Investigación profunda MCP

📚 Descripción general

DeepResearch MCP es un potente asistente de investigación basado en el Protocolo de Contexto de Modelo (MCP). Realiza investigaciones inteligentes e iterativas sobre cualquier tema mediante búsquedas web, análisis y generación de informes completos.

🌟 Características principales

• Exploración inteligente de temas : identifica automáticamente las lagunas de conocimiento y genera consultas de búsqueda enfocadas

• Extracción integral de contenido : web scraping mejorado con organización de contenido optimizada

• Procesamiento de conocimiento estructurado : preserva información importante mientras administra el uso de tokens

• Generación de informes académicos : crea informes detallados y bien estructurados con resúmenes ejecutivos, análisis y visualizaciones.

• Bibliografía completa : cita correctamente todas las fuentes con referencias numeradas

• Gestión de contenido adaptable : administra automáticamente el contenido para mantenerse dentro de los límites de tokens.

• Resiliencia ante errores : se recupera de errores y genera informes parciales cuando no es posible el procesamiento completo

Related MCP server: OpenDeepSearch

🛠️ Arquitectura

┌────────────────────┐     ┌─────────────────┐     ┌────────────────┐
│                    │     │                 │     │                │
│  MCP Server Layer  ├────►│ Research Service├────►│ Search Service │
│  (Tools & Prompts) │     │ (Session Mgmt)  │     │  (Firecrawl)   │
│                    │     │                 │     │                │
└────────────────────┘     └─────────┬───────┘     └────────────────┘
                                     │
                                     ▼
                           ┌─────────────────┐
                           │                 │
                           │  OpenAI Service │
                           │ (Analysis/Rpt)  │
                           │                 │
                           └─────────────────┘

💻 Instalación

Prerrequisitos

• Node.js 18 o superior

• Clave API de OpenAI

• Clave API de Firecrawl

Pasos de configuración

1. Clonar el repositorio

   git clone <repository-url>
   cd deep-research-mcp

2. Instalar dependencias

   npm install

3. Configurar variables de entorno

   cp .env.example .env

   Edite el archivo .env y agregue sus claves API:

   OPENAI_API_KEY=sk-your-openai-api-key
   FIRECRAWL_API_KEY=your-firecrawl-api-key

4. Construir el proyecto

   npm run build

🚀 Uso

Ejecución del servidor MCP

Inicie el servidor en stdio para conexiones de cliente MCP:

npm start

Usando el cliente de ejemplo

Realizar una investigación sobre un tema específico con una profundidad determinada:

npm run client "Your research topic" 3

Parámetros:

• Primer argumento: Tema de investigación o consulta

• Segundo argumento: Profundidad de la investigación (número de iteraciones, predeterminado: 2)

• Tercer argumento (opcional): "completo" para utilizar la herramienta de investigación completa (proceso de un solo paso)

Ejemplo:

npm run client "the impact of climate change on coral reefs" 3 complete

Ejemplo de salida

El MCP de DeepResearch producirá un informe completo que incluye:

• Resumen ejecutivo : descripción general concisa de los resultados de la investigación

• Introducción - Contexto e importancia del tema de investigación

• Metodología - Descripción del enfoque de la investigación

• Análisis exhaustivo : examen detallado del tema

• Análisis comparativo : comparación visual de aspectos clave

• Discusión - Interpretación de los hallazgos e implicaciones

• Limitaciones - Restricciones y lagunas en la investigación

• Conclusión - Conclusiones y recomendaciones finales

• Bibliografía - Lista completa de fuentes con URL

🔧 Integración MCP

Recursos MCP disponibles

Herramientas MCP disponibles

🖥️ Integración de escritorio de Claude

DeepResearch MCP se puede integrar con Claude Desktop para proporcionar capacidades de investigación directa a Claude.

Pasos de configuración

1. Copiar la configuración de muestra

   cp claude_desktop_config_sample.json ~/path/to/claude/desktop/config/directory/claude_desktop_config.json

2. Editar el archivo de configuración

   Actualice la ruta para que apunte a su instalación de deep-research-mcp y agregue sus claves API:

   {
     "mcpServers": {
       "deep-research": {
         "command": "node",
         "args": [
           "/absolute/path/to/your/deep-research-mcp/dist/index.js"
         ],
         "env": {
           "FIRECRAWL_API_KEY": "your-firecrawler-api-key",
           "OPENAI_API_KEY": "your-openai-api-key"
         }
       }
     }
   }

3. Reiniciar Claude Desktop

   Después de guardar la configuración, reinicie Claude Desktop para que los cambios surtan efecto.

4. Uso con Claude Desktop

   Ahora puedes pedirle a Claude que realice una investigación usando comandos como:

   Can you research the impact of climate change on coral reefs and provide a detailed report?

📋 Código de cliente de muestra

import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";

async function main() {
  // Connect to the server
  const transport = new StdioClientTransport({
    command: "node",
    args: ["dist/index.js"]
  });

  const client = new Client({ name: "deep-research-client", version: "1.0.0" });
  await client.connect(transport);

  // Initialize research
  const initResult = await client.callTool({
    name: "initialize-research",
    arguments: {
      query: "The impact of artificial intelligence on healthcare",
      depth: 3
    }
  });
  
  // Parse the response to get sessionId
  const { sessionId } = JSON.parse(initResult.content[0].text);
  
  // Execute steps until complete
  let currentDepth = 0;
  while (currentDepth < 3) {
    const stepResult = await client.callTool({
      name: "execute-research-step",
      arguments: { sessionId }
    });
    
    const stepInfo = JSON.parse(stepResult.content[0].text);
    currentDepth = stepInfo.currentDepth;
    
    console.log(`Completed step ${stepInfo.currentDepth}/${stepInfo.maxDepth}`);
  }
  
  // Generate final report with timeout
  const report = await client.callTool({
    name: "generate-report",
    arguments: { 
      sessionId,
      timeout: 180000 // 3 minutes timeout
    }
  });
  
  console.log("Final Report:");
  console.log(report.content[0].text);
}

main().catch(console.error);

🔍 Solución de problemas

Problemas comunes

• Límite de tokens excedido : En temas de investigación muy extensos, es posible que se produzcan errores de límite de tokens de OpenAI. Pruebe:

  • Reducir la profundidad de la investigación

  • Usando consultas más específicas

  • Dividir temas complejos en subtemas más pequeños

• Errores de tiempo de espera : En investigaciones complejas, el proceso puede agotar el tiempo de espera. Soluciones:

  • Aumentar los parámetros de tiempo de espera en las llamadas de herramientas

  • Utilice la herramienta complete-research con un tiempo de espera más largo

  • Investigación de procesos en fragmentos más pequeños

• Límites de velocidad de la API : si encuentra errores de límite de velocidad de OpenAI o Firecrawl:

  • Implementar un retraso entre los pasos de la investigación

  • Utilice una clave API con límites de velocidad más altos

  • Reintentar con retroceso exponencial

📝 Licencia

ISC

🙏 Agradecimientos

• Construido con el Protocolo de Contexto de Modelo

• Desarrollado con OpenAI y Firecrawl