深度研究 MCP 🌐

下载版本

欢迎来到Deep Research MCP代码库！本项目提供了一个符合模型上下文协议 (MCP) 的服务器。它旨在促进全面的网络研究。通过利用 Tavily 的搜索和爬取 API，该服务器收集各种主题的详细信息，并构建这些数据，以支持使用大型语言模型 (LLM) 创建高质量的 Markdown 文档。

目录

• 特征

• 安装

• 用法

• API 文档

• 贡献

• 执照

• 支持

Related MCP server: Deep Research MCP Server

特征

• MCP 合规性：服务器遵守模型上下文协议，确保与各种工具和服务的兼容性。

• 数据聚合：有效地收集和构建来自多个来源的数据。

• Markdown 生成：将收集的数据转换为结构良好的 Markdown 文档。

• 网络爬取：利用 Tavily 的搜索和爬取 API 进行深入的网络研究。

• Node.js 和 TypeScript ：使用现代技术构建，以获得更好的性能和可维护性。

安装

要开始使用 Deep Research MCP，请按照以下步骤操作：

1. 克隆存储库：

   git clone https://github.com/ali-kh7/deep-research-mcp.git

2. 导航到项目目录：

   cd deep-research-mcp

3. 安装依赖项：

   npm install

4. 运行服务器：

   npm start

您还可以查看“发布”部分以了解可下载的文件和具体版本。

用法

服务器运行后，您可以通过 API 与其交互。以下是如何有效地使用它：

1. 发送收集信息的请求：

   您可以向服务器发送包含特定主题的请求来收集数据。服务器将返回可供生成 Markdown 的结构化信息。

   示例请求：

   POST /api/research Content-Type: application/json { "topic": "Artificial Intelligence" }

2. 接收结构化数据：

   服务器以结构化格式返回数据。这些数据可以直接使用，也可以转换成 Markdown 文档。

3. 生成 markdown 文档：

   可以使用 API 中提供的函数将结构化数据转换为 markdown。

Markdown 输出示例

API 文档

有关详细的 API 文档，请参阅此存储库中的docs文件夹。它包含有关所有可用端点、请求格式和响应结构的信息。

端点

• POST /api/research ：收集有关特定主题的信息。

• GET /api/status ：检查服务器状态。

贡献

我们欢迎大家为改进 Deep Research MCP 做出贡献。如果您有意贡献，请按以下步骤操作：

1. 分叉存储库。

2. 创建新分支：

   git checkout -b feature/YourFeatureName

3. 进行更改。

4. 提交您的更改：

   git commit -m "Add your message here"

5. 推送到分支：

   git push origin feature/YourFeatureName

6. 打开拉取请求。

执照

本项目遵循 MIT 许可证。详情请参阅LICENSE文件。

支持

如果您遇到任何问题或有疑问，请查看发布部分或在存储库中打开问题。

感谢您关注 Deep Research MCP！希望这款工具能够提升您的网络研究能力。祝您编程愉快！