DeepSeek API 用のモデル コンテキスト プロトコル (MCP) サーバー。DeepSeek の強力な言語モデルを Claude Desktop などの MCP 互換アプリケーションとシームレスに統合できます。
Related MCP server: Deepseek MCP Server
Smithery経由で Claude Desktop 用の DeepSeek MCP Server を自動的にインストールするには:
npx -y @smithery/cli install @dmontgomery40/deepseek-mcp-server --client claudenpm install -g deepseek-mcp-serverこれをclaude_desktop_config.jsonに追加します:
{
"mcpServers": {
"deepseek": {
"command": "npx",
"args": [
"-y",
"deepseek-mcp-server"
],
"env": {
"DEEPSEEK_API_KEY": "your-api-key"
}
}
}
}注: サーバーはこれらの自然言語リクエストを適切な設定変更にマッピングすることでインテリジェントに処理します。現在の設定と利用可能なモデルを照会することもできます。
ユーザー: 「どのようなモデルが利用可能ですか?」
応答: モデル リソースを介して、利用可能なモデルとその機能のリストを表示します。
ユーザー: 「どのような設定オプションがありますか?」
応答: model-config リソースを介して利用可能なすべての構成オプションを一覧表示します。
ユーザー: 「現在の温度設定はいくつですか?」
応答: 現在の温度設定を表示します。
ユーザー: 「マルチターンの会話を開始します。次の設定を使用します: model: 'deepseek-chat'、あまりクリエイティブにせず、8000 トークンを許可します。」
応答:指定された設定でマルチターン会話を開始します。
プライマリモデル（R1）がダウンしている場合（サーバーではdeepseek-reasonerと呼ばれます）、サーバーは自動的にv3（サーバーではdeepseek-chatと呼ばれます）を試みます。
注: プロンプトに「use
deepseek-reasoner」または「usedeepseek-chat」と入力するだけで、いつでも切り替えることができます。
V3は一般的な用途に推奨されますが、R1は主に速度とトークンの使用により、より技術的で複雑なクエリに推奨されます。
カスタムモデルの選択
温度制御（0.0～2.0）
最大トークン制限
トップPサンプリング（0.0 - 1.0）
プレゼンスペナルティ（-2.0 - 2.0）
頻度ペナルティ (-2.0 - 2.0)
マルチターン会話のサポート:
交換全体にわたって完全なメッセージ履歴とコンテキストを維持します
会話中も設定が保持されます
複雑な対話フローとフォローアップチェーンを自動的に処理します
この機能は、次の 2 つの主要な使用例で特に役立ちます。
トレーニングと微調整： DeepSeekはオープンソースであるため、多くのユーザーが独自のバージョンをトレーニングしています。マルチターンサポートにより、高品質な対話モデルのトレーニングに不可欠な、適切にフォーマットされた会話データが提供されます。
**複雑なインタラクション:**本番環境での使用では、コンテキストが重要な長い会話を管理するのに役立ちます。
多段階推論問題
インタラクティブなトラブルシューティングセッション
詳細な技術的議論
以前のメッセージのコンテキストが後の応答に影響を与えるシナリオ
実装では、すべてのコンテキスト管理とメッセージのフォーマットがバックグラウンドで処理されるため、会話の状態を維持するための技術的な詳細ではなく、実際の対話に集中できます。
MCP Inspector ツールを使用して、サーバーをローカルでテストできます。
サーバーを構築します。
npm run buildMCP Inspector を使用してサーバーを実行します。
# Make sure to specify the full path to the built server
npx @modelcontextprotocol/inspector node ./build/index.jsインスペクターがブラウザで開き、stdioトランスポート経由でサーバーに接続します。以下の操作が可能です。
利用可能なツールを表示
さまざまなパラメータでチャット補完をテストする
サーバーの応答をデバッグする
サーバーのパフォーマンスを監視する
注: サーバーはデフォルトで DeepSeek の R1 モデル (deepseek-reasoner) を使用します。これは推論と一般的なタスクに対して最先端のパフォーマンスを提供します。
マサチューセッツ工科大学
| 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 |
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.
| Name | Required | Description | Default |
|---|---|---|---|
| frequency_penalty | No | ||
| max_tokens | No | ||
| messages | Yes | ||
| model | No | deepseek-chat | |
| presence_penalty | No | ||
| temperature | No | ||
| top_p | No |
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.
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
v1.0.0chat_completionmulti_turn_chatScored 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.
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.
