MCP ディープウェブリサーチサーバー (v0.3.0)

高度な Web 調査のためのモデル コンテキスト プロトコル (MCP) サーバー。

最新の変更点

• ウェブページコンテンツを直接抽出するための visit_page ツールを追加しました

• MCPタイムアウト制限内で動作するように最適化されたパフォーマンス

  • デフォルトのmaxDepthとmaxBranchingパラメータを削減

  • ページの読み込み効率の向上

  • プロセス全体にタイムアウトチェックを追加しました

  • タイムアウト時のエラー処理の強化

このプロジェクトは、 mzxraiによるmcp-webresearchのフォークであり、ディープウェブリサーチ機能のための追加機能が強化されています。私たちは、元の作成者たちの基礎的な作業に感謝いたします。

インテリジェントな検索キューイング、強化されたコンテンツ抽出、詳細な調査機能により、Claude にリアルタイムの情報を取り込みます。

特徴

• インテリジェント検索キューシステム

  • レート制限付きのバッチ検索操作

  • 進捗状況を追跡するキュー管理

  • エラー回復と自動再試行

  • 検索結果の重複排除

• 強化されたコンテンツ抽出

  • TF-IDFベースの関連性スコアリング

  • キーワード近接分析

  • コンテンツセクションの重み付け

  • 読みやすさスコア

  • HTML構造解析の改善

  • 構造化データ抽出

  • コンテンツの整理とフォーマットの改善

• コア機能

  • Google検索統合

  • ウェブページコンテンツの抽出

  • 研究セッションの追跡

  • フォーマットが改善されたマークダウン変換

前提条件

• Node.js >= 18 ( npmとnpxを含む)

• クロードデスクトップアプリ

インストール

Smithery経由でインストール

Smithery経由で Claude Desktop 用の Deep Web Research Server を自動的にインストールするには:

グローバルインストール（推奨）

ローカルプロジェクトのインストール

クロードデスクトップ統合

パッケージをインストールした後、 claude_desktop_config.jsonに次のエントリを追加します。

ウィンドウズ

場所: %APPDATA%\Claude\claude_desktop_config.json

macOS

場所: ~/Library/Application Support/Claude/claude_desktop_config.json

この設定により、Claude Desktop は必要に応じて Web リサーチ MCP サーバーを自動的に起動できるようになります。

初回セットアップ

インストール後、このコマンドを実行して必要なブラウザ依存関係をインストールします。

使用法

Claude とチャットを開始し、Web リサーチに役立つプロンプトを送信するだけです。より詳細な Web リサーチ向けにカスタマイズされた既成のプロンプトが必要な場合は、このパッケージで提供されているagentic-researchプロンプトをご利用ください。Claude Desktop でこのプロンプトにアクセスするには、チャット入力欄のペーパークリップアイコンをクリックし、 Choose an integration → deepwebresearch → agentic-researchを選択します。

ツール

1. deep_research

   • コンテンツ分析による包括的な調査を実施

   • 引数:

     { topic: string; maxDepth?: number; // default: 2 maxBranching?: number; // default: 3 timeout?: number; // default: 55000 (55 seconds) minRelevanceScore?: number; // default: 0.7 }

   • 戻り値:

     { findings: { mainTopics: Array<{name: string, importance: number}>; keyInsights: Array<{text: string, confidence: number}>; sources: Array<{url: string, credibilityScore: number}>; }; progress: { completedSteps: number; totalSteps: number; processedUrls: number; }; timing: { started: string; completed?: string; duration?: number; operations?: { parallelSearch?: number; deduplication?: number; topResultsProcessing?: number; remainingResultsProcessing?: number; total?: number; }; }; }

2. parallel_search

   • インテリジェントなキューイングで複数の Google 検索を並行して実行します

   • 引数: { queries: string[], maxParallel?: number }

   • 注: 信頼性の高いパフォーマンスを確保するために、maxParallel は 5 に制限されています。

3. visit_page

   • ウェブページにアクセスしてコンテンツを抽出する

   • 引数: { url: string }

   • 戻り値:

     { url: string; title: string; content: string; // Markdown formatted content }

プロンプト

agentic-research

クロードが徹底的なウェブ調査を行うのに役立つガイド付きリサーチプロンプト。このプロンプトは、クロードに以下の指示を与えます。

• トピックの状況を理解するために、まずは広範囲な検索から始めましょう

• 高品質で信頼できる情報源を優先する

• 調査結果に基づいて研究の方向性を繰り返し改善する

• 情報を提供し、インタラクティブに研究を進めることができます

• 常にURLでソースを引用する

設定オプション

サーバーは環境変数を通じて設定できます:

• MAX_PARALLEL_SEARCHES : 同時検索の最大数（デフォルト: 5）

• SEARCH_DELAY_MS : 検索間の遅延（ミリ秒単位）（デフォルト: 200）

• MAX_RETRIES : 失敗したリクエストの再試行回数（デフォルト: 3）

• TIMEOUT_MS : リクエストタイムアウト（ミリ秒）（デフォルト: 55000）

• LOG_LEVEL : ログレベル（デフォルト: 'info'）

エラー処理

よくある問題

1. レート制限

   • 症状: 「リクエストが多すぎます」というエラー

   • 解決策: SEARCH_DELAY_MSを増やすか、 MAX_PARALLEL_SEARCHESを減らす

2. ネットワークタイムアウト

   • 症状: 「リクエストがタイムアウトしました」というエラー

   • 解決策: リクエストが60秒のMCPタイムアウト内に完了することを確認する

3. ブラウザの問題

   • 症状: 「ブラウザの起動に失敗しました」というエラー

   • 解決策: Playwright が正しくインストールされていることを確認してください ( npx playwright install )

デバッグ

これはベータ版ソフトウェアです。問題が発生した場合は、以下の手順に従ってください。

1. Claude Desktop の MCP ログを確認します。

   # On macOS tail -n 20 -f ~/Library/Logs/Claude/mcp*.log # On Windows Get-Content -Path "$env:APPDATA\Claude\logs\mcp*.log" -Tail 20 -Wait

2. デバッグ ログを有効にする:

   export LOG_LEVEL=debug

発達

設定

テスト

コード品質

貢献

1. リポジトリをフォークする

2. 機能ブランチを作成します（ git checkout -b feature/amazing-feature ）

3. 変更をコミットします ( git commit -m 'Add some amazing feature' )

4. ブランチにプッシュする ( git push origin feature/amazing-feature )

5. プルリクエストを開く

コーディング標準

• TypeScriptのベストプラクティスに従う

• テストカバレッジを80%以上維持する

• 新しい機能とAPIを文書化する

• 重要な変更についてはCHANGELOG.mdを更新してください

• セマンティックバージョニングに従う

パフォーマンスに関する考慮事項

• 可能な場合はバッチ操作を使用する

• 適切なエラー処理と再試行を実装する

• 大規模なデータセットでのメモリ使用量を考慮する

• 適切な場合に結果をキャッシュする

• 大容量コンテンツにはストリーミングを使用する

要件

• Node.js >= 18

• Playwright (依存関係として自動的にインストールされます)

検証済みプラットフォーム

• [x] macOS

• [x] ウィンドウズ

• [ ] リナックス

ライセンス

マサチューセッツ工科大学

クレジット

このプロジェクトは、 mzxraiによるmcp-webresearchの優れた成果を基盤としています。オリジナルのコードベースは、私たちの強化された機能と性能の基盤となりました。

著者

qpd-v