多源研究助手

🧠 最高研究MCP

欢迎来到 最高研究MCP –您的终极多源、人工智能增强研究助手！ 🚀

同时利用多个搜索引擎和学术数据库，从任何网络资源或PDF中提取丰富的内容，并使用语义嵌入来优化结果。非常适合研究人员、学生或好奇的人。

🎯 特性

• 🔎 多源搜索：Brave、DuckDuckGo、OpenAlex、arXiv、Core、CrossRef
• 📝 从URL中自动提取内容（HTML和PDF）
• ⏱ 超时安全提取（最多15秒）
• 🧩 基于嵌入的结果细化
• 📊 预览和过滤低质量内容
• 🤖 MCP集成用于高级LLM查询扩展

⚙️ 安装

1. 克隆存储库：

git clone <repo_url>
cd <repo_folder>

2. 安装依赖项（确保Python 3.11+）：

pip install -r requirements.txt

3. 确保 uv 安装用于运行MCP命令：

pip install uv

🚀 用法

单一命令使用

使用 uv run 直接从命令行执行研究功能：

uv run supreme_research_mcp run_deep_research --query "What is the capital of New York State?" --limit 5

• --query：您的研究查询
• --limit：每个搜索引擎的最大结果数

MCP模式（LLM增强型）

在MCP模式下运行时，该工具可以扩展查询，执行多源搜索，并自动优化结果。

LLM增强查询示例

• "Impact of climate change on polar bear populations"
• "Latest AI breakthroughs in natural language processing"
• "Open access COVID-19 research papers 2025"

该系统将自动扩展查询，在所有来源上运行搜索，获取URL，提取内容（HTML/PDF），并优化结果。

📌 输出结构

每个结果包含：

• title：论文或网页的标题
• url：源URL
• source：搜索引擎或数据库
• subquery：使用了扩展查询
• text：提取内容
• chars：提取的字符数
• extraction_error （可选）：如果提取失败，则显示错误消息

🖼 预览和筛选

低质量的结果（少于50个字符）会被自动过滤掉。您可以使用以下方式预览结果：

print_results(results)

⚡ 精炼

使用基于嵌入的相似性和可配置的参数来细化结果：

• top_k：要保留的最佳结果数量
• chunk_size：嵌入的文本块大小
• overlap：块之间的重叠大小

这确保了提供最相关的信息。

📝 备注

• PDF和web内容提取受超时保护（每个URL 15秒）
• 通过多种策略支持HTML和PDF提取
• 专为异步执行而设计，以最大限度地提高效率

© 2025 Akinus21