AI导哈

深度研究服务器

MCP深度研究服务器是一款用于复杂主题全面研究的AI辅助工具，能够自动评估问题复杂度、分层收集信息并生成结构化研究报告。

  • by lihongwen
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 lihongwen/deepresearch-mcpserver

使用说明

深度研究用MCP服务器

深度研究MCP服务器是一款强大的工具，旨在对复杂主题进行全面研究。它帮助您深入探索问题、查找相关资料，并生成带有正确引用的结构化研究报告。

🔬 你的个人AI研究助手——将复杂的研究问题转化为全面且引用详实的报告。

✨ 最新动态

最新重大更新：高级研究方法论（v0.2.0）

这个版本引入了一个 出版级别的研究框架 具有显著的深度增强效果：

🎯 智能复杂度评估

  • 自动评估问题复杂度（简单/中等/复杂/高度复杂）
  • 根据复杂性动态调整研究深度和方法
  • 从快速比较到全面的多学科分析

📊 多层次渐进式研究

  • **第1层（概述）**对所有问题的基础理解
  • **第二层（深入探讨）**针对中等及以上复杂度的专项调查
  • **第三层（专家分析）**针对复杂议题的前沿见解

🌳 动态层次子问题

  • 自适应数量3-4个问题（简单）→ 7-8个及以上问题（高度复杂）
  • 树状结构核心问题及其相关的深入探讨子问题
  • 优先标记高/中/低，并附有依赖关系映射

🔍 关键分析框架

  • 来源可信度评估权威性、新颖性、偏见评估
  • 证据质量分级强/中等/弱/推测性分类
  • 观点对比主流观点与另类观点
  • 逻辑一致性检查因果关系与相关性，假设识别
  • 假设检验制定并评估可验证的假设

🛠️ 专业分析框架

从9+种结构化方法论中选择：

  • SWOT分析（战略评估）
  • PEST/PESTEL分析（宏观环境因素）
  • 5W2H框架（深入诊断分析）
  • 比较分析（多维度比较）
  • 趋势分析（历史→现在→未来）
  • 案例研究法（从实例中学习）
  • 利益相关者分析（视角映射）
  • 证据金字塔（科学严谨性）
  • 系统思维（相互连接和反馈循环）

🌐 跨学科综合

  • 为问题添加相关学科标签：技术、经济、社会、伦理、法律、科学、历史
  • 识别跨视角的模式与紧张关系
  • 通过综合分析生成新的见解

📄 出版级报告

增强后的结构包括：

  • 执行摘要 （200-300字）
  • 方法论部分 （框架合理性）
  • 批判性分析 （与调查结果分开）
  • 合成与讨论 （跨学科整合）
  • 置信水平 （高/中等/低/推测性）
  • 研究局限性 （公开承认）
  • 建议 （针对利益相关者的特定行动）
  • 进一步的研究方向
  • 术语表 （专业术语）
  • 补充数据 （表格，图表）

✅ 提升质量标准

  • 带有强度评分的证据映射
  • 偏见与局限性评估
  • 为所有结论设定置信度水平
  • 规范的学术引用格式
  • 承认不确定性与知识的边界

核心功能（所有版本）

  • 🛠️（扳手，常用于表示修理、工具或手动操作） 直接工具访问呼叫 start_deep_research 直接从Claude桌面获取工具
  • 📊 表格/数据图表 结构化研究工作流程从问题阐述到最终报告的指导流程
  • 🌐（表示互联网或全球网络的符号，可译为“互联网”或“网络世界”，但在此作为单独符号使用时，通常不直接翻译，保持原样） 网络搜索集成利用Claude内置的搜索功能
  • 📝（记事本/笔记） 专业报告生成格式良好的研究报告作为成果

🚀 快速入门

先决条件

安装

  1. 克隆此仓库

    git clone https://github.com/lihongwen/deepresearch-mcpserver.git
cd deepresearch-mcpserver

  2. 安装依赖项

    uv sync

  3. 配置Claude桌面版

    编辑您的Claude桌面配置文件：

    • macOS（苹果电脑操作系统）： ~/Library/Application Support/Claude/claude_desktop_config.json
    • Windows： %APPDATA%\Claude\claude_desktop_config.json

    添加以下配置：

    {
  "mcpServers": {
    "mcp-server-deep-research": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/your/deepresearch-mcpserver",
        "run",
        "mcp-server-deep-research"
      ]
    }
  }
}

  4. 重启Claude桌面版

  5. 开始研究

    • 使用提示模板：“开始对[你的问题]进行深入研究”
    • 或者拨打 start_deep_research 直接使用工具
    • 观看克劳德如何进行全面研究并生成详细报告

🎯 完整的研究工作流程

Deep Research MCP服务器提供了一种先进的五阶段研究方法：

第一阶段： 初步分析与研究设计

  • 概念澄清精确界定关键术语
  • 域名映射确定主要知识领域及其交叉点
  • 利益相关者识别关注这个问题的人有哪些，以及他们为什么关注
  • 复杂性评估评估为简单/中等/复杂/高度复杂
  • 策略选择选择合适的分析框架和研究深度

