Investigación profunda MCP
📚 Descripción general
DeepResearch MCP es un potente asistente de investigación basado en el Protocolo de Contexto de Modelo (MCP). Realiza investigaciones inteligentes e iterativas sobre cualquier tema mediante búsquedas web, análisis y generación de informes completos.
🌟 Características principales
- Exploración inteligente de temas : identifica automáticamente las lagunas de conocimiento y genera consultas de búsqueda enfocadas
- Extracción integral de contenido : web scraping mejorado con organización de contenido optimizada
- Procesamiento de conocimiento estructurado : preserva información importante mientras administra el uso de tokens
- Generación de informes académicos : crea informes detallados y bien estructurados con resúmenes ejecutivos, análisis y visualizaciones.
- Bibliografía completa : cita correctamente todas las fuentes con referencias numeradas
- Gestión de contenido adaptable : administra automáticamente el contenido para mantenerse dentro de los límites de tokens.
- Resiliencia ante errores : se recupera de errores y genera informes parciales cuando no es posible el procesamiento completo
🛠️ Arquitectura
┌────────────────────┐ ┌─────────────────┐ ┌────────────────┐
│ │ │ │ │ │
│ MCP Server Layer ├────►│ Research Service├────►│ Search Service │
│ (Tools & Prompts) │ │ (Session Mgmt) │ │ (Firecrawl) │
│ │ │ │ │ │
└────────────────────┘ └─────────┬───────┘ └────────────────┘
│
▼
┌─────────────────┐
│ │
│ OpenAI Service │
│ (Analysis/Rpt) │
│ │
└─────────────────┘
💻 Instalación
Prerrequisitos
- Node.js 18 o superior
- Clave API de OpenAI
- Clave API de Firecrawl
Pasos de configuración
- Clonar el repositorio
git clone <repository-url>
cd deep-research-mcp
- Instalar dependencias
- Configurar variables de entornoEdite el archivo
.env y agregue sus claves API:OPENAI_API_KEY=sk-your-openai-api-key
FIRECRAWL_API_KEY=your-firecrawl-api-key
- Construir el proyecto
🚀 Uso
Ejecución del servidor MCP
Inicie el servidor en stdio para conexiones de cliente MCP:
Usando el cliente de ejemplo
Realizar una investigación sobre un tema específico con una profundidad determinada:
npm run client "Your research topic" 3
Parámetros:
- Primer argumento: Tema de investigación o consulta
- Segundo argumento: Profundidad de la investigación (número de iteraciones, predeterminado: 2)
- Tercer argumento (opcional): "completo" para utilizar la herramienta de investigación completa (proceso de un solo paso)
Ejemplo:
npm run client "the impact of climate change on coral reefs" 3 complete
Ejemplo de salida
El MCP de DeepResearch producirá un informe completo que incluye:
- Resumen ejecutivo : descripción general concisa de los resultados de la investigación
- Introducción - Contexto e importancia del tema de investigación
- Metodología - Descripción del enfoque de la investigación
- Análisis exhaustivo : examen detallado del tema
- Análisis comparativo : comparación visual de aspectos clave
- Discusión - Interpretación de los hallazgos e implicaciones
- Limitaciones - Restricciones y lagunas en la investigación
- Conclusión - Conclusiones y recomendaciones finales
- Bibliografía - Lista completa de fuentes con URL
🔧 Integración MCP
Recursos MCP disponibles
| Ruta de recursos | Descripción |
|---|
research://state/{sessionId} | Acceder al estado actual de una sesión de investigación |
research://findings/{sessionId} | Acceda a los resultados recopilados para una sesión |
Herramientas MCP disponibles
| Nombre de la herramienta | Descripción | Parámetros |
|---|
initialize-research | Iniciar una nueva sesión de investigación | query : cadena, depth : número |
execute-research-step | Ejecutar el siguiente paso de investigación | sessionId : cadena |
generate-report | Crear un informe final | sessionId : cadena, timeout : número (opcional) |
complete-research | Ejecutar todo el proceso de investigación | query : cadena, depth : número, timeout : número (opcional) |
🖥️ Integración de escritorio de Claude
DeepResearch MCP se puede integrar con Claude Desktop para proporcionar capacidades de investigación directa a Claude.
Pasos de configuración
- Copiar la configuración de muestra
cp claude_desktop_config_sample.json ~/path/to/claude/desktop/config/directory/claude_desktop_config.json
- Editar el archivo de configuraciónActualice la ruta para que apunte a su instalación de deep-research-mcp y agregue sus claves API:
{
"mcpServers": {
"deep-research": {
"command": "node",
"args": [
"/absolute/path/to/your/deep-research-mcp/dist/index.js"
],
"env": {
"FIRECRAWL_API_KEY": "your-firecrawler-api-key",
"OPENAI_API_KEY": "your-openai-api-key"
}
}
}
}
- Reiniciar Claude DesktopDespués de guardar la configuración, reinicie Claude Desktop para que los cambios surtan efecto.
- Uso con Claude DesktopAhora puedes pedirle a Claude que realice una investigación usando comandos como:
Can you research the impact of climate change on coral reefs and provide a detailed report?
📋 Código de cliente de muestra
import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";
async function main() {
// Connect to the server
const transport = new StdioClientTransport({
command: "node",
args: ["dist/index.js"]
});
const client = new Client({ name: "deep-research-client", version: "1.0.0" });
await client.connect(transport);
// Initialize research
const initResult = await client.callTool({
name: "initialize-research",
arguments: {
query: "The impact of artificial intelligence on healthcare",
depth: 3
}
});
// Parse the response to get sessionId
const { sessionId } = JSON.parse(initResult.content[0].text);
// Execute steps until complete
let currentDepth = 0;
while (currentDepth < 3) {
const stepResult = await client.callTool({
name: "execute-research-step",
arguments: { sessionId }
});
const stepInfo = JSON.parse(stepResult.content[0].text);
currentDepth = stepInfo.currentDepth;
console.log(`Completed step ${stepInfo.currentDepth}/${stepInfo.maxDepth}`);
}
// Generate final report with timeout
const report = await client.callTool({
name: "generate-report",
arguments: {
sessionId,
timeout: 180000 // 3 minutes timeout
}
});
console.log("Final Report:");
console.log(report.content[0].text);
}
main().catch(console.error);
🔍 Solución de problemas
Problemas comunes
- Límite de tokens excedido : En temas de investigación muy extensos, es posible que se produzcan errores de límite de tokens de OpenAI. Pruebe:
- Reducir la profundidad de la investigación
- Usando consultas más específicas
- Dividir temas complejos en subtemas más pequeños
- Errores de tiempo de espera : En investigaciones complejas, el proceso puede agotar el tiempo de espera. Soluciones:
- Aumentar los parámetros de tiempo de espera en las llamadas de herramientas
- Utilice la herramienta
complete-research con un tiempo de espera más largo - Investigación de procesos en fragmentos más pequeños
- Límites de velocidad de la API : si encuentra errores de límite de velocidad de OpenAI o Firecrawl:
- Implementar un retraso entre los pasos de la investigación
- Utilice una clave API con límites de velocidad más altos
- Reintentar con retroceso exponencial
📝 Licencia
ISC
🙏 Agradecimientos