使用说明

🔍 GPT研究员MCP服务器

为什么选择GPT研究员MCP？

虽然LLM应用程序可以使用MCP访问网络搜索工具， GPT研究员MCP发表了深入的研究成果。 标准搜索工具返回需要手动过滤的原始结果，通常包含不相关的源并浪费上下文窗口空间。

GPT研究员自主探索和验证众多来源，只关注相关、可信和最新的信息。虽然比标准搜索稍慢（等待约30秒），但它提供了：

✨ 更高质量的信息
📊 优化上下文使用
🔎 综合结果
🧠 LLM的更好推理

💻 克劳德桌面演示

https://github.com/user-attachments/assets/ef97eea5-a409-42b9-8f6d-b82ab16c52a8

🚀 Claude Desktop快速入门

想立即将其与Claude Desktop一起使用吗？ 以下是最快的路径：

安装依赖项：

git clone https://github.com/assafelovic/gptr-mcp.git
pip install -r requirements.txt

设置您的Claude桌面配置 在 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "gptr-mcp": {
      "command": "python",
      "args": ["/absolute/path/to/gpt-researcher/gptr-mcp/server.py"],
      "env": {
        "OPENAI_API_KEY": "your-openai-key-here",
        "TAVILY_API_KEY": "your-tavily-key-here"
      }
    }
  }
}

重新启动克劳德桌面 开始研究吧！ 🎉

有关详细的设置说明，请参阅完整的Claude桌面集成部分在......下面

资源

research_resource：通过研究获取与给定任务相关的网络资源。

主要工具

deep_research：对某个主题进行深度网络研究，找到最可靠和最相关的信息
quick_search：执行速度优于质量的快速网络搜索，返回包含片段的搜索结果。支持任何GPTR支持的网络检索器，如Tavily、Bing、Google等。了解更多这里
write_report：根据研究结果生成报告
get_research_sources：获取研究中使用的来源
get_research_context：了解研究的全部背景

提示

research_query：创建研究查询提示

先决条件

在运行MCP服务器之前，请确保您已经：

已安装Python 3.11或更高版本
- 重要GPT研究员>=0.12.16需要Python 3.11+
您计划使用的服务的API密钥：
- OpenAI API密钥
- Tavilly API密钥

您还可以使用GPTR支持的检索器连接任何其他网络搜索引擎或MCP。看看文档在这里

⚙️ 安装

克隆GPT研究员存储库：

git clone https://github.com/assafelovic/gpt-researcher.git
cd gpt-researcher

安装gptr-mcp依赖项：

cd gptr-mcp
pip install -r requirements.txt

设置环境变量：
- 复制 .env.example file以创建名为的新文件 .env:
```
cp .env.example .env
```
- 编辑 .env 文件并添加API密钥，并配置其他设置：
```
OPENAI_API_KEY=your_openai_api_key
TAVILY_API_KEY=your_tavily_api_key
```

您还可以为GPT研究员配置添加任何其他env变量。

🚀 运行MCP服务器

您可以通过多种方式运行MCP服务器：

方法一：直接使用Python

python server.py

方法2：使用MCP CLI（如果已安装）

mcp run server.py

方法3：使用Docker（推荐用于生产环境）

快速开始

使用Docker运行的最简单方法：

# Build and run with docker-compose
docker-compose up -d

# Or manually:
docker build -t gptr-mcp .
docker run -d \
  --name gptr-mcp \
  -p 8000:8000 \
  --env-file .env \
  gptr-mcp

用于n8n集成

如果您需要连接到现有的n8n网络：

# First, start the container
docker-compose up -d

# Then connect to your n8n network
docker network connect n8n-mcp-net gptr-mcp

# Or create a shared network first
docker network create n8n-mcp-net
docker network connect n8n-mcp-net gptr-mcp

备注Docker镜像使用Python 3.11来满足gpt研究员>=0.12.16的要求。如果在构建过程中遇到错误，请确保您使用的是此存储库中的最新Dockerfile。

服务器运行后，您将看到输出，指示服务器已准备好接受连接。您可以通过以下方式验证它是否正常工作：

SSE端点：访问位于的服务器发送事件端点http://localhost:8000/sse获取会话ID
MCP通信：使用会话ID向发送MCP消息http://localhost:8000/messages/?session_id=YOUR_SESSION_ID
测试：使用以下命令运行测试脚本 python test_mcp_server.py

对Docker/n8n集成很重要：

服务器绑定到 0.0.0.0:8000 使用Docker容器
使用SSE传输进行基于web的MCP通信
会话管理需要从以下位置获取会话ID /sse 端点优先
每个客户端连接都需要一个唯一的会话ID才能进行正确的通信

🚦 运输模式和最佳实践

GPT Researcher MCP服务器支持多种传输协议，并自动为您的环境选择最佳协议：

运输类型

运输	用例	何时使用
工作室	Claude Desktop，本地MCP客户端	默认用于本地开发
上海证券交易所	Docker、Web客户端、n8n集成	在Docker中自动启用
流式HTTP	现代web部署	高级web部署

