A
licenseNot graded
qualityD
maintenanceEnables iterative deep research by integrating AI agents with search engines, web scraping, and large language models for efficient data gathering and comprehensive reporting.
4 npm
324
MIT
agentic-research
by abhilash2429
agentic-research
Un pipeline de investigación web agéntico. Haz una pregunta en lenguaje natural; busca en la web, obtiene páginas candidatas, las divide en fragmentos y las incrusta, recupera solo los fragmentos relevantes y devuelve una respuesta con citas que apuntan al pasaje fuente exacto.
Diseñado para ser llamado tanto por un agente de IA como por un humano. El servidor MCP lo expone como una herramienta deep_research, de modo que un agente de codificación pueda acceder a información actualizada y citada en lugar de adivinar a partir de los datos de entrenamiento.
Por qué una capa de recuperación
El enfoque habitual de los agentes para la web es: buscar, obtener la página completa, poner todo en la ventana de contexto y responder. Eso te limita a un puñado de fuentes y te cobra el precio completo de tokens por páginas que resultan ser en su mayoría irrelevantes.
typical: search -> fetch full page -> stuff into context -> answer
~5 sources, full token price per page, no span-level citation
here: search -> fetch N pages -> parent/child chunk -> embed
-> retrieve only relevant children -> expand parents on demand
-> compress -> answer
~30 sources, lower token cost, structural citationsRelated MCP server: Deep Research MCP Server
Estado
Trabajo en curso, construido por fases. Consulta docs/ para una nota sobre cada capa.
Fase | Capa | Estado |
0 | Base, contratos compartidos | hecho |
1 | Config, fábrica de LLM basada en roles | hecho |
2 | Obtención y extracción | hecho |
3 | Fragmentación jerárquica | hecho |
4 | Indexación y reordenamiento | en progreso |
5 | Proveedores de búsqueda | hecho |
6 | Bucle de investigador único | pendiente |
7 | Grafo completo: expansión, aclaración, compresión | pendiente |
8 | Arnés de evaluación | pendiente |
9 | Capa de servicio y API | pendiente |
10 | Servidor MCP | pendiente |
11 | Interfaz web | pendiente |
Configuración
python -m venv .venv
.venv/Scripts/python -m pip install -e ".[dev,api,mcp]"
cp .env.example .env # fill in LiteLLM and search keys
docker compose up -d qdrant
ares doctorCLI
Un comando por capa, para que puedas ver qué hace cada una por sí sola.
ares doctor # proxy, models and Qdrant reachable
ares fetch <url> --show # raw HTML to clean markdown
ares chunk <url> # the parent/child tree
ares index <url> # embed and store, or report a cache hit
ares search "..." --no-rerank # retrieval without the reranker
ares search "..." --rerank # and with it
ares websearch "..." # provider results
ares research "..." # the whole loop, cited answer
ares eval # scorecard against the committed baselineLicencia
MIT
This server cannot be deployed
Maintenance
ActivityMaintained
ResponsivenessSyncing
Related MCP Connectors
Web search, fetch, extract, and research for AI agents. Markdown output + AI-synthesized answers.
Real-time web and scholarly search with cited answers and multi-step deep research.
Agent-native search engine with live web research optimized for AI agents.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceAn agent-based tool that provides web search and advanced research capabilities including document analysis, image description, and YouTube transcript retrieval.17Apache 2.0
- AlicenseNot gradedqualityDmaintenanceEnhances LLM applications with deep autonomous web research capabilities, delivering higher quality information than standard search tools by exploring and validating numerous trusted sources.378MIT
- AlicenseBqualityCmaintenanceAn automated research agent that leverages Google Gemini models and Google Search to perform deep, multi-step web research, generating sophisticated queries and producing citation-rich answers.133 PyPI28MIT