🔍 GPT Researcher MCP Server

GPT Researcher MCP を選ぶ理由

LLM アプリは MCP を使ってウェブ検索ツールにアクセスできますが、GPT Researcher MCP は詳細な調査結果を提供します。 標準的な検索ツールは、生の検索結果を返すため、手動でフィルタリングする必要があります。多くの場合、関連性の低い情報源が含まれ、コンテキストウィンドウを無駄に消費します。

GPT Researcher は多数の情報源を自律的に調査して検証し、関連性が高く、信頼できる最新の情報だけに絞り込みます。標準的な検索よりやや時間がかかります（約 30 秒）が、次の利点があります。

• ✨ より質の高い情報
• 📊 最適化されたコンテキストの使用
• 🔎 包括的な結果
• 🧠 LLM のより優れた推論

💻 Claude Desktop のデモ

https://github.com/user-attachments/assets/ef97eea5-a409-42b9-8f6d-b82ab16c52a8

🚀 Claude Desktop ですぐに使う

今すぐ Claude Desktop で使いたいですか？ 最も手早い方法はこちらです。

1. 依存関係をインストールします。

   git clone https://github.com/assafelovic/gptr-mcp.git
   pip install -r requirements.txt
   

2. Claude Desktop の設定を ~/Library/Application Support/Claude/claude_desktop_config.json に追加します。

   {
     "mcpServers": {
       "gptr-mcp": {
         "command": "python",
         "args": ["/absolute/path/to/gpt-researcher/gptr-mcp/server.py"],
         "env": {
           "OPENAI_API_KEY": "your-openai-key-here",
           "TAVILY_API_KEY": "your-tavily-key-here"
         }
       }
     }
   }
   

3. Claude Desktop を再起動して、調査を始めましょう！🎉

詳しい設定手順については、以下のClaude Desktop との統合に関する詳しい説明をご覧ください。

リソース

• research_resource：調査を通じて、指定したタスクに関連するウェブリソースを取得します。

主なツール

• deep_research：トピックについて詳細なウェブ調査を行い、最も信頼性と関連性の高い情報を見つけます。
• quick_search：品質よりも速度を優先してウェブをすばやく検索し、スニペット付きの検索結果を返します。Tavily、Bing、Google など、GPTR がサポートするあらゆるウェブ検索リトリーバーに対応しています。詳しくはこちらをご覧ください。
• write_report：調査結果に基づいてレポートを作成します。
• get_research_sources：調査で使用した情報源を取得します。
• get_research_context：調査のコンテキスト全体を取得します。

プロンプト

• research_query：調査クエリのプロンプトを作成します。

前提条件

MCP サーバーを実行する前に、次のものがあることを確認してください。

1. Python 3.11 以降がインストールされていること
   • 重要：GPT Researcher >=0.12.16 には Python 3.11 以降が必要です。
2. 使用するサービスの API キー：
   • OpenAI API キー
   • Tavily API キー

GPTR がサポートするリトリーバーを使って、ほかのウェブ検索エンジンや MCP に接続することもできます。ドキュメントをご覧ください。

⚙️ インストール

1. GPT Researcher リポジトリをクローンします。

git clone https://github.com/assafelovic/gpt-researcher.git
cd gpt-researcher

2. gptr-mcp の依存関係をインストールします。

cd gptr-mcp
pip install -r requirements.txt

3. 環境変数を設定します。
   • .env.example ファイルをコピーし、.env という名前の新しいファイルを作成します。

   cp .env.example .env
   

   • .env ファイルを編集して API キーを追加し、ほかの設定を構成します。

   OPENAI_API_KEY=your_openai_api_key
   TAVILY_API_KEY=your_tavily_api_key
   

GPT Researcher の設定には、ほかの環境変数も追加できます。

🚀 MCP サーバーの実行

MCP サーバーは、いくつかの方法で実行できます。

方法 1：Python で直接実行

python server.py

方法 2：MCP CLI を使用（インストール済みの場合）

mcp run server.py

方法 3：Docker を使用（本番環境におすすめ）

クイックスタート

Docker で実行する最も簡単な方法：

# Build and run with docker-compose
docker-compose up -d

# Or manually:
docker build -t gptr-mcp .
docker run -d \
  --name gptr-mcp \
  -p 8000:8000 \
  --env-file .env \
  gptr-mcp

