🔍

🔍 GPT Researcher MCP Server

本地服务

gptr.dev搜索与检索37751 周前更新

代码仓库访问官网

关于 🔍 GPT Researcher MCP Server

GPT Researcher MCP Server 为 LLM 应用提供基于 MCP 的深度研究能力，会自主检索并验证多个来源，返回经过筛选的结果。适合需要可靠资料而非原始搜索结果的研究场景。

主要功能

01深度网络研究并筛选可信来源
02快速搜索并返回摘要片段
03生成研究报告
04获取研究来源与完整上下文
05提供研究查询提示词

适用场景

01为投资或行业分析收集最新资料
02让 LLM 在有限上下文内使用高质量信息
03生成基于多源检索的研究报告

MCP 相关

该项目是 MCP 服务，向 MCP 客户端暴露 deep_research、quick_search 等工具，以及 research_resource 资源和 research_query 提示词。

#mcp #gpt-researcher #mcp-server

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址，请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

🔍 GPT Researcher MCP 服务

为什么选择 GPT Researcher MCP？

虽然大模型应用可以通过 MCP 访问网页搜索工具，但 GPT Researcher MCP 能提供深度研究结果。 标准搜索工具返回原始结果，需要手动筛选，通常包含不相关来源，还会浪费上下文窗口空间。

GPT Researcher 会自主探索并验证大量来源，只关注相关、可信且最新的信息。虽然速度比标准搜索稍慢（等待约 30 秒），但它能带来：

✨ 更高质量的信息
📊 优化上下文用量
🔎 全面的结果
🧠 为大模型提供更好的推理能力

💻 Claude Desktop 演示

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

🚀 使用 Claude Desktop 快速开始

想立即在 Claude Desktop 中使用？ 以下是最快的步骤：

安装依赖项：

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

在 ~/Library/Application Support/Claude/claude_desktop_config.json 中设置 Claude Desktop 配置：

{
  "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"
      }
    }
  }
}

重启 Claude Desktop，开始研究！ 🎉

如需详细设置说明，请参阅下方的完整 Claude Desktop 集成部分。

资源

research_resource：通过研究获取与指定任务相关的网络资源。

主要工具

deep_research：针对某个主题进行深入的网络研究，找出最可靠、最相关的信息
quick_search：执行快速网页搜索，优先考虑速度而非质量，并返回带摘要的搜索结果。支持任何 GPTR 支持的网页检索器，例如 Tavily、Bing、Google 等。点击此处了解详情
write_report：根据研究结果生成报告
get_research_sources：获取研究中使用的来源
get_research_context：获取研究的完整上下文

提示词

research_query：创建研究查询提示词

前置条件

运行 MCP 服务之前，请确保已具备：

已安装 Python 3.11 或更高版本
- 重要提示：GPT Researcher >=0.12.16 需要 Python 3.11+
计划使用的服务的 API 密钥：
- OpenAI API 密钥
- Tavily API 密钥

你也可以通过 GPTR 支持的检索器连接其他网页搜索引擎或 MCP。请参阅此处的文档

⚙️ 安装

克隆 GPT Researcher 仓库：

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

安装 gptr-mcp 依赖项：

cd gptr-mcp
pip install -r requirements.txt

设置环境变量：
- 复制 .env.example 文件，并创建一个名为 .env 的新文件：
```
cp .env.example .env
```
- 编辑 .env 文件，添加 API 密钥并配置其他设置：
```
OPENAI_API_KEY=your_openai_api_key
TAVILY_API_KEY=your_tavily_api_key
```

你还可以添加其他用于 GPT Researcher 配置的环境变量。

🚀 运行 MCP 服务

你可以通过多种方式运行 MCP 服务：

方法 1：直接使用 Python

python server.py

方法 2：使用 MCP CLI（如果已安装）

mcp run server.py

方法 3：使用 Docker（生产环境推荐）

快速开始

使用 Docker 运行的最简单方法：

# 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

用于 n8n 集成

如果需要连接到现有的 n8n 网络：

# 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

注意：Docker 镜像使用 Python 3.11，以满足 gpt-researcher >=0.12.16 的要求。如果构建时遇到错误，请确保使用本仓库中的最新 Dockerfile。

