使用说明

🤖 MCP多智能体深度研究员

一个强大的多智能体研究系统建立在 模型上下文协议（MCP），使用 船员AI 对于代理编排， 链接起来 用于深层网络搜索，以及 phi3 用于本地AI处理的模型（通过Ollama）。具有API访问和漂亮的web界面，可轻松完成研究任务。

🌟 特性

🧠 多代理系统：三个专业的人工智能代理协同工作
- 网络搜索器：使用LinkUp API进行深度网络搜索
- 研究分析师：信息综合和核查
- 技术文档工程师：清晰、结构化的内容创建
🌐 漂亮的Web界面：现代、响应式前端，便于交互
🔌 API访问：带有FastAPI和自动文档的RESTful API
🏠 本地AI处理：使用Ollama和phi3模型-不需要外部AI API
📡 MCP协议：完全符合模型上下文协议以进行集成
🚀 一次指令发射：用一个命令开始一切

🎯 快速开始

通过3个简单步骤开始：

# 1. Clone the repository
git clone https://github.com/anubhav-77-dev/MCP-Multi-Agent-Deep-Researcher.git
cd MCP-Multi-Agent-Deep-Researcher

# 2. Run the setup script
python3 setup.py

# 3. Launch everything!
python3 launcher.py

就是这样！系统将在您的浏览器中自动打开 http://localhost:3000/frontend.html

📸 截图

web界面

API文档

🏗️ 建筑

建筑

该系统实现了一个三代理工作流：

网络搜索器：使用LinkUp API从多个来源查找相关信息
研究分析师：综合并验证信息，注重深度和清晰度
技术文档工程师：生成清晰、全面的降价答案

graph TD
    A[Web Interface] --> B[FastAPI Backend]
    B --> C[MCP Server]
    C --> D[CrewAI Orchestrator]
    D --> E[Web Searcher Agent]
    D --> F[Research Analyst Agent] 
    D --> G[Technical Writer Agent]
    E --> H[LinkUp API]
    F --> I[Ollama + phi3]
    G --> I
    H --> J[Web Search Results]
    I --> K[AI Analysis & Writing]
    J --> F
    K --> L[Final Research Output]

📋 先决条件

Python 3.10+
诗歌用于依赖关系管理
奥拉玛 用于本地AI处理
LinkUp API密钥 （免费等级在 LinkUp.so)

🚀 安装和设置

选项1：自动设置（推荐）

# Clone the repository
git clone https://github.com/anubhav-77-dev/MCP-Multi-Agent-Deep-Researcher.git
cd MCP-Multi-Agent-Deep-Researcher

# Run automated setup (checks dependencies, installs packages, configures environment)
python3 setup.py

# Launch the application (starts both frontend and backend)
python3 launcher.py

选项2：手动设置

Click to expand manual setup instructions

1.安装依赖项

# Install Poetry (if not already installed)
curl -sSL https://install.python-poetry.org | python3 -

# Install project dependencies
poetry install

2.安装和配置Olama

# Install Ollama (visit https://ollama.ai/ for OS-specific instructions)
# On macOS:
brew install ollama

# Start Ollama service
ollama serve

# Pull the phi3 model (in a new terminal)
ollama pull phi3:latest

# Verify installation
ollama list

3.配置环境

# Copy environment template
cp .env.example .env

# Edit .env file and add your LinkUp API key
nano .env

所需的环境变量：

LINKUP_API_KEY=your_linkup_api_key_here
OLLAMA_BASE_URL=http://localhost:11434
MODEL_NAME=phi3:latest

4.启动服务

# Option A: Use the launcher (recommended)
python3 launcher.py

# Option B: Start services manually
# Terminal 1 - Backend API
poetry run python Multi-Agent-deep-researcher-mcp-windows-linux/http_server.py

# Terminal 2 - Frontend
python3 -m http.server 3000

# Terminal 3 - MCP Server (optional, for MCP client integration)
poetry run python Multi-Agent-deep-researcher-mcp-windows-linux/server.py

🔑 获取LinkUp API密钥

访问 LinkUp.so
注册一个免费帐户
从仪表板获取API密钥
将其添加到您的 .env 文件

🎮 用法

Web界面（最简单）

启动应用程序: python3 launcher.py
打开浏览器 到 http://localhost:3000/frontend.html （自动打开）
输入您的研究查询 或者尝试示例查询
选择您的模式:
- 🔍 快速搜索：使用LinkUp API进行快速网络搜索
- 🧠 全面研究：完整的多代理分析工作流程
查看结果 具有格式化输出、复制/下载选项

