使用说明

深入研究MCP部署

该项目使用Docker、Helm和Kubernetes为Deep Research MCP Python应用程序提供了一个生产就绪的部署工作流。它旨在通过存储在Azure容器注册表（ACR）中的映像无缝部署到Azure Kubernetes服务（AKS），并与Mac M1（arm64）和amd64平台完全兼容。

项目结构

deep_research_mcp.py --主Python应用程序（FastMCP服务器，监听端口8001）
.env --Azure AI/代理集成所需的环境变量
Dockerfile --多阶段构建，针对大小和安全性进行了优化，暴露了端口8001
helm/deep-research-mcp/ --Kubernetes部署的Helm图
deploy.sh --构建、推送和部署应用程序的自动化脚本

MCP工具：深度研究报告

MCP服务器公开了一个名为 检索深度搜索报告 通过FastMCP，在 deep_research_mcp.py。此工具支持使用Azure AI代理和Bing搜索对任意主题进行程序化、自动化的研究。

工具功能

检索深度搜索报告
检索用户指定主题的研究报告，利用外部Bing搜索和大型语言模型（LLM）进行综合。该工具支持不同的报告长度、输出语言和可选的自定义指令。

参数

research_topic （str，必填）：要研究的主题。
report_type （str，可选）：要生成的报告类型。…之一 'brief', 'medium'，或 'comprehensive'默认值： 'comprehensive'.
language （str，可选）：ISO 639-1格式的输出语言（例如。， 'en' 对于英语， 'zh' 中国人）。违约： 'en'.
other_instructions （str，可选）：代理的其他说明（例如，样式、焦点、排除）。

行为与实施

在调用时，该工具：
1. 使用环境变量通过Azure AI项目进行身份验证。
2. 查找Bing搜索连接和深度研究模型部署。
3. 使用附加的深度研究工具创建新代理。
4. 启动一个新线程，并发送一条包含格式化指令的用户消息。
5. 启动跑步并轮询完成情况（可能需要几分钟）。
6. 流式传输代理响应和运行状态更新。
7. 完成后，获取最终的代理消息并生成Markdown研究摘要，包括参考文献/引文（如果可用）。
8. 通过删除代理进行清理。
工具是异步根据研究主题和报告类型的复杂性，可能需要几分钟才能完成。
输出是一份Markdown格式的研究报告，可选地包括一个“参考”部分，其中包含代理引用的唯一URL。

示例用法

索取一份关于“量子计算”的全面英文报告：

{
  "research_topic": "quantum computing",
  "report_type": "comprehensive",
  "language": "en"
}

备注

该工具专为与MCP兼容的编排器集成而设计，可以通过HTTP（默认端口8001）调用。
有关深度研究工具的更多详细信息，请参阅：https://aka.ms/agents-deep-research
必须为Azure身份验证和资源访问设置环境变量（见下文）。

Azure先决条件

在部署Helm chart之前，请确保您已完成以下步骤，以在Azure AI Foundry中启用Deep Research工具：

Azure订阅：您必须拥有Azure订阅，并有权创建AI Foundry项目、使用Bing搜索资源以及在以下任一位置进行模型部署 美国西部 或 挪威东部 区域。
模型访问:
- 如果您已经可以访问Azure OpenAI o3 模型，你可以使用 o3-deep-research 模型直接。否则，在此处请求访问权限.
所需Azure资源:
- 一 AI铸造项目美国西部或挪威东部。
- A. 使用Bing搜索与您的项目关联的资源。
- 模型部署用于：
  - o3-deep-research （版本 2025-06-26)美国西部或挪威东部。
  - gpt-4o 意图澄清模型，部署在同一地区。
区域限制：所有资源（项目、模型、Bing搜索）必须位于同一Azure订阅和地区（美国西部或挪威东部）。
计费和合规：在Bing搜索中使用Grounding可能会产生额外费用，并涉及Azure合规边界之外的数据传输。查看使用Bing搜索使用条款和定价.
官方设置指南：有关详细的最新说明，请参阅深度研究工具文档.

先决条件

Docker（支持buildx进行多拱形构建）
舵
Azure命令行界面(az)
yq （YAML处理器，例如。 brew install yq)
访问Azure容器注册表（ACR）和AKS集群
Kubernetes上下文设置到目标集群

在Azure Kubernetes服务（AKS）中启用工作负载标识

本节提供了一个分步指南，按照Microsoft官方文档在您的AKS集群上启用Azure AD工作负载标识：
https://learn.microsoft.com/en-us/azure/aks/workload-identity-deploy-cluster

先决条件

Azure CLI版本2.44.1或更高版本(az version)
运行Kubernetes 1.24或更高版本的AKS集群
足够的权限来更新AKS集群功能

1.在AKS集群上启用OIDC颁发者和工作负载标识

az aks update \
  --resource-group <RESOURCE_GROUP> \
  --name <CLUSTER_NAME> \
  --enable-oidc-issuer \
  --enable-workload-identity

2.验证OIDC发卡机构URL

az aks show \
  --resource-group <RESOURCE_GROUP> \
  --name <CLUSTER_NAME> \
  --query "oidcIssuerProfile.issuerUrl" \
  -o tsv

