# ameeralns
## 基本信息
- Slug: `ameeralns-deepresearchmcp`
- Source: modelscope
- Publisher: @ameeralns/DeepResearchMCP
- Categories: search / research-and-data / web-scraping
- Hosted: No
- License: Unknown
- Source URL: https://www.modelscope.cn/mcp/servers/@ameeralns/DeepResearchMCP
## 简介
暂无描述。
## MCP Server 详情
# DeepResearch MCP
[](https://www.typescriptlang.org/)
[](https://openai.com/)
[](https://nodejs.org/)
## 📚 概述
DeepResearch MCP 是一个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、分析和全面报告生成，对任何主题进行智能迭代研究。
### 🌟 主要功能
- **智能主题探索** - 自动识别知识空白并生成有针对性的搜索查询
- **全面的内容提取** - 增强的网页抓取与改进的内容组织
- **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** - 创建详细且结构良好的报告，包括执行摘要、分析和可视化
- **完整的参考文献** - 用编号引用正确标注所有来源
- **自适应内容管理** - 自动管理内容以保持在令牌限制内
- **错误恢复能力** - 当无法完成全部处理时，从错误中恢复并生成部分报告
## 🛠️ 架构
┌────────────────────┐ ┌─────────────────┐ ┌────────────────┐
│ │ │ │ │ │
│ MCP Server Layer ├────►│ Research Service├────►│ Search Service │
│ (Tools & Prompts) │ │ (Session Mgmt) │ │ (Firecrawl) │
│ │ │ │ │ │
└────────────────────┘ └─────────┬───────┘ └────────────────┘
│
▼
┌─────────────────┐
│ │
│ OpenAI Service │
│ (Analysis/Rpt) │
│ │
└─────────────────┘
## 💻 安装
### 前提条件
- Node.js 18 或更高版本
- OpenAI API 密钥
- Firecrawl API 密钥
### 设置步骤
1. **克隆仓库**
bash
git clone
cd deep-research-mcp
2. **安装依赖**
bash
npm install
3. **配置环境变量**
bash
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
4. **构建项目**
bash
npm run build
## 🚀 使用
### 运行 MCP 服务器
启动服务器以供 MCP 客户端连接：
bash
npm start
### 使用示例客户端
针对特定主题以指定深度运行研究：
bash
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" 用于使用 complete-research 工具（一步过程）
示例：
bash
npm run client "the impact of climate change on coral reefs" 3 complete
### 示例输出DeepResearch MCP 将生成一份全面的报告，其中包括：
- **执行摘要** - 研究发现的简明概述
- **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** - 对主题的详细审查
- **比较分析** - 关键方面的可视化比较
- **讨论** - 发现的解释及其影响
- **局限性** - 研究中的限制和空白
- **结论** - 最终见解和建议
- **参考文献** - 带有 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}` | 访问会话中收集的研究结果 |
### 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` | 执行下一个研究步骤 | `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 桌面集成，为 Claude 提供直接的研究能力。
### 配置步骤
1. **复制示例配置**
bash
cp claude_desktop_config_sample.json ~/path/to/claude/desktop/config/directory/claude_desktop_config.json
2. **编辑配置文件**
更新路径指向您的 deep-research-mcp 安装，并添加您的 API 密钥：
json
{
"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. **重启 Claude 桌面**
保存配置后，重启 Claude 桌面使更改生效。
4. **与 Claude 桌面一起使用**
现在您可以要求 Claude 使用命令执行研究，例如：
你能研究气候变化对珊瑚礁的影响并提供详细的报告吗？
## 📋 示例客户端代码
typescript
import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";
async function main() {
// 连接到服务器
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);
// 初始化研究
const initResult = await client.callTool({
name: "initialize-research",
arguments: {
query: "人工智能对医疗保健的影响",
depth: 3
}
});
// 解析响应以获取 sessionId
const { sessionId } = JSON.parse(initResult.content[0].text);
// 执行步骤直到完成
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(`已完成步骤 ${stepInfo.currentDepth}/${stepInfo.maxDepth}`);
}
// 生成带有超时设置的最终报告
const report = await client.callTool({
name: "generate-report",
arguments: {
sessionId,
timeout: 180000 // 3 分钟超时
}
});
console.log("最终报告:");
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。尝试以下方法：
- 减少研究深度
- 使用更具体的查询
- 将复杂主题拆分为较小的子主题
- **超时错误**：对于复杂的研究，过程可能会超时。解决方案包括：
- 在工具调用中增加超时参数
- 使用具有更长超时时间的 `complete-research` 工具
- 分小块处理研究
- **API 速率限制**：如果您遇到来自 OpenAI 或 Firecrawl 的速率限制错误：
- 在研究步骤之间实现延迟
- 使用具有更高速率限制的 API 密钥
- 采用指数退避重试
## 📝 许可证
ISC
## 🙏 致谢
- 构建于 [Model Context Protocol](https://github.com/mhuggins7278/model-context-protocol)
- 由 [OpenAI](https://openai.com/) 和 [Firecrawl](https://firecrawl.dev/) 提供支持