服务器运行后，你会看到服务器已准备好接受连接的提示。你可以通过以下方式验证运行是否正常：

SSE 端点：访问 Server-Sent Events 端点 http://localhost:8000/sse，获取会话 ID
MCP 通信：使用会话 ID 向 http://localhost:8000/messages/?session_id=YOUR_SESSION_ID 发送 MCP 消息
测试：运行测试脚本 python test_mcp_server.py

Docker/n8n 集成注意事项：

服务器绑定到 0.0.0.0:8000，以便与 Docker 容器配合使用
使用 SSE 传输进行基于 Web 的 MCP 通信
会话管理需要先从 /sse 端点获取会话 ID
每个客户端连接都需要唯一的会话 ID，才能正常通信

🚦 传输模式与最佳实践

GPT Researcher MCP 服务支持多种传输协议，并会根据你的环境自动选择最合适的协议：

传输类型

传输方式	用例	适用场景
STDIO	Claude Desktop、本地 MCP 客户端	本地开发的默认方式
SSE	Docker、Web 客户端、n8n 集成	在 Docker 中自动启用
Streamable HTTP	现代 Web 部署	高级 Web 部署

自动检测

服务器会自动检测你的环境：

# 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

环境变量

变量	描述	默认值	示例
`MCP_TRANSPORT`	强制使用指定的传输方式	`stdio`	`sse`、`streamable-http`
`DOCKER_CONTAINER`	强制启用 Docker 模式	自动检测	`true`

配置示例

用于 Claude Desktop（本地）

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

用于 Docker/Web 部署

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

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

用于 n8n MCP 集成

# 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

传输端点

使用 SSE 或 HTTP 传输时：

健康检查：GET /health
SSE 端点：GET /sse（获取会话 ID）
MCP 消息：POST /messages/?session_id=YOUR_SESSION_ID

最佳实践

本地开发：Claude Desktop 使用默认的 STDIO
生产环境：使用 Docker，并自动检测 SSE
测试：使用健康检查端点验证连接
n8n 集成：始终通过 Docker 使用容器网络
Web 部署：现代客户端可考虑使用 Streamable HTTP

与 Claude 集成

你可以通过以下方式将 MCP 服务与 Claude 集成：

Claude Desktop 集成 - 在 Mac 上与 Claude 桌面应用配合使用

详细说明请参阅上面的链接。

💻 Claude Desktop 集成

要将本地运行的 MCP 服务与 Mac 版 Claude 集成，你需要：

确保已安装并运行 MCP 服务
配置 Claude Desktop：
- 找到或创建配置文件 ~/Library/Application Support/Claude/claude_desktop_config.json
- 在配置中添加本地 GPT Researcher MCP 服务，并包含环境变量
- 重启 Claude 以应用配置

⚠️ 重要：必须配置环境变量

Claude Desktop 会将 MCP 服务作为独立的子进程启动，因此你必须在配置中显式传入 API 密钥。服务器无法自动访问 shell 的环境变量或 .env 文件。

配置示例

{
  "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"
      }
    }
  }
}

安全提示

🔒 Claude Desktop 配置文件中包含敏感的 API 密钥。 请妥善保护：

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

切勿将此文件提交到版本控制系统。

替代方案：环境变量脚本

为提高安全性，请创建一个包装脚本：

run_gptr_mcp.sh：

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

然后在 Claude Desktop 中使用：

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

完整的分步说明，请参阅 Claude Desktop 集成指南。

📝 使用 Claude 的示例

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

🔧 故障排除

如果运行 MCP 服务时遇到问题：

常见问题

API 密钥：请确保已在 .env 文件中正确设置 API 密钥
Python 版本：请确认使用的是 Python 3.11 或更高版本（gpt-researcher >=0.14.0 的要求）
依赖项：请确保已正确安装所有依赖项：pip install -r requirements.txt
服务日志：检查服务日志中的错误消息

