Skip to main content
Glama

Servidor MCP de DeepSeek

Un servidor de Protocolo de Contexto de Modelo (MCP) para la API de DeepSeek, que permite una integración perfecta de los potentes modelos de lenguaje de DeepSeek con aplicaciones compatibles con MCP como Claude Desktop.

Utilice la API de DeepSeek de forma anónima : solo se ve un proxy en el otro lado

versión npm Descargas de npm Problemas de GitHub Bifurcaciones de GitHub Estrellas de GitHub Licencia de GitHub

Related MCP server: Deepseek MCP Server

Instalación

Instalación mediante herrería

Para instalar DeepSeek MCP Server para Claude Desktop automáticamente a través de Smithery :

npx -y @smithery/cli install @dmontgomery40/deepseek-mcp-server --client claude

Instalación manual

npm install -g deepseek-mcp-server

Uso con Claude Desktop

Agregue esto a su claude_desktop_config.json :

{
  "mcpServers": {
    "deepseek": {
      "command": "npx",
      "args": [
        "-y",
        "deepseek-mcp-server"
      ],
      "env": {
        "DEEPSEEK_API_KEY": "your-api-key"
      }
    }
  }
}

Características

Nota: El servidor gestiona inteligentemente estas solicitudes de lenguaje natural, asignándolas a los cambios de configuración correspondientes. También puede consultar la configuración actual y los modelos disponibles:

  • Usuario: "¿Qué modelos están disponibles?"

    • Respuesta: Muestra la lista de modelos disponibles y sus capacidades a través del recurso de modelos.

  • Usuario: "¿Qué opciones de configuración tengo?"

    • Respuesta: enumera todas las opciones de configuración disponibles a través del recurso model-config.

  • Usuario: "¿Cuál es la configuración de temperatura actual?"

    • Respuesta: Muestra la configuración de temperatura actual.

  • Usuario: "Iniciar una conversación multiturno. Con la siguiente configuración: modelo: 'deepseek-chat', que no sea demasiado creativa y permita 8000 tokens".

    • Respuesta: inicia una conversación de varios turnos con la configuración especificada.

Retorno automático del modelo si R1 no funciona

  • Si el modelo principal (R1) está inactivo (llamado deepseek-reasoner en el servidor), el servidor intentará automáticamente probar con v3 (llamado deepseek-chat en el servidor)

Nota: También puedes cambiar de un lado a otro en cualquier momento, simplemente dando tu mensaje y diciendo "usar deepseek-reasoner " o "usar deepseek-chat ".

  • Se recomienda V3 para uso general, mientras que R1 se recomienda para consultas más técnicas y complejas, principalmente debido a la velocidad y el uso de tokens.

Descubrimiento de recursos para modelos y configuraciones disponibles:

  • Selección de modelo personalizado

  • Control de temperatura (0,0 - 2,0)

  • Límite máximo de tokens

  • Muestreo de P superior (0,0 - 1,0)

  • Penalización de presencia (-2.0 - 2.0)

  • Penalización de frecuencia (-2.0 - 2.0)

Funciones de conversación mejoradas

Soporte de conversación multi-turno:

  • Mantiene el historial completo de mensajes y el contexto en todos los intercambios

  • Conserva la configuración durante toda la conversación.

  • Maneja flujos de diálogo complejos y cadenas de seguimiento automáticamente

Esta característica es particularmente valiosa para dos casos de uso clave:

  1. Entrenamiento y ajuste: Dado que DeepSeek es de código abierto, muchos usuarios entrenan sus propias versiones. La compatibilidad con múltiples turnos proporciona datos de conversación correctamente formateados, esenciales para entrenar modelos de diálogo de alta calidad.

  2. Interacciones complejas: para uso en producción, esto ayuda a gestionar conversaciones más largas donde el contexto es crucial:

    • Problemas de razonamiento de varios pasos

    • Sesiones interactivas de resolución de problemas

    • Discusiones técnicas detalladas

    • Cualquier escenario donde el contexto de mensajes anteriores afecte las respuestas posteriores

La implementación maneja toda la gestión del contexto y el formato de los mensajes detrás de escena, lo que le permite centrarse en la interacción real en lugar de en los detalles técnicos de mantener el estado de la conversación.

