使用说明

项目简介

Ollama Deep Researcher MCP服务器是一个实现了 Model Context Protocol (MCP) 的应用后端，旨在为支持 MCP 协议的 AI 客户端（如 Claude、Cline）提供深度研究能力。它将 LangChain Ollama Deep Researcher 的深度研究功能适配为 MCP 工具，允许 AI 助手通过本地 Ollama 模型进行深入的主题研究。研究结果以 MCP 资源的形式存储，方便后续访问和使用。

主要功能点

深度研究工具: 提供 'research' 工具，允许 AI 客户端指定研究主题，服务器将自动进行多轮网络搜索和 LLM 总结，生成详细的研究报告。
可配置的研究参数: 提供 'configure' 工具，允许用户配置研究过程的最大循环次数、使用的 Ollama 模型和搜索 API (Perplexity 或 Tavily)。
研究状态查询: 提供 'get_status' 工具，允许用户查询当前正在进行的研究的状态。
研究结果持久化: 研究结果自动存储为 MCP 资源，可以通过 'research://{topic}' URI 访问，方便在对话中引用和重用。
支持多种安装方式: 提供标准安装和 Docker 安装两种方式，方便不同用户环境部署。
集成 LangSmith 跟踪: 集成了 LangSmith，可以对研究过程进行全面的跟踪和监控，方便调试和优化。

安装步骤

前提条件

Node.js: 用于运行 MCP 服务器
Python 3.10+: 用于运行研究脚本
Ollama: 本地 LLM 服务
API Keys:
- Tavily API Key (可选，用于 Tavily 搜索)
- Perplexity API Key (可选，用于 Perplexity 搜索，默认)
- LangSmith API Key (可选，用于 LangSmith 跟踪)

安装步骤

Option 1: 标准安装

安装 Ollama: 访问 Ollama 官网下载并安装适合您平台的 Ollama。

克隆仓库并安装 Node.js 依赖:

git clone https://github.com/Cam10001110101/mcp-server-ollama-deep-researcher
cd mcp-server-ollama-deep-researcher
npm install

安装 Python 依赖:

# 推荐使用 uv (更快)
pip install uv
uv pip install .
# 或者使用 pip
# pip install .

构建 TypeScript 代码:
```
npm run build
```

拉取 Ollama 模型:

ollama pull deepseek-r1:8b # 或其他您偏好的模型

Option 2: Docker 安装

安装 Docker: 访问 Docker 官网下载并安装 Docker Desktop。

克隆仓库:

git clone https://github.com/Cam10001110101/mcp-server-ollama-deep-researcher
cd mcp-server-ollama-deep-researcher

创建并编辑 '.env' 文件:

cp .env.example .env
# 编辑 .env 文件，填入您的 API keys (如果需要)

使 Docker 脚本可执行:

chmod +x run-docker.sh # macOS/Linux
# Windows 无需此步骤

构建并启动 Docker 容器:

./run-docker.sh start # macOS/Linux
run-docker.bat start # Windows

确保 Ollama 在主机上运行:

ollama pull deepseek-r1:8b  # 或您偏好的模型
ollama serve

服务器配置 (MCP 客户端配置)

您需要在支持 MCP 协议的客户端中配置此服务器。以下是两种安装方式对应的配置示例。

Option 1: 标准安装配置

{
  "mcpServers": {
    "ollama-deep-researcher": {
      "command": "node",
      "args": ["/path/to/mcp-server-ollama-deep-researcher/build/index.js"],  //  请替换为您的项目 build/index.js 文件的绝对路径
      "env": {
        "LANGSMITH_TRACING": "true", // 是否启用 LangSmith 跟踪，可选 "true" 或 "false"
        "LANGSMITH_ENDPOINT": "https://api.smith.langchain.com", // LangSmith Endpoint, 默认 "https://api.smith.langchain.com"
        "LANGSMITH_API_KEY": "your-langsmith-key", // 您的 LangSmith API Key，如果启用 LangSmith 跟踪则需要
        "LANGSMITH_PROJECT": "ollama-deep-researcher-mcp-server", // LangSmith 项目名称，可自定义
        "TAVILY_API_KEY": "tvly-your-tavily-key",  // 您的 Tavily API Key，如果使用 Tavily 搜索 API 则需要，注意添加 "tvly-" 前缀
        "PERPLEXITY_API_KEY": "your-perplexity-key", // 您的 Perplexity API Key，如果使用 Perplexity 搜索 API 则需要
        "PYTHONPATH": "/path/to/mcp-server-ollama-deep-researcher/src" // 请替换为您的项目 src 目录的绝对路径
      }
    }
  }
}

注意: 请将 'args' 中的路径和 'env' 中的 'PYTHONPATH' 替换为您的 'mcp-server-ollama-deep-researcher' 项目的实际绝对路径。

Option 2: Docker 安装配置

{
  "mcpServers": {
    "ollama-deep-researcher": {
      "command": "docker",
      "args": ["exec", "-i", "ollama-deep-researcher-mcp", "node", "build/index.js"],
      "env": {}
    }
  }
}

注意: 此配置假定您已使用 'run-docker.sh start' 或 'run-docker.bat start' 启动了名为 'ollama-deep-researcher-mcp' 的 Docker 容器。

基本使用方法

启动 MCP 服务器: 根据您选择的安装方式启动服务器。标准安装直接运行配置中的 'command' 和 'args'，Docker 安装确保 Docker 容器正在运行。
在 MCP 客户端中使用:
- 配置服务器: 将上述 “服务器配置” 中的 JSON 代码添加到您的 MCP 客户端配置文件中 (例如 Claude Desktop App 或 Cline VS Code Extension 的配置文件)。
- 使用 'research' 工具: 在客户端中，可以使用类似 '"research <topic>"' 的提示词来触发研究工具，例如 '"research AI-First Applications"'。
- 配置研究参数: 可以使用 'configure' 工具来修改研究参数，例如 '"configure with perplexity and deepseek-r1:8b then research AI-First Applications"'。
- 查询研究状态: 可以使用 'get_status' 工具查询当前研究状态。
- 访问研究结果: 研究完成后，结果将作为 MCP 资源存储，您可以在客户端的资源面板中找到并访问，URI 格式为 'research://{topic}'。

示例 Prompt

'research AI-First Applications' (使用默认配置进行研究)
'configure with perplexity and deepseek-r1:8b then research AI-First Applications' (配置搜索 API 和模型后进行研究)

关键词