n8n との連携

既存の n8n ネットワークに接続する必要がある場合：

# First, start the container
docker-compose up -d

# Then connect to your n8n network
docker network connect n8n-mcp-net gptr-mcp

# Or create a shared network first
docker network create n8n-mcp-net
docker network connect n8n-mcp-net gptr-mcp

注：Docker イメージでは、gpt-researcher >=0.12.16 の要件を満たすために Python 3.11 を使用します。ビルド中にエラーが発生した場合は、このリポジトリの最新の Dockerfile を使用していることを確認してください。

サーバーが起動すると、接続を受け付ける準備ができたことを示す出力が表示されます。次の方法で動作を確認できます。

1. SSE エンドポイント：Server-Sent Events エンドポイント http://localhost:8000/sse にアクセスして、セッション ID を取得します
2. MCP 通信：セッション ID を使って、MCP メッセージを http://localhost:8000/messages/?session_id=YOUR_SESSION_ID に送信します
3. テスト：python test_mcp_server.py でテストスクリプトを実行します

Docker／n8n 連携での重要事項：

• Docker コンテナで動作するよう、サーバーは 0.0.0.0:8000 にバインドします
• Web ベースの MCP 通信には SSE トランスポートを使用します
• セッション管理では、最初に /sse エンドポイントからセッション ID を取得する必要があります
• 適切に通信するには、クライアント接続ごとに一意のセッション ID が必要です

🚦 トランスポートモードとベストプラクティス

GPT Researcher MCP サーバーは複数のトランスポートプロトコルをサポートし、環境に応じて最適なものを自動的に選択します。

トランスポートの種類

トランスポート	用途	使用する場面
STDIO	Claude Desktop、ローカル MCP クライアント	ローカル開発のデフォルト
SSE	Docker、Web クライアント、n8n 連携	Docker で自動的に有効
Streamable HTTP	最新の Web デプロイ	高度な Web デプロイ

自動検出

サーバーは環境を自動的に検出します。

# Local development (default)
python server.py
# ➜ Uses STDIO transport (Claude Desktop compatible)

# Docker environment  
docker run gptr-mcp
# ➜ Auto-detects Docker, uses SSE transport

# Manual override
export MCP_TRANSPORT=sse
python server.py
# ➜ Forces SSE transport

環境変数

変数	説明	デフォルト	例
MCP_TRANSPORT	特定のトランスポートを強制	stdio	sse, streamable-http
DOCKER_CONTAINER	Docker モードを強制	自動検出	true

設定例

Claude Desktop の場合（ローカル）

// ~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "gpt-researcher": {
      "command": "python",
      "args": ["/absolute/path/to/server.py"],
      "env": {
         "..."
      }
    }
  }
}

Docker／Web デプロイの場合

# Set transport explicitly for web deployment
export MCP_TRANSPORT=sse
python server.py

# Or use Docker (auto-detects)
docker-compose up -d

n8n MCP 連携の場合

# Use the container name as hostname
docker run --name gptr-mcp -p 8000:8000 gptr-mcp

# In n8n, connect to: http://gptr-mcp:8000/sse

トランスポートエンドポイント

SSE または HTTP トランスポートを使用する場合：

• ヘルスチェック：GET /health
• SSE エンドポイント：GET /sse（セッション ID を取得）
• MCP メッセージ：POST /messages/?session_id=YOUR_SESSION_ID

ベストプラクティス

1. ローカル開発：Claude Desktop ではデフォルトの STDIO を使用します
2. 本番環境：SSE の自動検出機能がある Docker を使用します
3. テスト：ヘルスエンドポイントで接続を確認します
4. n8n 連携：Docker でコンテナネットワークを必ず使用します
5. Web デプロイ：最新のクライアントには Streamable HTTP を検討します

