使用说明

项目简介

Deep Research Server 是一个基于 Model Context Protocol (MCP) 构建的后端服务，旨在为大型语言模型 (LLM) 客户端提供强大的研究辅助功能。它通过标准化的 MCP 接口，将网络搜索、文档分析、图像分析等工具以服务形式提供，帮助 LLM 更好地理解和处理复杂的研究任务。

主要功能点

网页搜索与信息收集：集成网络搜索引擎，能够根据用户查询进行信息检索。
PDF 和文档分析：支持分析 PDF 文档和各类文本文件，提取文本内容。
图像分析与描述：能够分析图片内容，并生成图像描述。
YouTube 视频转录：支持获取 YouTube 视频的文字 transcripts。
互联网档案馆搜索：可以访问互联网档案馆 (Internet Archive) 检索历史网页信息。

安装步骤

克隆仓库

git clone https://github.com/Hajime-Y/deep-research-mcp.git
cd deep-research-mcp

创建虚拟环境并安装依赖

uv venv
source .venv/bin/activate   # Linux 或 Mac
# .venv\Scripts\activate   # Windows
uv sync

配置环境变量 在项目根目录下创建 '.env' 文件，并填入以下 API 密钥：
```
OPENAI_API_KEY=你的OpenAI API密钥
HF_TOKEN=你的HuggingFace Token
SERPER_API_KEY=你的SerpAPI密钥
```
- 'OPENAI_API_KEY': 用于访问 OpenAI 模型的 API 密钥。
- 'HF_TOKEN': HuggingFace Hub 的访问令牌，用于使用 HuggingFace 模型。
- 'SERPER_API_KEY': Serper.dev 搜索引擎 API 密钥，用于网页搜索功能。你需要在 Serper.dev 注册并获取。

服务器配置

以下 JSON 配置信息可以帮助 MCP 客户端连接到 Deep Research Server。客户端需要配置服务器名称 (server name)、启动命令 (command) 及其参数 (args)。

{
  "server_name": "deep-research",
  "command": "uv",
  "args": [
    "run",
    "deep_research.py"
  ],
  "description": "Deep Research MCP Server 提供网页搜索、文档和图像分析能力。"
}

'server_name': 服务器名称，客户端用于标识和调用。
'command': 启动服务器的命令，这里使用 'uv run' 运行 Python 脚本。
'args': 命令参数，指定要运行的 Python 脚本 'deep_research.py'。
'description': 服务器的简要描述，方便客户端用户了解服务器功能。

注意：确保在运行 MCP 客户端之前，Deep Research Server 已经成功启动并运行。

基本使用方法

启动服务器 在终端中，进入项目根目录，运行以下命令启动 Deep Research Server：
```
uv run deep_research.py
```
服务器成功启动后，将通过标准输入/输出 (stdio) 监听 MCP 客户端的请求。

客户端请求 MCP 客户端可以使用 JSON-RPC 协议向 Deep Research Server 发送请求，例如调用 'deep_research' 工具进行深度研究。具体的请求格式和工具调用方式请参考 MCP 协议文档和客户端软件的使用说明。

Deep Research Server 提供了一个名为 'deep_research' 的工具，客户端可以调用此工具并传入自然语言问题 (question) 以进行深入的网络搜索和信息挖掘。

例如，客户端可以发送如下 JSON-RPC 请求调用 'deep_research' 工具：

{
  "jsonrpc": "2.0",
  "method": "call_tool",
  "params": {
    "tool_name": "deep_research",
    "tool_input": {
      "question": "请查找2023年关于人工智能在医疗领域应用的最新研究进展。"
    }
  },
  "id": "1"
}

服务器将执行深度研究，并通过 JSON-RPC 响应返回结果。

关键词