Skip to main content
Glama
Sign In
deenesjakoruzh
agentic-research

agentic-research

by abhilash2429
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Remote

agentic-research

에이전트 기반 웹 리서치 파이프라인입니다. 자연어로 질문하면 웹을 검색하고, 후보 페이지를 가져와 청킹 및 임베딩한 다음, 관련 스팬만 검색하여 정확한 출처 구절을 가리키는 인용과 함께 답변을 반환합니다.

사람뿐만 아니라 AI 에이전트가 호출하도록 설계되었습니다. MCP 서버는 이를 deep_research 도구로 노출하므로, 코딩 에이전트가 훈련 데이터에서 추측하는 대신 최신의 인용된 정보를 찾아 사용할 수 있습니다.

검색 계층이 필요한 이유

웹에 대한 일반적인 에이전트 접근 방식은 검색하고, 전체 페이지를 가져와 컨텍스트 창에 통째로 넣고, 답변하는 것입니다. 이 방식은 소수의 소스로 제한되고, 대부분 관련 없는 페이지에 대해 전체 토큰 비용을 부과합니다.

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

상태

진행 중인 작업으로, 단계별로 구축되고 있습니다. 각 계층에 대한 설명은 docs/를 참조하세요.

단계

계층

상태

0

기반, 공유 계약

완료

1

설정, 역할 기반 LLM 팩토리

완료

2

가져오기 및 추출

완료

3

계층적 청킹

완료

4

인덱싱 및 리랭킹

진행 중

5

검색 제공자

완료

6

단일 리서처 루프

예정

7

전체 그래프: 팬아웃, 명확화, 압축

예정

8

평가 하네스

예정

9

서비스 계층 및 API

예정

10

MCP 서버

예정

11

웹 UI

예정

설정

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

계층마다 하나의 명령이 있어 각 계층이 단독으로 수행하는 작업을 확인할 수 있습니다.

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

라이선스

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.
    5 npm
    325
    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