸出：全面、格式良好的Markdown文檔

配置

環境變量

• LINKUP_API_KEY：用於網絡搜索功能的LinkUp API密鑰
• OLLAMA_BASE_URL：Ollama API的基本URL（默認：http://localhost:11434）
• MODEL_NAME：要使用的Ollama模型（默認：phi3）

自定義智能體

你可以通過修改 agents/research_crew.py 來自定義智能體：

• 調整智能體的角色、目標和背景故事
• 修改任務描述和預期輸出
• 為特定智能體添加或移除工具
• 更改流程（順序、層次結構等）

🔧 技術細節

架構

該系統實現了一個三智能體工作流程：

1. 網絡搜索器：使用LinkUp API從多個來源查找相關信息
2. 研究分析師：綜合和驗證信息，注重深度和清晰度
3. 技術撰寫員：生成清晰、全面的Markdown答案

graph TD
    A[Web Interface] --> B[FastAPI Backend]
    B --> C[MCP Server]
    C --> D[CrewAI Orchestrator]
    D --> E[Web Searcher Agent]
    D --> F[Research Analyst Agent] 
    D --> G[Technical Writer Agent]
    E --> H[LinkUp API]
    F --> I[Ollama + phi3]
    G --> I
    H --> J[Web Search Results]
    I --> K[AI Analysis & Writing]
    J --> F
    K --> L[Final Research Output]

性能與擴展

• 快速搜索：約2 - 5秒（取決於LinkUp API）
• 全面研究：約30 - 60秒（取決於查詢複雜度）
• 併發用戶：支持多個同時請求
• 內存使用：約500MB - 1GB（取決於Ollama模型）
• 磁盤空間：約3GB（包括phi3模型）

安全與隱私

• ✅ 本地人工智能處理：不將數據發送到外部人工智能服務
• ✅ API密鑰安全：LinkUp API密鑰僅本地存儲
• ✅ 無數據持久化：默認情況下不存儲研究查詢
• ✅ CORS保護：可配置來源限制
• ⚠️ 網絡搜索：查詢會發送到LinkUp API（請參閱其隱私政策）

🐛 故障排除

常見問題及解決方案

</details>

<details>
<summary><strong>🔗 Ollama連接失敗</strong></summary>
```bash
# 檢查Ollama是否正在運行
ollama serve

# 驗證模型是否可用
ollama list

# 如果缺少模型，拉取模型
ollama pull phi3:latest

# 檢查Ollama是否可訪問
curl http://localhost:11434/api/tags

</details>

<details>
<summary><strong>🌐 CORS/前端問題</strong></summary>
- 確保兩個服務器都在運行
- 檢查瀏覽器控制檯中的錯誤信息
- 嘗試直接訪問後端：`http://localhost:8080/health`
- 清除瀏覽器緩存並重新加載
</details>

### 獲取幫助
1. **檢查日誌**：啟動器會顯示兩個服務器的詳細日誌
2. **運行診斷**：`python3 setup.py` 驗證設置
3. **測試組件**：`python3 simple_test.py` 進行單個測試
4. **啟用調試模式**：在服務器文件中設置 `logging.basicConfig(level=logging.DEBUG)`

## 🛠️ 開發
### 快速命令
```bash
# 啟動所有組件
make start          # 或 make launch, make demo

# 開發設置
make dev-setup      # 安裝依賴項 + 設置 + 驗證

# 運行測試
make test           # 基本功能測試
make quick-test     # 快速搜索測試  

# 維護
make clean          # 清理緩存文件
make verify         # 驗證安裝

custom_agent = Agent(
    role='Custom Specialist',
    goal='Your specific goal',
    backstory='Agent background',
    tools=[your_tools]
)

custom_task = Task(
    description="Task description",
    agent=custom_agent,
    expected_output="Expected result format"
)

class CustomTool(BaseTool):
    name = "Custom Tool"
    description = "Tool description"
    
    def _run(self, query: str) -> str:
        # 工具實現
        return result

# 分叉並克隆倉庫
git clone https://github.com/anubhav-77-dev/MCP-Multi-Agent-Deep-Researcher.git
cd MCP-Multi-Agent-Deep-Researcher

# 安裝開發依賴項
poetry install --with dev

# 運行預提交設置
pre-commit install