3.创建用户分配的托管身份

az identity create \
  --name <MANAGED_IDENTITY_NAME> \
  --resource-group <RESOURCE_GROUP>

获取客户端ID和资源ID：

az identity show \
  --name <MANAGED_IDENTITY_NAME> \
  --resource-group <RESOURCE_GROUP> \
  --query "{clientId:clientId,resourceId:id}"

4.创建联合身份凭证

您必须使用OIDC颁发者URL、Kubernetes服务帐户名和命名空间为托管身份创建联合身份凭据。
这可以通过Azure门户、Azure CLI或ARM/Diber模板完成。

使用Azure CLI的示例：

az identity federated-credential create \
  --name <FEDERATED_CREDENTIAL_NAME> \
  --identity-name <MANAGED_IDENTITY_NAME> \
  --resource-group <RESOURCE_GROUP> \
  --issuer <OIDC_ISSUER_URL> \
  --subject system:serviceaccount:<K8S_NAMESPACE>:<KSA_NAME> \
  --audience api://AzureADTokenExchange

5.为Kubernetes服务帐户添加注释

kubectl annotate serviceaccount <KSA_NAME> \
  --namespace <K8S_NAMESPACE> \
  azure.workload.identity/client-id=<MANAGED_IDENTITY_CLIENT_ID>

6.分配Azure RBAC权限

为托管标识分配必要的Azure RBAC角色，以便您的工作负载可以访问所需的Azure资源。
例如，要授予对Azure密钥库的访问权限：

az role assignment create \
  --role "Key Vault Secrets User" \
  --assignee <MANAGED_IDENTITY_CLIENT_ID> \
  --scope /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.KeyVault/vaults/<KEYVAULT_NAME>

7.测试工作负载身份集成

使用带注释的服务帐户部署测试pod，并验证它是否可以使用托管身份访问Azure资源。

注意事项和故障排除

确保您的Azure CLI是最新的。
在更新群集之前，请等待功能注册达到“已注册”状态。
如果您遇到问题，请参阅官方文档中的“疑难解答”部分。
有关高级场景（多租户、多个联合凭据等），请参阅官方文档。

参考：
有关最新和最详细的说明，请始终参阅：
https://learn.microsoft.com/en-us/azure/aks/workload-identity-deploy-cluster

环境变量

应用程序需要以下环境变量（在中设置 .env):

PROJECT_ENDPOINT
MODEL_DEPLOYMENT_NAME
DEEP_RESEARCH_MODEL_DEPLOYMENT_NAME
BING_RESOURCE_NAME

这些通过Kubernetes ConfigMap加载到容器中。

Docker文件详情

多阶段构建，实现高效、安全的图像
在虚拟环境中安装 Python 依赖项
仅将必要的文件复制到最终图像
暴露端口 8001 （与FastMCP服务器匹配）

Helm图表

位于 helm/deep-research-mcp/:

配置映射：负载 .env 并将所有变量注入容器
部署：使用来自的图像和标签 values.yaml，从ConfigMap装载env，暴露端口8001
服务：类型 LoadBalancer 用于端口8001上的公共互联网接入
帮助物体：用于命名的标准Helm模板帮助程序

部署说明

设置您的 .env 文件
填写所有必需的Azure环境变量。
使用Azure和ACR进行身份验证
```
az login
az acr login --name tradingaz
```
构建、推送和部署
```
chmod +x deploy.sh
./deploy.sh
```
此脚本将：
- 构建一个多拱形Docker镜像(amd64)
- 推到 tradingaz.azurecr.io
- 用图像信息更新Helm值
- 复制 .env 将ConfigMap注入到Helm图表中
- 将Helm版本部署（或升级）到Kubernetes集群
访问服务
- 部署后，获取外部IP：
```
kubectl get svc deep-research-mcp
```
- 该服务将在 http://<EXTERNAL-IP>:8001/

更新环境变量

编辑您的 .env 文件需要。
重新运行 ./deploy.sh 更新ConfigMap并重新部署。

备注

Helm图表和部署经过验证，符合应用程序的要求。
对于自定义（副本、资源、入口等），请根据需要编辑Helm图表。
要进行故障排除，请检查吊舱日志：
```
kubectl logs deployment/deep-research-mcp
```

许可证

MIT许可证（c）微软公司

使用说明

深入研究MCP部署

项目结构

MCP工具：深度研究报告

工具功能

参数

行为与实施

示例用法

备注

Azure先决条件

先决条件

在Azure Kubernetes服务（AKS）中启用工作负载标识

先决条件

1.在AKS集群上启用OIDC颁发者和工作负载标识

2.验证OIDC发卡机构URL

3.创建用户分配的托管身份

4.创建联合身份凭证

5.为Kubernetes服务帐户添加注释

6.分配Azure RBAC权限

7.测试工作负载身份集成

注意事项和故障排除

环境变量

Docker文件详情

Helm图表

部署说明

更新环境变量

备注

许可证

相关 MCP

用户名搜索MCP服务器

财政数据MCP服务器

报告生成服务

模型上下文协议演示服务器

渗透测试MCP服务器

数据可视化报告生成服务