自动检测

服务器会自动检测您的环境：

# Local development (default)
python server.py
# ➜ Uses STDIO transport (Claude Desktop compatible)

# Docker environment  
docker run gptr-mcp
# ➜ Auto-detects Docker, uses SSE transport

# Manual override
export MCP_TRANSPORT=sse
python server.py
# ➜ Forces SSE transport

环境变量

变量	描述	默认值	示例
`MCP_TRANSPORT`	部队专用运输	`stdio`	`sse`, `streamable-http`
`DOCKER_CONTAINER`	强制Docker模式	自动检测	`true`

配置示例

适用于Claude Desktop（本地）

// ~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "gpt-researcher": {
      "command": "python",
      "args": ["/absolute/path/to/server.py"],
      "env": {
         "..."
      }
    }
  }
}

用于Docker/Web部署

# Set transport explicitly for web deployment
export MCP_TRANSPORT=sse
python server.py

# Or use Docker (auto-detects)
docker-compose up -d

用于n8n MCP集成

# Use the container name as hostname
docker run --name gptr-mcp -p 8000:8000 gptr-mcp

# In n8n, connect to: http://gptr-mcp:8000/sse

传输端点

使用SSE或HTTP传输时：

健康检查: GET /health
SSE端点: GET /sse （获取会话ID）
MCP消息: POST /messages/?session_id=YOUR_SESSION_ID

最佳实践

地方发展：使用Claude Desktop的默认STDIO
生产：使用带有自动SSE检测的Docker
测试：使用健康端点验证连接
n8n集成：始终使用Docker的容器网络
Web部署：考虑为现代客户端提供流式HTTP

与克劳德融合

您可以使用以下方式将MCP服务器与Claude集成：

Claude桌面集成 -适用于Mac上的Claude桌面应用程序

有关详细说明，请点击上面的链接。

💻 Claude桌面集成

要将本地运行的MCP服务器与Claude for Mac集成，您需要：

确保MCP服务器已安装并正在运行
配置Claude桌面：
- 在以下位置查找或创建配置文件 ~/Library/Application Support/Claude/claude_desktop_config.json
- 将本地GPT研究员MCP服务器添加到配置中 有环境变量
- 重新启动Claude以应用配置

⚠️ 重要提示：需要环境变量

Claude Desktop将您的MCP服务器作为单独的子进程启动，因此您必须在配置中显式传递API密钥。服务器无法访问shell的环境变量或 .env 文件自动。

配置示例

{
  "mcpServers": {
    "gptr-mcp": {
      "command": "python",
      "args": ["/absolute/path/to/your/server.py"],
      "env": {
        "OPENAI_API_KEY": "your-actual-openai-key-here",
        "TAVILY_API_KEY": "your-actual-tavily-key-here"
      }
    }
  }
}

安全说明

🔒 您的Claude Desktop配置包含敏感的API密钥。 保护它：

chmod 600 ~/Library/Application\ Support/Claude/claude_desktop_config.json

切勿将此文件提交到版本控制。

替代方案：环境变量脚本

为了更好的安全性，创建一个包装器脚本：

run_gptr_mcp.sh:

#!/bin/bash
source /path/to/your/.env
python /absolute/path/to/server.py

然后在Claude Desktop中使用它：

{
  "mcpServers": {
    "gptr-mcp": {
      "command": "/absolute/path/to/run_gptr_mcp.sh"
    }
  }
}

有关完整的分步说明，请参阅 Claude桌面集成指南.

📝 Claude使用示例

User: I'm considering investing in NVIDIA. Can you research the current state of the company, recent stock performance, latest product announcements, and analyst opinions?

Claude: I'll help you research NVIDIA for investment purposes. This will take a moment as I conduct deep research to find the most up-to-date information about their stock performance, recent developments, and expert analysis.

[Claude uses deep_research tool - this takes 30-40 seconds]

Claude: Based on my research, here's a comprehensive analysis of NVIDIA's current state:

## NVIDIA (NVDA) Current Status

### Recent Stock Performance
- Current price: $942.89 (as of my research)
- YTD performance: +90.4% 
- 52-week range: $460.30 - $974.00
- Market cap: ~$2.32 trillion

### Recent Key Developments
1. **Blackwell AI Platform**: At GTC 2024, NVIDIA unveiled the Blackwell architecture, their next-generation AI chip platform promising 4x performance improvement over Hopper. Major cloud providers (AWS, Google, Microsoft) have already committed to integrating Blackwell.

2. **Q1 FY2025 Earnings (May 2024)**: 
   - Revenue: $26.0 billion (+262% YoY)
   - Data Center revenue: $22.6 billion (+427% YoY)
   - Gross margin: 78.4%
   - Announced 10-for-1 stock split effective June 7, 2024

3. **Supply Chain Expansion**: Increased investments in manufacturing capacity with TSMC to address ongoing chip shortages for their high-demand AI GPUs.

