DeepSeek MCP Server
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
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 claudeInstalación manual
npm install -g deepseek-mcp-serverUso 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-reasoneren el servidor), el servidor intentará automáticamente probar con v3 (llamadodeepseek-chaten el servidor)
Nota: También puedes cambiar de un lado a otro en cualquier momento, simplemente dando tu mensaje y diciendo "usar
deepseek-reasoner" o "usardeepseek-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:
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.
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:
Construir el servidor:
npm run buildEjecute 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 toolschat_completionD
| Name | Required | Description | Default |
|---|---|---|---|
| frequency_penalty | No | ||
| max_tokens | No | ||
| message | No | ||
| messages | No | ||
| model | No | deepseek-reasoner | |
| presence_penalty | No | ||
| temperature | No | ||
| top_p | No |
TDQS
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.
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.
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.
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.
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.
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
| Name | Required | Description | Default |
|---|---|---|---|
| frequency_penalty | No | ||
| max_tokens | No | ||
| messages | Yes | ||
| model | No | deepseek-chat | |
| presence_penalty | No | ||
| temperature | No | ||
| top_p | No |
TDQS
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.
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.
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.
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.
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.
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.
2 tool updates
v1.0.0- First observed
chat_completion - First observed
multi_turn_chat
TDQS
Scored across 2 tools
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.
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.
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.
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
Related MCP Connectors
- QuallaaOAuthcom.quallaa
Talk to your public-facing AI from any MCP client — Claude, ChatGPT, Cursor, Cline, Windsurf.
Connect MCP clients to 2,000+ AI models without managing provider API keys.
MCP server for AI dialogue using various LLM models via AceDataCloud
One MCP endpoint for Claude, GPT & Gemini: 100+ tools + no-code connectors + agent workers.
Related MCP Servers
- AlicenseAqualityAmaintenanceEnables 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.11515 npm353MIT
- AlicenseNot gradedqualityDmaintenanceA Model Control Protocol server implementation that allows Claude Desktop to use Deepseek models running in Docker, enabling seamless integration between Claude Desktop and Deepseek's language models.4MIT
- AlicenseAqualityAmaintenanceMCP 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.3535 npm20MIT
- AlicenseAqualityDmaintenanceEnables using DeepSeek models as a small, cheap supervised worker from any MCP-compatible client, providing fast flash and deep reasoning tools for bounded tasks.253MIT