Serviço MCP da Claude para gerar relatórios de pesquisa aprofundados

Introdução geral

MCP O Server Deep Research é uma ferramenta de código aberto que gera automaticamente relatórios de pesquisa estruturados para problemas complexos por meio de inteligência artificial e pesquisa na Web. Os usuários inserem uma pergunta de pesquisa, e a ferramenta a divide, procura informações confiáveis, avalia a credibilidade da fonte e gera um relatório Markdown com citações. Ela se baseia em Modelo de protocolo de contexto (MCP), com o Claude Integração perfeita com plataformas como o Desktop para pesquisa acadêmica, análise de mercado e criação de conteúdo.

Lista de funções

• Divide automaticamente as perguntas de pesquisa e gera subperguntas para cobrir vários aspectos do tópico.
• Pesquisa integrada na Web para encontrar informações confiáveis e reunir diversas perspectivas.
• Avalie a credibilidade da fonte, gerando uma escala de 0 a 1.
• Integrar informações de várias fontes para gerar relatórios de pesquisa Markdown estruturados.
• Suporte para personalizar a profundidade e a amplitude da pesquisa e controlar o nível de detalhes do relatório.
• Forneça uma lista clara de citações para garantir a rastreabilidade do conteúdo.
• Integrar com plataformas compatíveis com MCP, como o Claude Desktop, para ampliar a funcionalidade.

Usando a Ajuda

Processo de instalação

Para usar o MCP Server Deep Research, você precisa instalar um ambiente Python e configurar o Claude Desktop:

1. Verificação dos requisitos do sistema
   • Certifique-se de que o Python 3.8 ou posterior esteja instalado. Execute o seguinte comando para verificar:

     python --version
     

   • Instale o Git para fazer o download do código do projeto:

     git --version
     

   • Recomenda-se um ambiente virtual para evitar conflitos de dependência:

     python -m venv venv
     source venv/bin/activate  # Linux/Mac
     venv\Scripts\activate     # Windows
     

2. Clonagem do depósito do projeto
   Baixe o código do GitHub:

   git clone https://github.com/reading-plus-ai/mcp-server-deep-research.git
   cd mcp-server-deep-research
   

3. Instalação de dependências
   Uso do projeto uv Dependência gerenciada, mas não fornecida pelo depósito requirements.txt Documentação. Com base na documentação oficial e nas convenções de projetos semelhantes, supõe-se que as dependências incluam o requestsepydantic e outras bibliotecas Python. Instalação uv::

   pip install uv
   

   por falta de requirements.txtRecomenda-se executar o projeto diretamente e instalar manualmente as bibliotecas ausentes com base nos erros relatados ou consultar a documentação oficial para obter atualizações subsequentes. Normalmente, as bibliotecas necessárias podem ser instaladas com os seguintes comandos:

   pip install requests pydantic
   

   Se o projeto atualizar seu gerenciamento de dependências (por exemplo, adicionar pyproject.toml talvez requirements.txt), verifique seu repositório do GitHub para ver os últimos commits.

4. Instalação do Claude Desktop
   • através de (uma lacuna) claude.ai/download Faça o download do Claude Desktop (compatível com macOS e Windows).
   • Depois de instalado, abra o aplicativo e faça login para garantir que sua conexão com a Internet esteja funcionando.
5. Configuração do servidor MCP
   Edite o arquivo de configuração do Claude Desktop para adicionar as configurações do servidor MCP:
   • Caminho do arquivo de configuração:
     • macOS. ~/Library/Application Support/Claude/claude_desktop_config.json
     • Windows. %APPDATA%\Claude\claude_desktop_config.json
   • Adicione o seguinte (configuração do servidor publicado):

     {
     "mcpServers": {
     "mcp-server-deep-research": {
     "command": "uvx",
     "args": ["mcp-server-deep-research"]
     }
     }
     }
     

   • Se estiver usando uma versão de desenvolvimento do servidor, configure-o como:

     {
     "mcpServers": {
     "mcp-server-deep-research": {
     "command": "uv",
     "args": [
     "--directory",
     "/path/to/mcp-server-deep-research",
     "run",
     "mcp-server-deep-research"
     ]
     }
     }
     }
     

     comandante-em-chefe (militar) /path/to/mcp-server-deep-research Substitua pelo caminho real do projeto.

6. Iniciar o servidor
   Execute no diretório do projeto:

   uv run mcp-server-deep-research
   

   Na inicialização, o servidor carrega o arquivo deep-research Solicite modelos e esteja preparado para aceitar perguntas de pesquisa. Se for solicitado que as dependências estejam faltando, instale as bibliotecas mencionadas no erro relatado.

Uso

O principal recurso do MCP Server Deep Research é a geração automatizada de relatórios de pesquisa. Abaixo está o fluxo de operação:

1. preparação de perguntas de pesquisa

No Claude Desktop, abra o modelo MCP Prompts e selecione a opção deep-research.. Insira uma pergunta de pesquisa específica, por exemplo:

• "Analisando a inteligência artificial no setor de saúde".
• "Pesquisa sobre os mais recentes avanços tecnológicos em energia sustentável"
  Perguntas claras melhoram a qualidade do relatório.

