Deep Research MCP Server

🚀 開源深度研究 MCP 服務器

這是一個基於人工智能的研究助理，它能夠針對任何主題開展深入且迭代的研究。該助理結合了搜索引擎、網絡抓取和人工智能技術，對主題進行探索並生成全面的報告。它既可以作為 Model Context Protocol (MCP) 工具使用，也能以獨立 CLI 的形式運行。

🚀 快速開始

安裝步驟

1. 克隆並安裝項目：

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

2. 設置環境變量：在 .env.local 中進行設置。

# 複製示例環境文件
cp .env.example .env.local

3. 構建服務器：

# 構建服務器
npm run build

運行方式

1. 運行 CLI 版本：

npm run start "你的研究查詢"

2. 使用 Claude Desktop 測試 MCP 服務器：
   按照以下指南將服務器添加到 Claude Desktop（MCP 版本目前不詢問後續問題）：
   https://modelcontextprotocol.io/quickstart/server

✨ 主要特性

• 能夠通過生成目標搜索查詢，執行深入且迭代的研究。
• 可以使用深度（多深）和廣度（多寬）參數，靈活控制研究範圍。
• 藉助詳細評分（0 - 1 分）和推理，對源的可靠性進行評估。
• 優先考慮高可靠性的來源（≥0.7），並對不太可靠的信息進行驗證。
• 生成後續問題，以便更好地理解研究需求。
• 生成詳細的 Markdown 報告，其中包含發現、來源和可靠性評估。
• 可作為 Model Context Protocol (MCP) 工具，供 AI 代理使用。
• 目前 MCP 版本不詢問後續問題。

🔧 技術細節

工作原理

flowchart TB
    subgraph 輸入
        Q[用戶查詢]
        B[廣度參數]
        D[深度參數]
        FQ[反饋問題]
    end

    subgraph 深度研究[深入研究]
        direction TB
        SQ[生成 SERP 查詢]
        SR[搜索]
        RE[來源可靠性評估]
        PR[處理結果]
    end

    subgraph 結果[研究輸出]
        direction TB
        L((學習內容與
        可靠性評分))
        SM((源元數據))
        ND((下一步方向：
        前置目標，
        新問題))
    end

    %% 主流程
    Q & FQ --> CQ[組合查詢]
    CQ & B & D --> SQ
    SQ --> SR
    SR --> RE
    RE --> PR

    %% 結果流程
    PR --> L
    PR --> SM
    PR --> ND

    %% 深度決策和遞歸
    L & ND --> DP{深度 > 0？}
    DP -->|是| SQ
    
    %% 最終輸出
    DP -->|否| MR[Markdown 報告]

    %% 格式設置
    classDef 輸入 fill:#7bed9f,stroke:#2ed573,color:black
    classDef 過程 fill:#70a1ff,stroke:#1e90ff,color:black
    classDef 輸出 fill:#ff4757,stroke:#ff6b81,color:black
    classDef 結果 fill:#a8e6cf,stroke:#3b7a57,color:black,width:150px,height:150px

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

高級配置

本地運行 Fire

# 安裝依賴
pip install fire
# 啟動服務
fire.Fire(DeepResearch.start)

可觀測性跟蹤（可選）

在 .env.local 中添加：

# 設置觀測性密鑰
export LANGUAGESPIPELINE_API_KEY=your_api_key_here