API访问

快速搜索

curl -X POST http://localhost:8080/search \
  -H "Content-Type: application/json" \
  -d '{"query": "latest AI trends 2024"}'

全面研究

curl -X POST http://localhost:8080/research \
  -H "Content-Type: application/json" \
  -d '{"query": "comprehensive analysis of quantum computing applications"}'

健康检查

curl http://localhost:8080/health

MCP客户端集成

要与MCP兼容客户端集成，请添加以下配置：

{
  "mcpServers": {
    "crew_research": {
      "command": "poetry",
      "args": ["run", "python", "Multi-Agent-deep-researcher-mcp-windows-linux/server.py"],
      "env": {
        "LINKUP_API_KEY": "your_linkup_api_key_here"
      }
    }
  }
}

可用端点

端点	方法	描述
`/health`	GET	健康检查
`/search`	POST	快速网络搜索
`/research`	POST	完整的多智能体研究
`/docs`	获取	交互式API文档

📁 项目结构

MCP-Multi-Agent-Deep-Researcher/
├── 🚀 launcher.py                    # Single-command launcher
├── 🌐 frontend.html                  # Web interface  
├── ⚙️ setup.py                       # Automated setup script
├── 📋 start.sh                       # Shell launcher script
├── 📖 QUICKSTART.md                  # Quick start guide
├── 🔧 Makefile                       # Development commands
├── 📦 pyproject.toml                 # Poetry dependencies
├── 🔐 .env.example                   # Environment template
├── ⚙️ mcp.config.json                # MCP client configuration
└── Multi-Agent-deep-researcher-mcp-windows-linux/
    ├── 🖥️ server.py                  # MCP protocol server
    ├── 🌐 http_server.py             # FastAPI REST server  
    ├── 🧪 test_research.py           # Testing utilities
    └── agents/                       # Multi-agent system
        ├── 🤖 research_crew.py       # CrewAI orchestration
        └── tools/                    # Agent tools
            ├── 🔍 linkup_search.py   # Web search integration
            └── 🧠 ollama_tool.py     # Local AI integration

🎯 查询示例

尝试以下示例研究查询：

快速搜索示例

“2024年最新的人工智能趋势是什么？”
“可再生能源的当前发展”
“量子计算的最新突破”

完整研究示例

“加密货币挖矿的环境影响综合分析”
“量子计算是如何工作的，它在现实世界中的应用是什么？”
“自动驾驶汽车的未来：技术、挑战和时间表”
“人工智能对医疗保健的影响：机遇和风险”

代理工作流

该系统使用CrewAI来协调三个专门的代理：

1.Web搜索代理

角色：网络研究专家
目标：使用LinkUp API查找全面的相关信息
工具：链接搜索工具
输出：网络搜索结果及其来源的详细摘要

2.研究分析师代理人

角色：研究分析师
目标：分析和综合信息，提供全面的见解
输入：网络搜索结果
输出：具有关键见解和经过验证的信息的结构化分析

3.技术编剧代理

角色：技术作家
目标：创建清晰、全面、结构良好的书面内容
输入：研究分析
输出：全面、格式良好的降价文档

配置

环境变量

LINKUP_API_KEY：用于web搜索功能的LinkUp API密钥
OLLAMA_BASE_URL：Ollama API的基本URL（默认值：http://localhost:11434)
MODEL_NAME：要使用的Ollama模型（默认值：phi3）

自定义代理

您可以通过修改来自定义代理 agents/research_crew.py:

调整代理角色、目标和背景故事
修改任务描述和预期输出
添加或删除特定代理的工具
更改流程（顺序、层次等）

🐛 故障排除

常见问题及解决方案

🚫 "Address already in use" error

# Kill existing processes
pkill -f "python.*http_server"
pkill -f "http.server"

# Or restart with different ports
python3 launcher.py

🔗 Ollama connection failed

# Check if Ollama is running
ollama serve

# Verify model is available
ollama list

# Pull model if missing
ollama pull phi3:latest

# Check Ollama is accessible
curl http://localhost:11434/api/tags

🔑 LinkUp API errors

在中验证API密钥 .env 文件
检查LinkUp仪表板的使用限制
测试API密钥：

curl -H "Authorization: Bearer YOUR_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{"q": "test"}' \
     https://api.linkup.so/v1/search

