Глубокие исследования MCP 🌐

Скачать релизы

Добро пожаловать в репозиторий Deep Research MCP ! Этот проект предоставляет сервер, совместимый с Model Context Protocol (MCP). Он разработан для облегчения всесторонних веб-исследований. Используя API поиска и сканирования Tavily, сервер собирает подробную информацию по различным темам и структурирует эти данные для поддержки создания высококачественных документов markdown с использованием больших языковых моделей (LLM).

Оглавление

• Функции

• Установка

• Использование

• API-документация

• Внося вклад

• Лицензия

• Поддерживать

Related MCP server: Deep Research MCP Server

Функции

• Соответствие MCP : сервер соответствует протоколу Model Context, обеспечивая совместимость с различными инструментами и службами.

• Агрегация данных : эффективно собирает и структурирует данные из нескольких источников.

• Генерация Markdown : преобразует собранные данные в хорошо структурированные документы Markdown.

• Веб-сканирование : использует API поиска и сканирования Tavily для углубленного веб-исследования.

• Node.js и TypeScript : созданы с использованием современных технологий для повышения производительности и удобства обслуживания.

Установка

Чтобы начать работу с Deep Research MCP, выполните следующие действия:

1. Клонируйте репозиторий :

   git clone https://github.com/ali-kh7/deep-research-mcp.git

2. Перейдите в каталог проекта :

   cd deep-research-mcp

3. Установите зависимости :

   npm install

4. Запустите сервер :

   npm start

Вы также можете проверить раздел «Релизы» на предмет загружаемых файлов и конкретных версий.

Использование

После запуска сервера вы можете взаимодействовать с ним через API. Вот как эффективно его использовать:

1. Отправить запрос на сбор информации :

   Вы можете отправить запрос на сервер с определенной темой для сбора данных. Сервер вернет структурированную информацию, готовую для генерации markdown.

   Пример запроса:

   POST /api/research
   Content-Type: application/json
   
   {
     "topic": "Artificial Intelligence"
   }

2. Получайте структурированные данные :

   Сервер отвечает данными в структурированном формате. Эти данные могут быть использованы напрямую или преобразованы в документы markdown.

3. Создание документов с уценкой :

   Структурированные данные можно преобразовать в разметку с помощью функций, предоставленных в API.

Пример вывода Markdown

# Artificial Intelligence

## Overview
Artificial Intelligence (AI) refers to the simulation of human intelligence in machines.

## Applications
- Healthcare
- Finance
- Transportation

## Conclusion
AI is transforming industries and shaping the future.

API-документация

Подробную документацию API см. в папке docs в этом репозитории. Она содержит информацию обо всех доступных конечных точках, форматах запросов и структурах ответов.

Конечные точки

• POST /api/research : Сбор информации по определенной теме.

• GET /api/status : проверка статуса сервера.

Внося вклад

Мы приветствуем вклады в улучшение Deep Research MCP. Если вы хотите внести вклад, выполните следующие шаги:

1. Форк репозитория .

2. Создайте новую ветку :

   git checkout -b feature/YourFeatureName

3. Внесите изменения .

4. Подтвердите свои изменения :

   git commit -m "Add your message here"

5. Нажмите на ветку :

   git push origin feature/YourFeatureName

6. Откройте запрос на извлечение .

Лицензия

Этот проект лицензирован по лицензии MIT. Подробности см. в файле LICENSE .

Поддерживать

Если у вас возникли какие-либо проблемы или есть вопросы, проверьте раздел «Релизы» или создайте проблему в репозитории.

Спасибо, что ознакомились с Deep Research MCP! Надеемся, этот инструмент расширит ваши возможности веб-исследований. Удачного кодирования!