Docker 问题

容器无法访问：
- 验证容器是否正在运行：docker ps | grep gptr-mcp
- 检查容器日志：docker logs gptr-mcp
- 确认服务绑定到 0.0.0.0:8000（日志中应显示此信息）
n8n 集成问题：
- 确保两个容器位于同一个 Docker 网络中
- 在 n8n 中使用容器名称 gptr-mcp 作为主机名
- 将 MCP 服务 URL 设置为：http://gptr-mcp:8000/sse
会话 ID 问题：
- 服务使用 SSE 传输，需要进行会话管理
- 首先，连接到 /sse 端点以获取会话 ID
- 在后续 MCP 请求中使用该会话 ID：/messages/?session_id=YOUR_ID
- 每个客户端都需要自己的会话 ID

n8n MCP 集成步骤

获取会话 ID：

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

初始化 MCP：

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"}}}'

调用工具：

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"}}}'

测试服务

运行随附的测试脚本以验证功能：

python test_mcp_server.py

此脚本将测试：

SSE 连接和会话 ID 获取
MCP 初始化
工具发现和执行

Claude Desktop 问题

如果 MCP 服务无法与 Claude Desktop 配合使用：

Claude 中未显示服务：
- 检查 claude_desktop_config.json 语法是否为有效的 JSON
- 确保使用的是绝对路径（而不是相对路径）
- 确认 server.py 的路径正确
- 完全重启 Claude Desktop
出现“未找到 OPENAI_API_KEY”错误：
- 确保已将 API 密钥添加到配置中的 env 部分
- 别忘了添加 OPENAI_API_KEY 和 TAVILY_API_KEY
- API 密钥应为实际密钥，而不是占位符
未显示工具：
- 在 Claude Desktop 中查找 🔧 工具图标
- 检查 Claude Desktop 配置文件是否位于正确位置：
  - macOS：~/Library/Application Support/Claude/claude_desktop_config.json
  - Windows：%APPDATA%\Claude\claude_desktop_config.json
Python/权限问题：
- 确保可从命令行访问 Python：python --version
- 尝试使用完整的 Python 路径："command": "/usr/bin/python3" 或 "command": "python3"
- 检查 server.py 文件的权限
仍然无法使用？
- 手动测试服务：python server.py（应显示 STDIO 传输消息）
- 检查 Claude Desktop 日志（如果有）
- 尝试使用上方集成部分中的替代脚本方法

👣 后续步骤

阅读 MCP 协议文档，进一步了解如何与 Claude 集成
了解 GPT Researcher 的核心功能，增强研究能力
查看高级用法指南，了解更多配置选项

📄 许可证

本项目采用 MIT 许可证，详情请参阅 LICENSE 文件。

📞 支持 / 联系方式

社区 Discord
电子邮件：[email protected]

⬆️ 返回顶部

支持 Markdown

登录后评论

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

阅读入门指南

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。

🔍 GPT Researcher MCP Server

关于 🔍 GPT Researcher MCP Server

主要功能

适用场景

MCP 相关

配置

工具

详细介绍

🔍 GPT Researcher MCP 服务

为什么选择 GPT Researcher MCP？

💻 Claude Desktop 演示

🚀 使用 Claude Desktop 快速开始

资源

主要工具

提示词

前置条件

⚙️ 安装

🚀 运行 MCP 服务

方法 1：直接使用 Python

方法 2：使用 MCP CLI（如果已安装）

方法 3：使用 Docker（生产环境推荐）

快速开始

用于 n8n 集成

🚦 传输模式与最佳实践

传输类型

自动检测

环境变量

配置示例

用于 Claude Desktop（本地）

用于 Docker/Web 部署

用于 n8n MCP 集成

传输端点

最佳实践

与 Claude 集成

💻 Claude Desktop 集成

⚠️ 重要：必须配置环境变量

配置示例

安全提示

替代方案：环境变量脚本

📝 使用 Claude 的示例

🔧 故障排除

常见问题

Docker 问题

n8n MCP 集成步骤

测试服务

Claude Desktop 问题

👣 后续步骤

📄 许可证

📞 支持 / 联系方式

评论

第一次接触 MCP？

MCP（Model Context Protocol）是什么？

MCP 服务和客户端有什么区别？

本地服务与远程服务怎么选？

如何在 Claude、Cursor 等客户端中安装服务？

收录的项目经过审核吗？“认证”标识代表什么？

我维护的项目已被收录，怎样认领？