Skip to main content
Glama
enesjakozh
Ozamatash

Deep Research MCP Server

by Ozamatash
OverviewSchemaRelated ServersScoreDiscussions
TypeScript
Remote

ディープリサーチMCPサーバーを開く

AIを搭載したリサーチアシスタントは、あらゆるトピックについて深く反復的なリサーチを実行します。検索エンジン、ウェブスクレイピング、AIを組み合わせ、トピックを深く掘り下げて包括的なレポートを生成します。モデルコンテキストプロトコル（MCP）ツールまたはスタンドアロンのCLIとしてご利用いただけます。レポートの外観については、exampleout.mdをご覧ください。

クイックスタート

  1. クローンしてインストール:

git clone https://github.com/Ozamatash/deep-research cd deep-research npm install

  1. .env.localで環境を設定します。

# Copy the example environment file cp .env.example .env.local

  1. 建てる：

# Build the server npm run build

  1. cli バージョンを実行します:

npm run start "Your research query here"

  1. Claude Desktop で MCP サーバーをテストします。
    サーバー クイックスタートの下部にあるガイドに従って、サーバーを Claude Desktop に追加します。
    https://modelcontextprotocol.io/quickstart/server

Related MCP server: Octagon Deep Research MCP

特徴

  • ターゲットを絞った検索クエリを生成して、深く反復的な調査を実行します。

  • 深さ（深さ）と幅（広さ）のパラメータで研究範囲を制御する

  • 詳細なスコア（0～1）と推論で情報源の信頼性を評価する

  • 信頼性の高い情報源（0.7以上）を優先し、信頼性の低い情報を検証する

  • 研究ニーズをより深く理解するためにフォローアップの質問を生成する

  • 調査結果、ソース、信頼性評価を含む詳細なマークダウンレポートを作成します

  • AIエージェント用のモデルコンテキストプロトコル（MCP）ツールとして利用可能

  • 現時点ではMCPバージョンではフォローアップの質問は行われません

仕組み

flowchart TB subgraph Input Q[User Query] B[Breadth Parameter] D[Depth Parameter] FQ[Feedback Questions] end subgraph Research[Deep Research] direction TB SQ[Generate SERP Queries] SR[Search] RE[Source Reliability Evaluation] PR[Process Results] end subgraph Results[Research Output] direction TB L((Learnings with Reliability Scores)) SM((Source Metadata)) ND((Next Directions: Prior Goals, New Questions)) end %% Main Flow Q & FQ --> CQ[Combined Query] CQ & B & D --> SQ SQ --> SR SR --> RE RE --> PR %% Results Flow PR --> L PR --> SM PR --> ND %% Depth Decision and Recursion L & ND --> DP{depth > 0?} DP -->|Yes| SQ %% Final Output DP -->|No| MR[Markdown Report] %% Styling classDef input fill:#7bed9f,stroke:#2ed573,color:black classDef process fill:#70a1ff,stroke:#1e90ff,color:black classDef output fill:#ff4757,stroke:#ff6b81,color:black classDef results fill:#a8e6cf,stroke:#3b7a57,color:black,width:150px,height:150px class Q,B,D,FQ input class SQ,SR,RE,PR process class MR output class L,SM,ND results

詳細設定

Local Firecrawl の使用（無料オプション）

Firecrawl APIを使用する代わりに、ローカルインスタンスを実行することもできます。searchapiキーの使用を避けるため、公式リポジトリまたは検索バックエンドとしてsearXNGを使用する私のフォークを使用してください。

  1. ローカル Firecrawl をセットアップします。

git clone https://github.com/Ozamatash/localfirecrawl cd localfirecrawl # Follow setup in localfirecrawl README

  1. .env.localを更新します:

FIRECRAWL_BASE_URL="http://localhost:3002"

オプション: 可観測性

Langfuse を使用して、研究フロー、クエリ、結果を追跡するための可観測性を追加します。

# Add to .env.local LANGFUSE_PUBLIC_KEY="your_langfuse_public_key" LANGFUSE_SECRET_KEY="your_langfuse_secret_key"

Langfuse キーが提供されていない場合、アプリは観測可能性なしで正常に動作します。

ライセンス

MITライセンス

This server cannot be installed

-
security - not tested
A
license - permissive license
-
quality - not tested

How are these scores calculated?

Resources

Appeared in Searches

New MCP Servers

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/Ozamatash/deep-research-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server