Claude との連携

次の方法で MCP サーバーを Claude と連携できます。

Claude Desktop との連携 - Mac 上の Claude デスクトップアプリケーションで使用する場合

詳しい手順については、上記のリンクをご覧ください。

💻 Claude Desktop との連携

ローカルで実行中の MCP サーバーを Claude for Mac と連携するには、次の手順を行います。

1. MCP サーバーがインストールされ、実行中であることを確認します
2. Claude Desktop を設定します。
   • ~/Library/Application Support/Claude/claude_desktop_config.json に設定ファイルがあるか確認し、なければ作成します
   • 環境変数を含めて、ローカルの GPT Researcher MCP サーバーを設定に追加します
   • 設定を適用するため、Claude を再起動します

⚠️ 重要：環境変数が必要です

Claude Desktop は MCP サーバーを別プロセスとして起動するため、設定で API キーを明示的に渡す必要があります。サーバーはシェルの環境変数や .env ファイルに自動的にアクセスできません。

設定例

{
  "mcpServers": {
    "gptr-mcp": {
      "command": "python",
      "args": ["/absolute/path/to/your/server.py"],
      "env": {
        "OPENAI_API_KEY": "your-actual-openai-key-here",
        "TAVILY_API_KEY": "your-actual-tavily-key-here"
      }
    }
  }
}

セキュリティに関する注意

🔒 Claude Desktop の設定には機密性の高い API キーが含まれています。 適切に保護してください。

chmod 600 ~/Library/Application\ Support/Claude/claude_desktop_config.json

このファイルをバージョン管理にコミットしないでください。

代替方法：環境変数スクリプト

セキュリティを強化するには、ラッパースクリプトを作成します。

run_gptr_mcp.sh:

#!/bin/bash
source /path/to/your/.env
python /absolute/path/to/server.py

次に、Claude Desktop で使用します。

{
  "mcpServers": {
    "gptr-mcp": {
      "command": "/absolute/path/to/run_gptr_mcp.sh"
    }
  }
}

詳しい手順については、Claude Desktop 連携ガイドをご覧ください。

📝 Claude での使用例

User: I'm considering investing in NVIDIA. Can you research the current state of the company, recent stock performance, latest product announcements, and analyst opinions?

Claude: I'll help you research NVIDIA for investment purposes. This will take a moment as I conduct deep research to find the most up-to-date information about their stock performance, recent developments, and expert analysis.

[Claude uses deep_research tool - this takes 30-40 seconds]

Claude: Based on my research, here's a comprehensive analysis of NVIDIA's current state:

## NVIDIA (NVDA) Current Status

### Recent Stock Performance
- Current price: $942.89 (as of my research)
- YTD performance: +90.4% 
- 52-week range: $460.30 - $974.00
- Market cap: ~$2.32 trillion

### Recent Key Developments
1. **Blackwell AI Platform**: At GTC 2024, NVIDIA unveiled the Blackwell architecture, their next-generation AI chip platform promising 4x performance improvement over Hopper. Major cloud providers (AWS, Google, Microsoft) have already committed to integrating Blackwell.

2. **Q1 FY2025 Earnings (May 2024)**: 
   - Revenue: $26.0 billion (+262% YoY)
   - Data Center revenue: $22.6 billion (+427% YoY)
   - Gross margin: 78.4%
   - Announced 10-for-1 stock split effective June 7, 2024

3. **Supply Chain Expansion**: Increased investments in manufacturing capacity with TSMC to address ongoing chip shortages for their high-demand AI GPUs.

### Analyst Consensus
- Strong Buy consensus with 37 analysts rating it "Buy," 5 "Hold," and 0 "Sell"
- Average price target: $1,042 (post-split adjusted: $104.20)
- Key bull thesis: Continued AI infrastructure spending and NVIDIA's dominant position in AI chips
- Key bear concerns: Valuation, potential competition from AMD, Intel, and custom silicon from tech giants

### Industry Position
- Dominant in AI GPU market with estimated 80-90% market share
- Expanding ecosystem through CUDA software platform and industry partnerships
- Diversifying beyond chips with DGX Cloud, AI software platforms, and automotive solutions

🔧 トラブルシューティング

MCP サーバーの実行中に問題が発生した場合：

一般的な問題

1. API キー：.env ファイルに API キーが正しく設定されていることを確認します
2. Python バージョン：Python 3.11 以降（gpt-researcher >=0.14.0 で必要）を使用していることを確認します
3. 依存関係：すべての依存関係が正しくインストールされていることを確認します：pip install -r requirements.txt
4. サーバーログ：エラーメッセージがないか、サーバーログを確認します

