项目简介

Deep Research Agent是一个先进的AI研究助手，旨在自动化和增强从网络收集、分析和综合信息的过程。它利用多智能体协作、外部API集成以及用户友好的Web界面，提供深入、可操作的洞察，帮助用户高效完成各类研究任务。

主要功能点

多智能体协作: 系统核心基于CrewAI框架，能够创建和管理多个专业化的AI智能体。每个智能体被赋予特定角色（如网页搜索者、研究分析师、技术作者），通过协同工作将复杂的研究任务分解为可管理的步骤并逐步完成。
深度网络搜索: 集成LinkUp API，使智能体能够执行标准和深度网络搜索。这使得系统能够访问广泛的信息源，包括那些通过传统搜索引擎不易找到的内容，确保研究的全面性。
交互式Web界面: 提供一个使用Streamlit构建的现代化、直观的Web用户界面。用户可以通过该界面提交研究查询、配置API密钥，并以对话、聊天式的格式查看研究结果。
MCP服务器功能: 项目将核心研究功能作为MCP（Model Context Protocol）工具暴露出来。这意味着其他支持Model Context Protocol的系统或自动化工具可以编程方式调用该研究智能体，方便将其集成到更大的自动化工作流中。
过程透明化: 系统设计不仅提供最终答案，还会展示生成答案所使用的研究过程和信息来源。这种透明度有助于建立信任，并允许用户验证所提供信息的准确性。

安装步骤

准备Python环境: 确保您的系统已安装Python 3.11或更高版本。
安装依赖: 在项目根目录（'Deep_Research_Agent'）中打开终端，运行以下命令安装所有必要的项目依赖：
```
uv sync
```
（可选）运行Web应用: 如果您希望使用项目的Streamlit Web界面，可以运行：
```
streamlit run app.py
```

服务器配置

此项目实现了一个MCP服务器，可以通过JSON格式的配置连接到支持MCP协议的客户端。以下是配置示例：

{
  "mcpServers": {
    "crew_research": {
      "command": "uv",
      "args": [
        "--directory",
        "./Multi-Agent-deep-researcher-mcp", // 请根据您的项目实际根目录调整此路径
        "run",
        "server.py"
      ],
      "env": {
        "LINKUP_API_KEY": "your_linkup_api_key_here" // 替换为您的LinkUp API密钥
      }
    }
  }
}

'crew_research': 这是MCP服务器的唯一名称，用于MCP客户端识别和连接。
'command': 指定启动MCP服务器的可执行命令，此处为'uv'，一个用于Python项目管理的工具。
'args': 传递给'command'的参数列表。
- '--directory ./Multi-Agent-deep-researcher-mcp': 指定项目的工作目录，请确保将其替换为Deep Research Agent项目在您文件系统中的实际根目录路径。
- 'run server.py': 指示'uv'工具运行项目中的'server.py'文件，该文件包含MCP服务器的实现。
'env': 环境变量配置，其中'LINKUP_API_KEY'是使用LinkUp API进行深度网络搜索所必需的密钥。请访问Linkup官网获取您的API密钥并替换'"your_linkup_api_key_here"'。

基本使用方法

当您的MCP客户端成功连接到此MCP服务器后，您可以通过调用名为 'crew_research' 的MCP工具来发起研究请求。该工具的定义如下：

工具名称: 'crew_research'
输入参数: 'query' (字符串类型)，表示您的研究问题或主题。
输出: 字符串类型，包含由AI智能体团队生成的研究报告或答案。

MCP客户端可以通过标准的JSON-RPC请求来调用此工具，例如： '{"jsonrpc": "2.0", "id": 1, "method": "tool:crew_research", "params": {"query": "Explain the latest advancements in quantum computing."}}' 服务器将执行多智能体研究流程，并将最终的研究结果作为JSON-RPC响应返回给客户端。

关键词

项目简介

主要功能点

安装步骤

服务器配置

基本使用方法

信息