第二阶段： 层次化问题分解

  • 动态子问题生成根据复杂度创建3-8个问题
  • 树结构核心问题及其相关的深入探讨子问题
  • 质量标准具体、集中、集体穷尽、互斥
  • 优先级与依赖关系为问题添加重要性和关系标签
  • 跨学科标注从相关学科视角标注问题标签

第三阶段： 分层信息收集

  • **第一层（概述）**广泛搜索、可信度评估、证据分类
  • **第二层（深入探讨）**针对性搜索、对比分析、模式识别
  • **第三层（专家分析）**前沿研究、专家论述、未来趋势
  • 来源可信度评分基于权威性、时效性和偏见程度，分为高/中/低
  • 证据分类基于严谨程度，分为强/中等/弱/推测性

第四阶段： 批判性分析与综合

  • 证据映射核心主张，支持/反驳的证据，存在的差距
  • 逻辑一致性检查因果关系与相关性，推理的有效性
  • 偏见评估选择偏倚、确认偏倚、时间偏倚、发表偏倚
  • 假设检验制定、评估、得出结论（支持/部分支持/不支持）
  • 置信水平为结论分配 HIGH（高）/MODERATE（中）/LOW（低）/SPECULATIVE（推测性）等级
  • **跨学科综合（或“交叉学科综合”）**跨视角模式、涌现的洞察力、系统理解

第五阶段： 综合报告生成

  • 执行摘要200-300字的独立概述
  • 目录自动生成导航
  • 引言背景、重要性、范围、关键概念
  • 方法论复杂性理由、框架选择、局限性
  • 发现针对每个子问题的详细小节，附有证据评级
  • 批判性分析证据强度、矛盾点、偏倚评估
  • 合成与讨论整合见解、模式和情境因素
  • 结论带有置信度和影响的直接答案
  • 建议针对利益相关者的具体可行指南
  • 研究局限性明确承认限制条件
  • 进一步研究已识别的知识空白及未来发展方向
  • 参考文献全面的引用，格式规范
  • 附录术语表，补充数据

💡 使用示例

简单问题

User: "Start deep research on: What is the difference between REST and GraphQL APIs?"

Claude will:
1. Assess as SIMPLE complexity → Layer 1 research only
2. Generate 3-4 focused subquestions (characteristics, use cases, trade-offs)
3. Select Comparative Analysis framework
4. Perform targeted searches with credibility assessment
5. Generate concise report with comparison table

中等难度问题

User: "Start deep research on: What are the applications and challenges of blockchain in supply chain management?"

Claude will:
1. Assess as MODERATE complexity → Layer 1 + Layer 2 research
2. Generate 5-6 core + 2-3 deep-dive subquestions
3. Select SWOT Analysis + Case Study Method + Trend Analysis
4. Perform overview AND focused deep-dive searches
5. Include critical analysis of evidence quality
6. Generate comprehensive report with multiple case studies and confidence levels

复杂问题

User: "Start deep research on: How does climate change impact global food security, and what are effective adaptation strategies?"

Claude will:
1. Assess as COMPLEX → Layer 1 + Layer 2 + Layer 3 research
2. Generate 6-7 core + 3-5 deep-dive subquestions with dependencies
3. Select Systems Thinking + PEST + Stakeholder Analysis + Comparative Analysis
4. Tag with multiple disciplines: Scientific, Economic, Social, Political, Ethical
5. Perform overview + focused + expert-level research
6. Include hypothesis testing (e.g., "Climate-resilient crops maintain yields under 2°C warming")
7. Generate publication-quality report with executive summary, methodology justification, 
   critical analysis, interdisciplinary synthesis, stakeholder recommendations, 
   research limitations, and glossary

🔧 工作原理

  1. 调用工具调用 start_deep_research 结合你的研究问题
  2. 遵循工作流程克劳德遵循一个结构化的研究过程
  3. 审阅报告获取一份作为成果的综合报告
  4. 引用来源所有信息均正确标注了来源网址

📦 组件

工具

  • 开始深入研究就任何主题启动全面的研究工作流程
    • 输入： research_question （字符串）
    • 输出：结构化的研究指导和工作流程

提示

  • 深入研究预配置的提示模板，用于启动研究任务

资源

  • 动态研究状态追踪
  • 进度记录和发现结果的存储

⚙️ 配置

Claude 桌面配置位置

  • macOS（苹果电脑操作系统）: ~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows： %APPDATA%\Claude\claude_desktop_config.json

开发环境设置（本地）

{
  "mcpServers": {
    "mcp-server-deep-research": {
      "command": "uv",
      "args": [
        "--directory",
        "C:\\Users\\YourUsername\\path\\to\\deepresearch-mcpserver",
        "run",
        "mcp-server-deep-research"
      ]
    }
  }
}

生产设置（已发布）

如果发布到PyPI：

{
  "mcpServers": {
    "mcp-server-deep-research": {
      "command": "uvx",
      "args": [
        "mcp-server-deep-research"
      ]
    }
  }
}

