AI导哈

多代理研究助手

一个模块化、AI驱动的研究助手，执行深入的网络研究并总结带有引用的发现。

  • by lasyaMundrathi
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 lasyamundrathi/mcp-deep-research-assistant

使用说明

深度研究员：多智能体研究助理（Streamlit&MCP）

一个模块化的、人工智能驱动的研究助理，可以进行深入的网络研究，并用引文总结研究结果。内置于 CrewAI，增强 连接 用于实时搜索，可通过Streamlit或IDE的MCP工具（如Cursor）访问。

🏗️ 系统架构

关键组件

代理人（CrewAI）

  • Web搜索代理：获取实时互联网结果。
  • 研究分析师代理：综合、消除重复和事实核查调查结果。
  • 技术作家代理：撰写一篇被引用得很好的文章。

工具

  • 链接搜索工具：与Linkup API接口，实现可靠的实时搜索。

用户界面

  • 流线型UI：在浏览器中查询和查看响应。
  • MCP服务器：从任何支持MCP的IDE（例如Cursor）呼叫研究人员。

运作原理

  1. 用户输入查询（Streamlit或MCP）。

  2. CrewAI工作流程：

    • Web搜索代理收集源
    • 分析员代理人审查/验证
    • Writer Agent编写结果

  3. 最终响应显示在UI中或返回到IDE。

设置

先决条件

运行Streamlit应用程序

streamlit run app/streamlit_app.py

作为MCP服务器运行（适用于Cursor等IDE）

python server.py

添加到您的 mcp.json:

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

文件夹结构

deep-researcher/
├── agents.py/
│   ├── web_search_agent
│   ├── research_analyst
│   └── technical_writer
├── app.py
├── server.py
├── pyproject.toml
└── README.md

鸣谢

相关 MCP