Deep Research MCP

MCP-Recherche 🌐

Download-Versionen

Willkommen im Deep Research MCP- Repository! Dieses Projekt bietet einen Server, der mit dem Model Context Protocol (MCP) kompatibel ist. Er wurde entwickelt, um umfassende Webrecherchen zu ermöglichen. Mithilfe der Such- und Crawl-APIs von Tavily sammelt der Server detaillierte Informationen zu verschiedenen Themen und strukturiert diese Daten, um die Erstellung hochwertiger Markdown-Dokumente mithilfe großer Sprachmodelle (LLMs) zu unterstützen.

Inhaltsverzeichnis

• Merkmale
• Installation
• Verwendung
• API-Dokumentation
• Beitragen
• Lizenz
• Unterstützung

Merkmale

• MCP-Konformität : Der Server hält sich an das Model Context Protocol und gewährleistet so die Kompatibilität mit verschiedenen Tools und Diensten.
• Datenaggregation : Sammelt und strukturiert Daten aus mehreren Quellen effizient.
• Markdown-Generierung : Wandelt gesammelte Daten in gut strukturierte Markdown-Dokumente um.
• Web-Crawling : Nutzt die Such- und Crawl-APIs von Tavily für eine gründliche Webrecherche.
• Node.js und TypeScript : Erstellt mit modernen Technologien für bessere Leistung und Wartbarkeit.

Installation

Um mit Deep Research MCP zu beginnen, folgen Sie diesen Schritten:

1. Klonen Sie das Repository :
   git clone https://github.com/ali-kh7/deep-research-mcp.git
2. Navigieren Sie zum Projektverzeichnis :
   cd deep-research-mcp
3. Installieren Sie die Abhängigkeiten :
   npm install
4. Führen Sie den Server aus :
   npm start

Sie können auch im Abschnitt „Releases“ nach herunterladbaren Dateien und bestimmten Versionen suchen.

Verwendung

Sobald der Server läuft, können Sie über die API mit ihm interagieren. So nutzen Sie sie effektiv:

1. Senden Sie eine Anfrage, um Informationen zu sammeln :Sie können eine Anfrage mit einem bestimmten Thema an den Server senden, um Daten zu sammeln. Der Server gibt strukturierte Informationen zurück, die für die Markdown-Generierung bereit sind.Beispielanfrage:
   POST /api/research Content-Type: application/json { "topic": "Artificial Intelligence" }
2. Strukturierte Daten erhalten :Der Server antwortet mit Daten in einem strukturierten Format. Diese Daten können direkt verwendet oder in Markdown-Dokumente umgewandelt werden.
3. Markdown-Dokumente generieren :Die strukturierten Daten können mithilfe der bereitgestellten Funktionen in der API in Markdown konvertiert werden.

Beispiel für Markdown-Ausgabe

API-Dokumentation

Eine ausführliche API-Dokumentation finden Sie im Ordner docs in diesem Repository. Sie enthält Informationen zu allen verfügbaren Endpunkten, Anforderungsformaten und Antwortstrukturen.

Endpunkte

• POST /api/research : Sammeln Sie Informationen zu einem bestimmten Thema.
• GET /api/status : Überprüfen Sie den Serverstatus.

Beitragen

Wir freuen uns über Beiträge zur Verbesserung von Deep Research MCP. Wenn Sie beitragen möchten, folgen Sie bitte diesen Schritten:

1. Forken Sie das Repository .
2. Erstellen Sie einen neuen Zweig :
   git checkout -b feature/YourFeatureName
3. Nehmen Sie Ihre Änderungen vor .
4. Übernehmen Sie Ihre Änderungen :
   git commit -m "Add your message here"
5. Zum Zweig pushen :
   git push origin feature/YourFeatureName
6. Öffnen Sie eine Pull-Anfrage .

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert. Weitere Informationen finden Sie in der Datei LICENSE .

Unterstützung

Wenn Sie auf Probleme stoßen oder Fragen haben, sehen Sie im Abschnitt „Releases“ nach oder öffnen Sie ein Problem im Repository.

Vielen Dank, dass Sie sich Deep Research MCP angesehen haben! Wir hoffen, dieses Tool erweitert Ihre Web-Recherche-Möglichkeiten. Viel Spaß beim Programmieren!