AI导哈

深度研究服务器

MCP服务器为AI助手提供深度网络研究和生成全面报告的功能，支持多代理协作研究。

  • by mythrantic
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 mythrantic/deep-research

使用说明

深入研究MCP

用于Deep Research的MCP服务器，使AI助手能够进行深度网络研究并生成全面的报告。它采用Machine Core构建，以分而治之的方式支持多个代理进行研究。这些代理可以根据您的意愿进行编辑，以便该研究人员扮演特定的角色进行研究。

例如，如果你正在研究一些金融主题，“逻辑”型代理和“创意”型代理会给出截然不同的结果。你也可以混合搭配。

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：

  1. 安装依赖项：

    git clone https://github.com/mythrantic/deep-research.git
pip install -r requirements.txt

  2. 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/deep-research/src/server.py"],
      "env": {
        "OLLAMA_BASE_URL": "your-ollama-base-url-here",
        "LLM_MODEL": "your-llm-model-here"
        // you can use any env var https://github.com/samletnorge/machine-core defines and its dependency. it is the multiagent framework that allows this to work.
      }
    }
  }
}

  3. 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。支持任何深度研究支持的网络检索器，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

  • 紫外线/制造

⚙️ 安装

  1. 克隆存储库：
git clone https://github.com/mythrantic/deep-research.git
cd deep-research
  1. 安装深度研究依赖关系：
cd deep-research
uv sync
  1. 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：

您还可以添加以下允许的任何其他env变量https://github.com/samletnorge/machine-core及其依赖关系，例如 LLM_PROVIDER 等等

🚀 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 src/server.py
mcp run src/server.py
uv run src/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 deep-research .
docker run -d \
  --name deep-research \
  -p 8000:8000 \
  --env-file .env \
  deep-research

相关 MCP