mcp-research

Автономный сервер MCP (Model Context Protocol), предоставляющий инструменты для веб-исследований. Три проверенных в боях инструмента для ИИ-ассистентов: поиск в интернете, получение и преобразование страниц в markdown, а также выполнение комплексных многоисточниковых исследований — и всё это через протокол MCP stdio.

Инструменты

Все инструменты работают только для чтения — они получают и преобразуют общедоступный веб-контент, ничего не изменяя.

Установка

pip install mcp-research

Или запустите напрямую с помощью uvx (без установки):

uvx mcp-research

Конфигурация

Вся конфигурация осуществляется через переменные окружения — файлы конфигурации не требуются.

Использование с Claude Code

Добавьте в конфигурацию MCP Claude Code (~/.claude/settings.json или проектный .mcp.json):

{
  "mcpServers": {
    "research": {
      "command": "uvx",
      "args": ["mcp-research"],
      "env": {
        "BRAVE_API_KEY": "BSA...",
        "OLLAMA_URL": "http://localhost:11434"
      }
    }
  }
}

Использование с Claude Desktop

Добавьте в claude_desktop_config.json:

{
  "mcpServers": {
    "research": {
      "command": "uvx",
      "args": ["mcp-research"],
      "env": {
        "BRAVE_API_KEY": "BSA..."
      }
    }
  }
}

Подробности об инструментах

web_search

web_search(query, max_results=5, summarize=False, auto_fetch_top=False)

Поиск в интернете с использованием 3-уровневого каскада для максимальной надежности:

1. Brave Search API — быстрый, качественный (требуется BRAVE_API_KEY)

2. Библиотека DuckDuckGo — ключ API не требуется, повторные попытки при достижении лимита запросов

3. HTML-скрейпер DuckDuckGo — резервный вариант

Опции:

• summarize: использовать Ollama для суммаризации результатов (требуется запущенный Ollama)

• auto_fetch_top: также получить и вернуть полный контент первого результата

fetch_url

fetch_url(url, summarize=False, max_chars=50000)

Получает URL и преобразует его в чистый markdown:

• Защита от SSRF: блокирует localhost, частные IP-адреса, схемы, отличные от HTTP

• Умные повторные попытки: экспоненциальная задержка при ошибках 429/5xx, проверка редиректов на каждом этапе

• 24-часовой кэш: ключ SHA-256, настраиваемое время жизни (TTL)

• Поддержка контента: HTML → markdown, JSON → блок кода, бинарные файлы → отклоняются

• Умное усечение: разрыв происходит на границах заголовков/абзацев, а не посреди текста

research

research(query, depth="standard", context="")

Комплексный конвейер исследований:

1. Переформулирование запроса — Ollama оптимизирует ваш вопрос в поисковые ключевые слова

2. Веб-поиск — находит релевантные страницы (с расширением поиска при нулевых результатах)

3. Параллельное получение — одновременное получение N лучших страниц

4. Суммаризация — Ollama суммирует каждую страницу

5. Синтез — Ollama создает итоговый ответ со ссылками

Уровни глубины:

Все этапы корректно работают без Ollama — вы всё равно получите результаты поиска и необработанный контент страниц.

Разработка

git clone https://github.com/MABAAM/Maibaamcrawler.git
cd Maibaamcrawler
pip install -e .
python -m mcp_research

Лицензия

MIT