🛠️ 开发

设置开发环境

# Clone the repository
git clone https://github.com/lihongwen/deepresearch-mcpserver.git
cd deepresearch-mcpserver

# Install dependencies
uv sync

# Run in development mode
uv run mcp-server-deep-research

测试

# Install the MCP Inspector for testing
npx @modelcontextprotocol/inspector uv --directory . run mcp-server-deep-research

构建与发布

  1. 同步依赖项

    uv sync

  2. 构建分发版

    uv build

    生成源代码和轮子（wheel）分发包 dist/ 目录。

  3. 发布到PyPI（Python包索引） （如果您拥有出版权）

    uv publish

项目结构

deepresearch-mcpserver/
├── src/
│   └── mcp_server_deep_research/
│       ├── __init__.py
│       └── server.py           # Main MCP server implementation
├── pyproject.toml              # Project configuration
├── README.md                   # This file
└── LICENSE                     # MIT License

🤝 贡献（或“参与贡献”）

欢迎投稿！以下是您可以提供帮助的方式：

  1. 🐛 表示“虫子”或“错误（bug）”。在中文里，这个表情符号常被用来形容出现小问题或小故障，类似于英文中的“bug”。 报告错误打开一个议题描述这个错误
  2. 💡 灯泡（或“灵感”、“想法”的象征） 建议功能分享你的改进意见
  3. 🔧 修理工具或螺丝刀的符号，常用于表示需要修理或调整的事物。 **提交拉取请求（Pull Request）**修复漏洞或添加功能
  4. 📖 书籍或阅读的象征 完善文档帮助改进文档

贡献指南

  • 遵循现有的代码风格
  • 为新功能添加测试
  • 根据需要更新文档
  • 编写清晰的提交信息

📝 更新日志

版本0.2.0（最新版）- 重大研究方法论重构

  • ✅ 智能复杂性评估自动评估与自适应方法
  • ✅ 多层渐进式研究三层次深度体系（概览/深入探讨/专家级）
  • ✅ 动态层次子问题基于树结构复杂性的3-8个问题
  • ✅ 批判性分析框架信息来源的可信度、证据分级、偏倚评估、假设检验
  • ✅ 翻译成中文是：✅（这个符号本身在中文中通常表示“正确”或“确认”，没有具体的文字含义，所以直接保留符号或根据上下文可能翻译为“正确”、“确认”等）。如果仅是展示这个符号，那么中文中也会直接使用“✅”来表示。 9+个分析框架SWOT（优势、劣势、机会、威胁分析），PEST（政治、经济、社会、技术分析），5W2H（何事、何人、何时、何地、为何、如何、多少），比较分析，趋势分析，案例研究，利益相关者，证据金字塔，系统思维
  • ✅ 翻译为中文是：✅（这个符号本身在中文中没有特定的含义，通常用来表示正确、确认或完成的状态，类似于英文中的“check mark”或“tick”） 跨学科综合跨领域洞察的多视角分析
  • ✅ 出版级报告执行摘要、方法论、批判性分析、局限性、建议、术语表
  • ✅ 置信水平系统所有结论的评级为：高/中/低/推测性
  • ✅ 加强证据标准可信度评级、证据分类、引用要求
  • ✅ 表示“正确”或“对”。 全面测试指南针对简单/中等/复杂/高度复杂问题的测试用例

版本0.1.0 - 初始发布

  • ✅ 已添加 start_deep_research 直接调用工具
  • ✅ 通过结构化提示增强研究工作流程
  • ✅ 改进了错误处理和日志记录
  • ✅ 已更新文档并添加示例

🙏 致谢

这个项目是基于原版（或原始版本）的 MCP服务器深度研究 通过阅读+人工智能（的方式）。

特别感谢：

  • 针对MCP协议的人工智能公司Anthropic与Claude AI
  • 开源社区提供灵感和支持

📜 许可证

这个项目遵循MIT许可证授权——详见 许可证 文件中有详细信息。

🔗 链接

  • **仓库（或存储库）**https://github.com/lihongwen/deepresearch-mcpserver 翻译为中文是：“https://github.com/lihongwen/深度研究-MCP服务器（或：深度研究中的MCP服务器项目）”。不过，为了更自然地表达，我们可能会稍作调整，比如：“GitHub上的深度研究MCP服务器项目（由lihongwen维护）”
  • 问题https://github.com/lihongwen/deepresearch-mcpserver/issues（译文：https://github.com/lihongwen/deepresearch-mcpserver/issues）
  • MCP协议https://modelcontextprotocol.io（该网址的中文表述可直接为网址原文，无需翻译，但若需说明其含义，可表述为：“这是一个指向Model Context Protocol官方网站的链接”）
  • **Claude Desktop（可译为“Claude桌面版”或根据上下文简化为“Claude桌面”）**https://claude.ai/download（该网址可译为“克劳德.ai下载页面”，但通常网址本身不直接翻译，保持原样即可）

用心打造，助力更卓越的AI研究

相关 MCP