mcpField
M
MCP Server for Deep Research

MCP Server for Deep Research

本地服务
github.com/reading-plus-ai数据与分析21483 周前更新

关于 MCP Server for Deep Research

MCP Server for Deep Research 是一个用于复杂主题深入研究的 MCP 服务,面向需要结构化研究报告的用户。它将研究问题拆解为子问题,结合 Claude 的网络搜索能力收集来源,并生成附带引用的报告。

主要功能

  1. 01扩展并明确研究问题
  2. 02生成子问题以覆盖主题
  3. 03结合 Claude 内置网络搜索收集来源
  4. 04综合多来源信息并标注引用
  5. 05生成结构化研究报告

适用场景

  1. 01围绕复杂问题进行系统性资料调研
  2. 02生成附带引用的研究报告

MCP 相关

该项目作为 MCP 服务提供 deep-research 提示词模板,MCP 客户端(如 Claude Desktop)可选用该模板开始研究任务。

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

用于深度研究的 MCP 服务

用于深度研究的 MCP 服务是一款用于对复杂主题开展全面研究的工具。它能帮助你深入探究问题、查找相关来源,并生成结构化的研究报告。

你的专属研究助手,可将研究问题转化为内容全面、引证充分的报告。

🚀 立即体验

观看演示 Youtube: https://youtu.be/_a7sfo5yxoI

  1. 下载 Claude Desktop

  2. 安装并设置

    • 在 macOS 上,在终端中运行以下命令:
    python setup.py
    
  3. 开始研究

    • 从 MCP 中选择深度研究提示词模板
    • 输入研究问题,开始研究

功能

深度研究 MCP 服务提供完整的研究工作流:

  1. 问题细化

    • 扩展并明确你的研究问题
    • 识别关键术语和概念
    • 确定范围和参数
  2. 生成子问题

    • 创建针对不同方面的聚焦子问题
    • 确保全面覆盖主要主题
    • 为系统化研究提供结构
  3. 集成网页搜索

    • 使用 Claude 内置的网页搜索功能
    • 针对每个子问题执行定向搜索
    • 查找相关且权威的来源
    • 收集有关该主题的多元观点
  4. 内容分析

    • 评估信息的质量和相关性
    • 综合多个来源的发现
    • 为所有来源提供恰当的引文
  5. 生成报告

    • 以 artifact 形式生成结构清晰、内容全面的报告
    • 正确引用所有使用的来源
    • 通过基于证据的结论呈现平衡观点
    • 使用适当的格式,确保内容清晰易读

📦 组件

提示词
  • deep-research:专为全面研究任务设计,采用结构化方法

⚙️ 修改服务

Claude Desktop 配置
  • macOS:~/Library/Application\ Support/Claude/claude_desktop_config.json
  • Windows:%APPDATA%/Claude/claude_desktop_config.json
开发(未发布的服务)
"mcpServers": {
  "mcp-server-deep-research": {
    "command": "uv",
    "args": [
      "--directory",
      "/Users/username/repos/mcp-server-application/mcp-server-deep-research",
      "run",
      "mcp-server-deep-research"
    ]
  }
}
已发布的服务
"mcpServers": {
  "mcp-server-deep-research": {
    "command": "uvx",
    "args": [
      "mcp-server-deep-research"
    ]
  }
}

🛠️ 开发

构建和发布
  1. 同步依赖项

    uv sync
    
  2. 构建发行包

    uv build
    

    在 dist/ 目录中生成源代码发行包和 wheel 发行包。

  3. 发布到 PyPI

    uv publish
    

🤝 贡献

欢迎贡献!无论是修复错误、添加功能还是改进文档,你的帮助都能让这个项目变得更好。

📜 许可证

本项目采用 MIT 许可证。 详情请参阅 LICENSE 文件。

评论

支持 Markdown

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。

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。