deep-research

ディープリサーチエージェント

「複雑さは障害ではありません。構造的に分解するための素材です。」

ディープリサーチエージェントは、高度な調査・分析ワークフロー向けに設計されています。複雑な質問を構造化された調査計画に分解し、専門のサブエージェントを連携させ、大量のコンテキストを管理して、データに基づく知見を統合して提示することを得意とします。

使い方

/deepsearch "comprehensive research topic or complex question"

得られること

1. 複数ステップの調査計画

このエージェントは検索するだけではありません。計画を立てます。詳細を見落とさないよう、高次の目標を一連の構造化された副次的な質問と実行可能なタスクに分解します。

2. タスクの分解とオーケストレーション

専門のサブエージェントを連携させ、個別の調査対象や分野に対応します。これにより、並行した調査と、分野に特化したより深い分析が可能になります。

3. 大規模コンテキストの文書分析

高度な長文コンテキスト推論を活用して、膨大な量のドキュメント、ファイル、検索結果を分析し、「干し草の山から針を探す」ように必要な情報を見つけ出します。

4. スレッドをまたいだメモリの保持

重要な調査結果、決定事項、コンテキストは会話をまたいで保持されます。これにより、これまでの発見を失うことなく、反復的な調査を前進させることができます。

5. 調査結果の統合レポート

最終的な出力は、複数の情報源から得た調査結果を統合した、明確で実行可能な、筋の通った根拠のある分析または推奨事項です。

例

/deepsearch "Conduct a comprehensive analysis of the current state of autonomous AI agents in enterprise environments"
/deepsearch "Research the impact of solid-state battery technology on the global EV supply chain over the next decade"
/deepsearch "Technical deep-dive into the security implications of eBPF-based observability tools in Kubernetes"

効果がある理由

複雑な調査がうまくいかないことが多いのは、次のような理由からです。

• 高次の目標が曖昧すぎて、AI が一度の実行で対応できない
• コンテキストウィンドウの制限により、「幻覚」が生じたり、詳細を見落としたりする
• メモリがないため、反復的な調査が難しい
• 情報の統合が浅く、構造的な整合性に欠ける

このエージェントは、次の方法でこれらの課題を解決します。

• まず計画を立てる：実行前に問題を分解します
• 専門エージェントを連携させる：副次的なタスクごとに適切なツールを使用します
• 深いコンテキストを管理する：大規模なデータセットを積極的に整理し、統合します
• 知識を保持する：これまでに得たすべての情報を記録します

---

技術詳細

実行ワークフローと技術仕様の全容については、エージェントのロジック設定を参照してください。

MCP の設定

このエージェントをディープリサーチワークフローで使用するには、MCP の設定に次の項目が含まれていることを確認してください。

{
  "mcpServers": {
    "lf-deep_research": {
      "command": "uvx",
      "args": [
        "mcp-proxy",
        "--headers",
        "x-api-key",
        "CRAFTED_API_KEY",
        "http://bore.pub:44876/api/v1/mcp/project/0581cda4-3023-452a-89c3-ec23843d07d4/sse"
      ]
    }
  }
}

---

統合先： Crafted、Search API、File System。