关键词

深度研究信息检索报告生成AI助手知识发现

使用说明

项目简介

Open Deep Research MCP Server 是一个基于 Model Context Protocol (MCP) 构建的 AI 驱动深度研究工具。它能够根据用户给定的研究主题，通过搜索引擎、网页抓取和 AI 技术进行深入、迭代的研究，并生成全面的 Markdown 报告。该项目既可以作为独立的命令行工具使用，也可以作为 MCP 服务器集成到支持 MCP 协议的客户端，例如 Claude Desktop。

主要功能点

  • 深度迭代研究：通过生成有针对性的搜索查询进行深入研究，挖掘更深层次的信息。
  • 可控研究范围：允许用户通过调整深度 (depth) 和 广度 (breadth) 参数，灵活控制研究的范围和详细程度。
  • 来源可靠性评估：对搜索结果的来源进行可靠性评估，并给出详细的评分和推理，帮助用户判断信息的可信度。
  • 高可靠性来源优先：在研究过程中，优先考虑和利用高可靠性来源的信息，并对不太可靠的信息进行交叉验证。
  • 生成后续问题：根据研究进展和信息缺口，自动生成后续研究问题，引导更深入的探索。
  • 详细 Markdown 报告：最终生成包含研究发现、来源列表和可靠性评估的详细 Markdown 格式报告。
  • MCP 工具集成：可以作为 MCP 工具集成到支持 MCP 协议的 AI 客户端，方便用户在 AI 工作流程中调用深度研究功能。

安装步骤

  1. 克隆仓库： 
    git clone https://github.com/Ozamatash/deep-research-mcp
  2. 进入目录： 
    cd deep-research-mcp
  3. 安装依赖： 
    npm install
  4. 复制环境变量文件： 
    cp .env.example .env.local
  5. 配置环境变量：编辑 '.env.local' 文件，根据 '.env.example' 中的说明，配置以下必要的环境变量：
    • 'OPENAI_API_KEY': 你的 OpenAI API 密钥。
    • 'FIRECRAWL_KEY' 或 'FIRECRAWL_BASE_URL': 用于网页搜索的 Firecrawl API 密钥，或者如果你选择使用本地 Firecrawl 实例，则配置 'FIRECRAWL_BASE_URL' 为本地 Firecrawl 服务器的地址。具体配置方法请参考仓库 README 文件中的 "Advanced Setup" 部分。
  6. 构建项目： 
    npm run build

服务器配置

要将此 MCP 服务器连接到 MCP 客户端，例如 Claude Desktop，你需要提供以下配置信息给客户端。客户端会使用这些信息启动并连接到服务器。

{
  "serverName": "deep-research",  // MCP 服务器的名称，可以自定义
  "command": "npm",             // 启动服务器的命令，这里使用 npm
  "args": ["run", "start-server"] // 命令参数，执行 package.json 中定义的 start-server 脚本
}

基本使用方法

  1. 启动 MCP 服务器： 在项目根目录下，运行以下命令启动 MCP 服务器：

    npm run start-server

    服务器默认通过 stdio 传输协议与客户端通信。启动成功后，你会在终端看到 "Deep Research MCP Server running on stdio" 的提示。

  2. 在 MCP 客户端中配置并连接服务器： 打开支持 MCP 协议的客户端（例如 Claude Desktop），按照客户端的指引添加新的 MCP 服务器。在配置服务器时，填入上面提供的 JSON 配置信息。客户端会根据配置信息启动 'deep-research' MCP 服务器并建立连接。

  3. 使用 'deep-research' 工具进行研究： 成功连接到 MCP 服务器后，你可以在客户端中使用 'deep-research' 工具。具体的调用方式取决于客户端的界面和指令，但通常会类似于 '@deep-research' 加上你的研究查询。

    'deep-research' 工具接受以下参数：

    • 'query': 研究查询，你希望深入研究的主题或问题。
    • 'depth': 研究深度，数值越大，研究的迭代层级越深，结果越深入。建议范围 1-5。
    • 'breadth': 研究广度，数值越大，每一层级探索的分支越多，覆盖面越广。建议范围 2-10。

    例如，在 Claude Desktop 中，你可以这样调用工具进行研究：

    @deep-research query="量子计算的最新进展" depth=3 breadth=4

    客户端会将请求发送到 'deep-research' MCP 服务器，服务器会执行深度研究，并将结果返回给客户端。

信息

分类

AI与计算

访问项目