Docker の問題

1. コンテナにアクセスできない：

   • コンテナが実行中であることを確認します：docker ps | grep gptr-mcp
   • コンテナログを確認します：docker logs gptr-mcp
   • サーバーが 0.0.0.0:8000 にバインドされていることを確認します（ログに表示されます）

2. n8n 連携の問題：

   • 両方のコンテナが同じ Docker ネットワーク上にあることを確認します
   • n8n でホスト名としてコンテナ名 gptr-mcp を使用します
   • MCP サーバーの URL を http://gptr-mcp:8000/sse に設定します

3. セッション ID の問題：

   • サーバーはセッション管理が必要な SSE トランスポートを使用します
   • まず、/sse エンドポイントに接続してセッション ID を取得します
   • 以降の MCP リクエストでは、セッション ID を使用します：/messages/?session_id=YOUR_ID
   • クライアントごとに専用のセッション ID が必要です

n8n MCP 連携の手順

1. セッション ID を取得：

   curl http://gptr-mcp:8000/sse
   # Look for: data: /messages/?session_id=XXXXX
   

2. MCP を初期化：

   curl -X POST http://gptr-mcp:8000/messages/?session_id=YOUR_SESSION_ID \
     -H "Content-Type: application/json" \
     -d '{"jsonrpc": "2.0", "id": 1, "method": "initialize", "params": {"protocolVersion": "2024-11-05", "capabilities": {"roots": {"listChanged": true}}, "clientInfo": {"name": "n8n-client", "version": "1.0.0"}}}'
   

3. ツールを呼び出す：

   curl -X POST http://gptr-mcp:8000/messages/?session_id=YOUR_SESSION_ID \
     -H "Content-Type: application/json" \
     -d '{"jsonrpc": "2.0", "id": 2, "method": "tools/call", "params": {"name": "quick_search", "arguments": {"query": "test"}}}'
   

サーバーのテスト

付属のテストスクリプトを実行して、機能を確認します。

python test_mcp_server.py

次の項目がテストされます。

• SSE 接続とセッション ID の取得
• MCP の初期化
• ツールの検出と実行

Claude Desktop の問題

MCP サーバーが Claude Desktop で動作しない場合：

1. サーバーが Claude に表示されない：

   • claude_desktop_config.json の構文が有効な JSON であることを確認します
   • 絶対パス（相対パスではなく）を使用していることを確認します
   • server.py へのパスが正しいことを確認します
   • Claude Desktop を完全に再起動します

2. 「OPENAI_API_KEY not found」エラー：

   • 設定の env セクションに API キーを追加したことを確認します
   • OPENAI_API_KEY と TAVILY_API_KEY の両方を忘れずに設定します
   • API キーにはプレースホルダーではなく、実際のキーを設定します

3. ツールが表示されない：

   • Claude Desktop で 🔧 ツールアイコンを探します
   • Claude Desktop の設定ファイルが正しい場所にあることを確認します：
     • macOS：~/Library/Application Support/Claude/claude_desktop_config.json
     • Windows：%APPDATA%\Claude\claude_desktop_config.json

4. Python／権限の問題：

   • コマンドラインから Python にアクセスできることを確認します：python --version
   • Python のフルパスを使用してみます："command": "/usr/bin/python3" または "command": "python3"
   • server.py ファイルのアクセス権限を確認します

5. それでも動作しない場合：

   • サーバーを手動でテストします：python server.py（STDIO トランスポートのメッセージが表示されます）
   • Claude Desktop のログを確認します（利用可能な場合）
   • 上記の連携セクションにある代替スクリプトの方法を試します

👣 次のステップ

• Claude との連携方法をより深く理解するため、MCP プロトコルのドキュメントをご覧ください
• 調査能力を高めるため、GPT Researcher の主な機能をご確認ください
• 設定オプションの詳細については、高度な使用方法ガイドをご覧ください

📄 ライセンス

このプロジェクトは MIT License の下でライセンスされています。詳細については LICENSE ファイルをご覧ください。

📞 サポート／お問い合わせ

• コミュニティ Discord
• メール：[email protected]

⬆️ トップに戻る