深度研究 MCP

📚 概述

DeepResearch MCP 是一款基于模型上下文协议 (MCP) 构建的强大研究助手。它通过网络搜索、分析和综合报告生成，对任何主题进行智能迭代研究。

🌟 主要特点

智能主题探索——自动识别知识差距并生成重点搜索查询
全面的内容提取——增强网页抓取功能，改进内容组织
结构化知识处理——在管理令牌使用的同时保留重要信息
学术报告生成——创建包含执行摘要、分析和可视化内容的详细、结构良好的报告
完整的参考书目- 正确引用所有来源并附有编号
自适应内容管理- 自动管理内容以保持在令牌限制内
错误恢复——当无法进行完整处理时，从错误中恢复并生成部分报告

🛠️ 建筑

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

💻安装

先决条件

Node.js 18 或更高版本
OpenAI API 密钥
Firecrawl API 密钥

设置步骤

克隆存储库

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

安装依赖项
```
npm install
```

配置环境变量

cp .env.example .env

编辑.env文件并添加您的 API 密钥：

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

构建项目
```
npm run build
```

🚀 使用方法

运行 MCP 服务器

在 stdio 上启动服务器以进行 MCP 客户端连接：

npm start

使用示例客户端

对特定主题进行指定深度的研究：

npm run client "Your research topic" 3

参数：

第一个参数：研究主题或查询
第二个参数：研究深度（迭代次数，默认值：2）
第三个参数（可选）：“complete” 使用完整研究工具（一步过程）

例子：

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

示例输出

DeepResearch MCP 将生成一份综合报告，其中包括：

执行摘要——研究结果的简要概述
引言——研究主题的背景和重要性
方法论——研究方法的描述
综合分析——对主题进行详细检查
比较分析——关键方面的视觉比较
讨论——研究结果和含义的解释
局限性——研究中的制约因素和差距
结论- 最终见解和建议
参考书目- 包含 URL 的完整来源列表

🔧 MCP 集成

可用的 MCP 资源

资源路径	描述
`research://state/{sessionId}`	访问研究会话的当前状态
`research://findings/{sessionId}`	访问会话收集到的结果

可用的 MCP 工具

工具名称	描述	参数
`initialize-research`	开始新的研究会话	`query` ：字符串， `depth` ：数字
`execute-research-step`	执行下一步研究	`sessionId` ：字符串
`generate-report`	创建最终报告	`sessionId` ：字符串， `timeout` ：数字（可选）
`complete-research`	执行整个研究过程	`query` ：字符串， `depth` ：数字， `timeout` ：数字（可选）

🖥️ Claude 桌面集成

DeepResearch MCP 可以与 Claude Desktop 集成，为 Claude 提供直接研究能力。

配置步骤

复制示例配置

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

编辑配置文件

更新路径以指向 deep-research-mcp 的安装并添加您的 API 密钥：

{
  "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"
      }
    }
  }
}

重启Claude桌面
保存配置后，重新启动 Claude Desktop 以使更改生效。
与 Claude Desktop 一起使用
现在你可以要求 Claude 使用以下命令进行研究：
```
Can you research the impact of climate change on coral reefs and provide a detailed report?
```

📋 示例客户端代码

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);

🔍 故障排除

常见问题

超出令牌限制：对于非常大的研究主题，您可能会遇到 OpenAI 令牌限制错误。请尝试：
- 降低研究深度
- 使用更具体的查询
- 将复杂的主题分解成更小的子主题
超时错误：对于复杂的研究，该过程可能会超时。解决方案：
- 增加工具调用中的超时参数
- 使用超时时间较长的complete-research工具
- 以更小的块进行研究
API 速率限制：如果您遇到来自 OpenAI 或 Firecrawl 的速率限制错误：
- 在研究步骤之间实施延迟
- 使用具有更高速率限制的 API 密钥
- 使用指数退避算法重试

📝 许可证

国际学习中心

🙏 致谢

使用模型上下文协议构建
由OpenAI和Firecrawl提供支持

DeepResearch MCP