项目简介

Research MCP Server是一个基于Model Context Protocol (MCP) 构建的研究服务器，通过3-5个LLM进行策略投票，动态协调网络搜索、学术论文、库文档和AI推理，提供内置事实检查的全面验证洞察。

主要功能

• 共识规划: 2-5个LLM对研究策略进行投票
• 多源搜索: 整合Perplexity（网络搜索）、arXiv（学术论文）、Context7（库文档）和深度推理
• 并行处理: 主查询和子问题同时执行
• 分阶段合成: 主合成→关键发现提取→子问题合成（节省约40%令牌）
• 代码验证: 基于Context7文档的后合成验证
• 多模型验证: 关键挑战+共识验证
• 内联引用: 每个声明都有来源标记

安装步骤

前置要求

• Node.js 18+
• 以下API密钥：
  • Perplexity API
  • Google AI (Gemini)
  • OpenAI API
  • Context7（库文档）

服务器配置

在MCP客户端配置文件中添加以下配置：

{
  "mcpServers": {
    "research": {
      "command": "node",
      "args": ["/path/to/deep-research-mcp/dist/index.js"],
      "env": {
        "PERPLEXITY_API_KEY": "your-key",
        "GEMINI_API_KEY": "your-key",
        "OPENAI_API_KEY": "your-key",
      }
    }
  }
}

参数说明：

• 'command': 启动服务器的命令（node）
• 'args': 服务器文件的路径（必须是绝对路径）
• 'env': 设置必要的API环境变量

基本使用方法

1. 启动研究任务：

   使用 start_research 工具：
   {
    "query": "研究问题",
    "depth_level": 2
   

2. 检查研究状态：

   使用 check_research_status 工具：
   {
    "job_id": "返回的任务ID"
   }
   

3. 阅读研究报告：

   使用 read_report 工具：
   {
    "citation": "[R-135216:5-19]"
   }
   

可用工具：

• 'start_research': 异步研究编排器
• 'check_research_status': 轮询异步任务状态
• 'read_report': 阅读研究报告的特定部分
• 'read_paper': 阅读arXiv论文全文
• 'download_paper': 下载arXiv论文PDF