### Analyst Consensus
- Strong Buy consensus with 37 analysts rating it "Buy," 5 "Hold," and 0 "Sell"
- Average price target: $1,042 (post-split adjusted: $104.20)
- Key bull thesis: Continued AI infrastructure spending and NVIDIA's dominant position in AI chips
- Key bear concerns: Valuation, potential competition from AMD, Intel, and custom silicon from tech giants

### Industry Position
- Dominant in AI GPU market with estimated 80-90% market share
- Expanding ecosystem through CUDA software platform and industry partnerships
- Diversifying beyond chips with DGX Cloud, AI software platforms, and automotive solutions

🔧 故障排除

如果在运行MCP服务器时遇到问题：

一般问题

API密钥：请确保在中正确设置了API密钥 .env 文件
Python版本：检查您是否使用Python 3.11或更高版本（gpt研究员要求>=0.14.0）
依赖项：确保所有依赖项都已正确安装： pip install -r requirements.txt
服务器日志：检查服务器日志中的错误消息

Docker问题

集装箱无法进入:
- 验证容器是否正在运行： docker ps | grep gptr-mcp
- 检查容器日志： docker logs gptr-mcp
- 确认服务器已绑定到0.0.0.0:8000（日志应显示此内容）
n8n集成问题:
- 确保两个容器都在同一个Docker网络上
- 使用容器名称 gptr-mcp 作为n8n中的主机名
- 将MCP服务器URL设置为： http://gptr-mcp:8000/sse
会话ID问题:
- 服务器使用需要会话管理的SSE传输
- 首先，通过连接获取会话ID /sse 端点
- 在后续MCP请求中使用会话ID： /messages/?session_id=YOUR_ID
- 每个客户端都需要自己的会话ID

n8n MCP集成步骤

获取会话ID:

curl http://gptr-mcp:8000/sse
# Look for: data: /messages/?session_id=XXXXX

初始化MCP:

curl -X POST http://gptr-mcp:8000/messages/?session_id=YOUR_SESSION_ID \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc": "2.0", "id": 1, "method": "initialize", "params": {"protocolVersion": "2024-11-05", "capabilities": {"roots": {"listChanged": true}}, "clientInfo": {"name": "n8n-client", "version": "1.0.0"}}}'

呼叫工具:

curl -X POST http://gptr-mcp:8000/messages/?session_id=YOUR_SESSION_ID \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc": "2.0", "id": 2, "method": "tools/call", "params": {"name": "quick_search", "arguments": {"query": "test"}}}'

测试服务器

运行附带的测试脚本以验证功能：

python test_mcp_server.py

这将测试：

SSE连接和会话ID检索
MCP初始化
工具发现和执行

Claude桌面问题

如果您的MCP服务器无法与Claude Desktop配合使用：

服务器未出现在Claude中:
- 检查你的 claude_desktop_config.json 语法是有效的JSON
- 确保您正在使用 绝对路径 （非相对）
- 验证路径 server.py 是正确的
- 完全重新启动克劳德桌面
“找不到OPENAI_API_KEY”错误:
- 请确保已将API密钥添加到 env 配置中的部分
- 别忘了两者 OPENAI_API_KEY 和 TAVILY_API_KEY
- API键应为实际键，而不是占位符
工具未显示:
- 寻找🔧 Claude Desktop中的工具图标
- 检查Claude Desktop配置文件是否在正确的位置：
  - macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  - 视窗: %APPDATA%\Claude\claude_desktop_config.json
Python/权限问题:
- 确保Python可以从命令行访问： python --version
- 尝试使用完整的Python路径： "command": "/usr/bin/python3" 或 "command": "python3"
- 检查server.py文件的文件权限
仍然不工作吗？
- 手动测试服务器： python server.py （应显示STDIO传输消息）
- 检查克劳德桌面日志（如果可用）
- 尝试上面集成部分中的替代脚本方法

👣 后续步骤

探索 MCP协议文件更好地了解如何与Claude整合
了解 GPT研究员的核心特征提高你的研究能力
看看高级用法更多配置选项指南

📄 许可证

此项目根据MIT许可证获得许可-有关详细信息，请参阅许可证文件。

📞 支持/联系

社区不和
电子邮件：assaf.elovic@gmail.com

⬆️ Back to Top

使用说明

🔍 GPT研究员MCP服务器

为什么选择GPT研究员MCP？

💻 克劳德桌面演示

🚀 Claude Desktop快速入门

资源

主要工具

提示

先决条件

⚙️ 安装

🚀 运行MCP服务器

方法一：直接使用Python

方法2：使用MCP CLI（如果已安装）

方法3：使用Docker（推荐用于生产环境）

快速开始

用于n8n集成

🚦 运输模式和最佳实践

运输类型

自动检测

环境变量

配置示例

适用于Claude Desktop（本地）

用于Docker/Web部署

用于n8n MCP集成

传输端点

最佳实践

与克劳德融合

💻 Claude桌面集成

⚠️ 重要提示：需要环境变量

配置示例

安全说明

替代方案：环境变量脚本

📝 Claude使用示例

🔧 故障排除

一般问题

Docker问题

n8n MCP集成步骤

测试服务器

Claude桌面问题

👣 后续步骤

📄 许可证

📞 支持/联系

相关 MCP

网页搜索 MCP 服务

Exa 网页搜索 MCP 服务

深度研究服务器

研究MCP服务器

NotebookLM MCP服务器

AI研究服务器