Pruebas con MCP Inspector

Puede probar el servidor localmente utilizando la herramienta MCP Inspector:

  1. Construir el servidor:

    npm run build
  2. Ejecute el servidor con MCP Inspector:

    # Make sure to specify the full path to the built server
    npx @modelcontextprotocol/inspector node ./build/index.js

El inspector se abrirá en su navegador y se conectará al servidor mediante el transporte stdio. Puede:

  • Ver herramientas disponibles

  • Pruebe las finalizaciones de chat con diferentes parámetros

  • Respuestas del servidor de depuración

  • Supervisar el rendimiento del servidor

Nota: El servidor utiliza el modelo R1 de DeepSeek (deepseek-reasoner) de forma predeterminada, que proporciona un rendimiento de última generación para razonamiento y tareas generales.

Licencia

Instituto Tecnológico de Massachusetts (MIT)

Available Tools

2 tools
chat_completionD
ParametersJSON Schema
NameRequiredDescriptionDefault
frequency_penaltyNo
max_tokensNo
messageNo
messagesNo
modelNodeepseek-reasoner
presence_penaltyNo
temperatureNo
top_pNo

TDQS

D1/5.0
Behavior1/5

Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?

Tool has no description.

Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.

Conciseness1/5

Is the description appropriately sized, front-loaded, and free of redundancy?

Tool has no description.

Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.

Completeness1/5

Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?

Tool has no description.

Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.

Parameters1/5

Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?

Tool has no description.

Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.

Purpose1/5

Does the description clearly state what the tool does and how it differs from similar tools?

Tool has no description.

Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.

Usage Guidelines1/5

Does the description explain when to use this tool, when not to, or what alternatives exist?

Tool has no description.

Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.

multi_turn_chatD
ParametersJSON Schema
NameRequiredDescriptionDefault
frequency_penaltyNo
max_tokensNo
messagesYes
modelNodeepseek-chat
presence_penaltyNo
temperatureNo
top_pNo

TDQS

D1/5.0
Behavior1/5

Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?

Tool has no description.

Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.

Conciseness1/5

Is the description appropriately sized, front-loaded, and free of redundancy?

Tool has no description.

Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.

Completeness1/5

Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?

Tool has no description.

Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.

Parameters1/5

Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?

Tool has no description.

Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.

Purpose1/5

Does the description clearly state what the tool does and how it differs from similar tools?

Tool has no description.

Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.

Usage Guidelines1/5

Does the description explain when to use this tool, when not to, or what alternatives exist?

Tool has no description.

Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

  1. 2 tool updatesv1.0.0
    • First observedchat_completion
    • First observedmulti_turn_chat

TDQS

D1.5/5.0

Scored across 2 tools

Disambiguation2/5

The two tools have overlapping purposes with unclear boundaries. 'chat_completion' and 'multi_turn_chat' both appear to handle chat interactions, making it difficult for an agent to distinguish when to use each. Without descriptions, the ambiguity is significant, though the small tool count limits confusion.

Naming Consistency4/5

The tool names follow a consistent snake_case pattern with clear, descriptive terms. Both 'chat_completion' and 'multi_turn_chat' use similar naming conventions, making them readable and predictable, though the lack of descriptions reduces clarity.

Tool Count2/5

With only 2 tools, the server feels thin and under-scoped for a general-purpose 'DeepSeek MCP Server'. This minimal set suggests incomplete coverage of potential functionalities, such as model management or configuration, making it borderline inadequate.

Completeness2/5

Inferring the domain as AI chat interactions, the surface is severely incomplete. It lacks essential operations like model selection, parameter tuning, or context management. The two tools provide basic chat functions but leave significant gaps that could cause agent failures in complex tasks.

Maintenance

ActivityInactive
ResponsivenessNo issues

Related MCP Connectors

Related MCP Servers

  • A
    license
    A
    quality
    A
    maintenance
    Enables integration of DeepSeek's language models with MCP-compatible applications, offering features like chat completion, custom model selection, and parameter control for enhancing language-based interactions.
    11
    515 npm
    353
    MIT
  • A
    license
    A
    quality
    A
    maintenance
    MCP server for DeepSeek AI models (Chat + Reasoner). Supports multi-turn sessions, model fallback with circuit breaker, function calling, thinking mode, JSON output, multimodal input, and cost tracking.
    3
    535 npm
    20
    MIT
  • A
    license
    A
    quality
    D
    maintenance
    Enables using DeepSeek models as a small, cheap supervised worker from any MCP-compatible client, providing fast flash and deep reasoning tools for bounded tasks.
    2
    53
    MIT