Skip to main content
Glama
deenesjakoruzh
abhilash2429

agentic-research

by abhilash2429
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Remote

agentic-research

エージェント型リサーチパイプライン。自然言語で質問すると、ウェブを検索し、 候補ページを取得してチャンクに分割し、埋め込みを生成して関連する断片だけを取得し、 出典となる正確な箇所を引用付きで回答を返します。

AIエージェントからも人間からも呼び出せるように設計されています。MCPサーバーが deep_research ツールとして公開しているため、コーディングエージェントは トレーニングデータから推測する代わりに、最新の情報を引用付きで取得できます。

なぜ検索レイヤーなのか

一般的なエージェントのウェブ活用方法は、「検索 → ページ全体を取得 → コンテキストウィンドウに 丸ごと入れる → 回答する」という流れです。これでは参照できる情報源が数個に限られ、 ほとんど関連しないページに対しても全文分のトークンコストを支払うことになります。

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 citations

Related MCP server: Deep Research MCP Server

ステータス

段階的に構築中です。各レイヤーの詳細は docs/ を参照してください。

フェーズ

レイヤー

状態

0

基盤、共通コントラクト

完了

1

設定、ロールベースのLLMファクトリー

完了

2

取得と抽出

完了

3

階層型チャンキング

完了

4

インデックスとリランク

進行中

5

検索プロバイダー

完了

6

単一リサーチャーループ

未着手

7

完全グラフ：ファンアウト、明確化、圧縮

未着手

8

評価ハーネス

未着手

9

サービス層とAPI

未着手

10

MCPサーバー

未着手

11

Web UI

未着手

セットアップ

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 doctor

CLI

レイヤーごとに1コマンドで、それぞれの動作を単独で確認できます。

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 baseline

ライセンス

MIT

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityMaintained
ResponsivenessSyncing

Resources

Related MCP Connectors

Related MCP Servers

  • Deep Research MCP Server

    teelaitila
    A
    license
    Not graded
    quality
    D
    maintenance
    Enables 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

  • Deep Research MCP Server

    Hajime-Y
    A
    license
    Not graded
    quality
    D
    maintenance
    An agent-based tool that provides web search and advanced research capabilities including document analysis, image description, and YouTube transcript retrieval.
    17
    Apache 2.0

  • Gemini DeepSearch MCP

    alexcong
    A
    license
    B
    quality
    C
    maintenance
    An 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.
    1
    34 PyPI
    28
    MIT