Openrouter Deep Research

🚀 OpenRouter 研究代理服務器指南

OpenRouter 研究代理服務器支持多種模型和接口配置，具備強大的數據存儲和緩存功能，能為用戶提供高效、穩定的服務。

🚀 快速開始

標準安裝（適用於命令行界面）

1. 克隆倉庫：

git clone https://github.com/wheattoast11/openrouter-deep-research-mcp.git
cd openrouter-agents

2. 創建並配置 .env 文件，指定高成本和低成本模型：

HIGH_COST_MODELS=perplexity/sonar-deep-research,perplexity/sonar-pro
LOW_COST_MODELS=perplexity/sonar-reasoning,openai/gpt-4o-mini-search-preview

3. 啟動服務器：

npm start

HTTP/SSE 安裝（適用於桌面應用程序）

1. 克隆倉庫並配置 .env 文件。
2. 使用以下命令啟動服務：

npm start

服務將在 http://localhost:3002 啟動。

✨ 主要特性

• 支持多種模型和接口配置。
• 具備強大的數據存儲和緩存功能。
• 可通過修改 .env 文件和 config.js 進行高度定製。
• 採用內存緩存和 pgvector 技術實現高效存儲。
• 附帶多個測試腳本，方便進行功能測試。

📦 安裝指南

上述快速開始部分已詳細介紹了標準安裝和 HTTP/SSE 安裝的步驟。

📚 詳細文檔

可用模型

高成本模型

• perplexity/sonar-deep-research
• perplexity/sonar-pro
• openai/gpt-4o-search-preview

低成本模型

• perplexity/sonar-reasoning
• openai/gpt-4o-mini-search-preview
• google/gemini-2.0-flash-001

自定義配置

通過修改 .env 文件可實現高度定製：

HIGH_COST_MODELS=自定義模型1,自定義模型2
LOW_COST_MODELS=低成本模型1,低成本模型2
PGLITE_DATA_DIR=./研究數據庫目錄
CACHE_TTL_SECONDS=3600

持久化與數據存儲

採用內存緩存和 pgvector 技術實現高效存儲：

• 內存緩存：用於快速響應 caching。
• pgvector：提供持久化存儲，支持語義相似性搜索。 默認數據庫目錄為 ./researchAgentDB。

故障排除

常見問題及解決方案：

1. 連接問題：檢查 Claude 設置是否與服務器配置一致。
2. API 錯誤：確認 OpenRouter API 密鑰正確無誤。
3. 代理失敗：確保 claude 正確解析 XML 文件。
4. 模型錯誤：驗證所用模型是否在您的 OpenRouter 賬戶中可用。

高級配置

通過 config.js 進行更深度的定製：

• 調整可用模型列表
• 設置默認成本偏好
• 修改規劃代理參數
• 配置服務器端口及其他網絡設置
• 調整數據庫和緩存參數

安全性增強

為生產環境啟用 API 密鑰認證：

1. 在 .env 中設定 SERVER_API_KEY。
2. 開發環境下可選擇禁用此功能。

測試工具

項目附帶多個測試腳本：

1. 基本工具測試：運行 test-all-tools.bat 驗證所有 MCP 工具。
2. 服務器測試：使用 test-mcp-server.js 檢查服務器配置。
3. 研究代理測試：通過 test-research-agent.js 測試核心功能。

📄 許可證

本項目遵循 MIT 許可證，具體條款參見 LICENSE 文件。