开放深度研究 MCP 服务器
一款 AI 驱动的研究助手，可对任何主题进行深入、迭代的研究。它结合了搜索引擎、网页抓取和 AI 技术，能够深入探索主题并生成全面的报告。它可作为模型上下文协议 (MCP) 工具或独立 CLI 使用。查看 exampleout.md 了解报告的具体内容。
快速入门
克隆并安装：
git clone https://github.com/Ozamatash/deep-research
cd deep-research
npm install
在
.env.local中设置环境：
# Copy the example environment file
cp .env.example .env.local
建造：
# Build the server
npm run build
运行cli版本：
npm run start "Your research query here"
使用 Claude Desktop 测试 MCP 服务器：
按照服务器快速启动底部的指南将服务器添加到 Claude Desktop：
https://modelcontextprotocol.io/quickstart/server
Related MCP server: Octagon Deep Research MCP
特征
通过生成有针对性的搜索查询进行深入、迭代的研究
通过深度（深度）和广度（宽度）参数控制研究范围
通过详细评分（0-1）和推理来评估来源可靠性
优先考虑高可靠性来源（≥0.7）并验证可靠性较低的信息
提出后续问题以更好地了解研究需求
生成包含调查结果、来源和可靠性评估的详细降价报告
可用作 AI 代理的模型上下文协议 (MCP) 工具
目前 MCP 版本不会询问后续问题
工作原理
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
高级设置
使用本地 Firecrawl（免费选项）
除了使用 Firecrawl API，您还可以运行本地实例。您可以使用官方仓库或我的 fork（使用 searXNG 作为搜索后端），以避免使用 searchapi 键：
设置本地 Firecrawl：
git clone https://github.com/Ozamatash/localfirecrawl
cd localfirecrawl
# Follow setup in localfirecrawl README
更新
.env.local：
FIRECRAWL_BASE_URL="http://localhost:3002"
可选：可观察性
使用 Langfuse 添加可观察性以跟踪研究流程、查询和结果：
# Add to .env.local
LANGFUSE_PUBLIC_KEY="your_langfuse_public_key"
LANGFUSE_SECRET_KEY="your_langfuse_secret_key"
如果没有提供 Langfuse 密钥，应用程序将正常运行，但无法被观察。
执照
MIT 许可证