ディープリサーチMCP

📚 概要

DeepResearch MCPは、モデルコンテキストプロトコル（MCP）を基盤とする強力なリサーチアシスタントです。Web検索、分析、包括的なレポート生成を通じて、あらゆるトピックに関するインテリジェントで反復的なリサーチを実行します。

🌟 主な機能

• インテリジェントなトピック探索- 知識のギャップを自動的に特定し、焦点を絞った検索クエリを生成します

• 包括的なコンテンツ抽出- コンテンツ構成の改善による強化されたWebスクレイピング

• 構造化知識処理- トークンの使用を管理しながら重要な情報を保存します

• 学術レポート生成- エグゼクティブサマリー、分析、視覚化を備えた詳細で構造化されたレポートを作成します。

• 完全な参考文献- 番号付きの参考文献ですべての情報源を適切に引用する

• 適応型コンテンツ管理- トークン制限内に収まるようにコンテンツを自動的に管理します

• エラー耐性- 完全な処理が不可能な場合にエラーから回復し、部分的なレポートを生成します

Related MCP server: OpenDeepSearch

🛠️ 建築

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

💻 インストール

前提条件

• Node.js 18以上

• OpenAI APIキー

• Firecrawl APIキー

セットアップ手順

1. リポジトリをクローンする

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

2. 依存関係をインストールする

   npm install

3. 環境変数を設定する

   cp .env.example .env

   .envファイルを編集し、API キーを追加します。

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

4. プロジェクトを構築する

   npm run build

🚀 使用方法

MCPサーバーの実行

MCP クライアント接続用に stdio でサーバーを起動します。

npm start

サンプルクライアントの使用

特定のトピックについて、指定した深さで調査を実行します。

npm run client "Your research topic" 3

パラメータ:

• 最初の議論: 研究テーマまたはクエリ

• 2番目の引数: 調査の深さ（反復回数、デフォルト: 2）

• 3 番目の引数（オプション）: 「complete」を指定すると、complete-research ツール（ワンステップ プロセス）が使用されます。

例：

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

出力例

DeepResearch MCP は、以下の内容を含む包括的なレポートを作成します。

• エグゼクティブサマリー- 研究結果の簡潔な概要

• はじめに- 研究テーマの背景と重要性

• 方法論- 研究アプローチの説明

• 包括的な分析- トピックの詳細な調査

• 比較分析- 主要な側面の視覚的な比較

• 考察- 調査結果とその意味の解釈

• 限界- 研究における制約とギャップ

• 結論- 最終的な洞察と推奨事項

• 参考文献- URL を含む完全な情報源リスト

🔧 MCP 統合

利用可能なMCPリソース

利用可能なMCPツール

🖥️ クロード デスクトップ統合

DeepResearch MCP を Claude Desktop と統合して、Claude に直接リサーチ機能を提供できます。

設定手順

1. サンプル構成をコピーする

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

2. 設定ファイルを編集する

   deep-research-mcp のインストールを指すようにパスを更新し、API キーを追加します。

   {
     "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. Claudeデスクトップを再起動します

   設定を保存した後、変更を有効にするために Claude Desktop を再起動します。

4. Claude Desktopでの使用

   次のようなコマンドを使用して、Claude に調査を実行するよう依頼できるようになりました。

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

📋 サンプルクライアントコード

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);

🔍 トラブルシューティング

よくある問題

• トークン制限超過: 研究トピックが非常に大規模な場合、OpenAI のトークン制限エラーが発生する可能性があります。以下をお試しください。

  • 研究の深さを減らす

  • より具体的なクエリを使用する

  • 複雑なトピックをより小さなサブトピックに分割する

• タイムアウトエラー: 複雑な調査の場合、プロセスがタイムアウトすることがあります。解決策:

  • ツール呼び出しのタイムアウトパラメータを増やす

  • タイムアウトを長くしてcomplete-researchツールを使用する

  • プロセス研究を小さな塊に分ける

• API レート制限: OpenAI または Firecrawl からレート制限エラーが発生した場合:

  • 調査ステップ間の遅延を実装する

  • レート制限の高いAPIキーを使用する

  • 指数バックオフで再試行する

📝 ライセンス

ISC

🙏 謝辞

• モデルコンテキストプロトコルで構築

• OpenAIとFirecrawlを搭載