🧩 Dependencies issues

# Reinstall dependencies
poetry install --no-cache

# Or use pip fallback
pip install -r requirements.txt

# Check Python version
python3 --version  # Should be 3.10+

🌐 CORS/Frontend issues

确保两台服务器都在运行
检查浏览器控制台是否有错误
尝试直接访问后端： http://localhost:8080/health
清除浏览器缓存并重新加载

获取帮助

检查日志：启动器显示两台服务器的详细日志
运行诊断程序: python3 setup.py 验证设置
测试组件: python3 simple_test.py 用于单独测试
启用调试模式：设置 logging.basicConfig(level=logging.DEBUG) 在服务器文件中

🛠️ 发展

快速命令

# Start everything
make start          # or make launch, make demo

# Development setup
make dev-setup      # Install deps + setup + verify

# Run tests
make test           # Basic functionality test
make quick-test     # Quick search test  

# Maintenance
make clean          # Clean cache files
make verify         # Verify installation

添加自定义代理

创建新代理 在 agents/research_crew.py:

custom_agent = Agent(
    role='Custom Specialist',
    goal='Your specific goal',
    backstory='Agent background',
    tools=[your_tools]
)

添加到船员工作流程:

custom_task = Task(
    description="Task description",
    agent=custom_agent,
    expected_output="Expected result format"
)

添加新工具

创建工具文件 在 agents/tools/:

class CustomTool(BaseTool):
    name = "Custom Tool"
    description = "Tool description"
    
    def _run(self, query: str) -> str:
        # Tool implementation
        return result

在代理商处注册 在 research_crew.py

环境配置

变量	描述	默认值
`LINKUP_API_KEY`	LinkUp搜索API密钥	必需
`OLLAMA_BASE_URL`	Ollama服务器URL	`http://localhost:11434`
`MODEL_NAME`	Olama型号名称	`phi3:latest`
`OPENAI_API_KEY`	设置为 `ollama` 供当地使用	`ollama`
`OPENAI_API_BASE`	Ollama OpenAI兼容端点	`http://localhost:11434/v1`

🤝 贡献

我们欢迎捐款！以下是如何开始：

开发环境设置

# Fork and clone the repo
git clone https://github.com/anubhav-77-dev/MCP-Multi-Agent-Deep-Researcher.git
cd MCP-Multi-Agent-Deep-Researcher

# Install development dependencies  
poetry install --with dev

# Run pre-commit setup
pre-commit install

贡献指南

🍴 分叉存储库
🌿 创建要素分支： git checkout -b feature/amazing-feature
✨ 使用清晰的注释代码进行更改
🧪 添加新功能的测试
✅ 运行测试： make test
📝 根据需要更新文档
🚀 提交拉取请求

贡献领域

🔧 新的代理工具和集成
🎨 前端UI/UX改进
📚 文件和示例
🧪 测试覆盖范围扩展
🐛 Bug修复和性能改进
🌍 国际化

📊 性能和扩展

快速搜索：约2-5秒（取决于LinkUp API）
全面研究：约30-60秒（取决于查询复杂性）
并发用户：支持多个同时请求
内存使用：~500MB-1GB（取决于Olama型号）
磁盘空间：~3GB（包括phi3型号）

🔒 安全与隐私

✅ 本地AI处理：没有数据发送到外部人工智能服务
✅ API密钥安全：LinkUp API密钥仅存储在本地
✅ 无数据持久性：默认情况下不存储研究查询
✅ CORS保护：可配置的原产地限制
⚠️ 网页搜索：发送到LinkUp API的查询（请参阅其隐私政策）

📄 许可证

该项目根据 MIT许可证 -看看许可证文件以获取详细信息。

🙏 致谢

采用令人惊叹的开源技术构建：

🤖 船员AI -多代理编排框架
🔍 链接起来 -深度网络搜索API
🧠 奥拉玛 -本地LLM服务平台
⚡ 快速API -现代Python web框架
🎭 模型上下文协议 -AI集成标准
📦 诗歌 -Python依赖管理

⭐ 明星历史

由以下材料制成❤️ 面向人工智能研究界

🌟 标记此回购 • 🐛 报告Bug • 💡 请求功能