2. parâmetros do estudo de configuração

Configure os parâmetros de ajuste via JSON:

• depthProfundidade do estudo (de 1 a 5, sendo que valores mais altos fornecem mais detalhes).
• breadthAmplitude da pesquisa (de 1 a 10, quanto maior o valor, maior o número de tópicos abordados).
  Exemplo:

{
"query": "人工智能在医疗领域的应用",
"depth": 3,
"breadth": 5
}

Defina os parâmetros na tela de entrada do Claude Desktop.

3. estudos de implementação

Após o envio de uma pergunta, a ferramenta a executa automaticamente:

• Refinamento do problema Decomponha o problema principal em subproblemas (por exemplo, "Papel da IA no diagnóstico", "Aplicação da IA na descoberta de medicamentos").
• Pesquisa na Web Use a pesquisa integrada do Claude para encontrar artigos acadêmicos, notícias e muito mais.
• análise de conteúdo Avalie a credibilidade das fontes (em uma escala de 0 a 1, com base na autoridade e na atualidade) e procure informações de alta qualidade.
• Geração de relatórios Consolidação de informações e geração de relatórios Markdown com visão geral, análise, conclusões e citações.

4. visualizar o relatório

O relatório é salvo em dist/ com o nome do arquivo sendo uma breve descrição da pergunta de pesquisa (por exemplo ai_medical_applications.md). Estrutura de relatórios:

• introdutório Descreva os problemas e os objetivos.
• parte principal Análises de subassuntos são apresentadas em segmentos.
• chegar a um veredicto Resumo das principais conclusões.
• citação Lista das fontes e suas classificações de credibilidade.
  Os usuários podem abrir arquivos Markdown ou importá-los para ferramentas como a Obsidian para edição.

5. comissionamento e registro

Se a geração de relatórios falhar, verifique o registro:

• macOS.

  tail -n 20 -f ~/Library/Logs/Claude/mcp*.log
  

• Windows.

  Get-Content -Path "$env:APPDATA\Claude\logs\mcp*.log" -Tail 20 -Wait
  

O registro mostra o processo de pesquisa e as mensagens de erro.

Operação da função em destaque

• Geração de subproblemas Energia sustentável: decompõe automaticamente questões complexas, como "energia sustentável" em "avanços na tecnologia solar" e "custo-benefício da energia eólica".
• Avaliação da credibilidade Fontes classificadas de 0 a 1, com preferência para aquelas acima de 0,7, com base na autoridade e na atualidade.
• Relatórios de markdown Formatação: A formatação é consistente, inclui títulos, parágrafos e citações, e é adequada para uso acadêmico ou profissional.
• Parâmetros flexíveis : Ajustes depth responder cantando breadthA seguir, alguns exemplos dos tipos de análises que podem ser usados para gerar resumos curtos ou análises detalhadas.

advertência

• Certifique-se de que o Claude Desktop esteja conectado e tenha uma rede estável, e que a Internet seja necessária para a função de pesquisa.
• alta depth talvez breadth Pode estender o tempo de execução, padrão recomendado para uso inicial (depth=2, breadth=4).
• Verifique regularmente os repositórios do GitHub main Amplie e receba atualizações.
• escassez de requirements.txt Isso pode levar a problemas de instalação, portanto, recomendamos verificar se há atualizações na documentação oficial ou enviar um problema para perguntar sobre isso.

Suporte ao desenvolvedor

Se precisar personalizar a funcionalidade, consulte a seção "Desenvolvimento" da documentação oficial:

• dependência de sincronização ::

uv sync

• Criação de pacotes de distribuição ::

uv build

O pacote gerado está localizado no diretório dist/ Catálogo.

• Publicado no PyPI ::

uv publish

Os desenvolvedores podem contribuir com código ou documentação enviando uma solicitação pull por meio do GitHub.

cenário do aplicativo

1. pesquisa acadêmica
   Os alunos de pós-graduação escrevem uma revisão da literatura, inserem uma pergunta e, em seguida, a ferramenta pesquisa recursos acadêmicos, gera um relatório e economiza tempo na organização.
2. análise de mercado
   Os analistas estudam as tendências do setor, como o "Cloud Computing Market Forecast 2025", e as ferramentas coletam dados confiáveis para gerar relatórios analíticos.
3. criação de conteúdo
   Os jornalistas preparam informações básicas para os artigos, e as ferramentas fornecem informações confiáveis e citações para gerar relatórios estruturados.
4. Suporte educacional
   Os professores preparam materiais de instrução, inserem tópicos e, em seguida, a ferramenta gera relatórios com informações atualizadas adequadas para uso em sala de aula.

QA

1. Há alguma taxa para o MCP Server Deep Research?
   Ele é totalmente gratuito, sob a licença MIT, e o código está disponível publicamente no GitHub.
2. Tenho que usar o Claude Desktop?
   Sim, a versão atual depende da estrutura MCP do Claude Desktop.
3. Como a credibilidade do relatório é garantida?
   As fontes são filtradas por classificações de credibilidade (0-1), com prioridade para informações com classificações acima de 0,7, e os usuários podem verificar as citações.
4. Ele é compatível com o uso off-line?
   Não suportado, a pesquisa na Web requer uma conexão com a Internet.
5. Como lidar com o requirements.txt ausente?
   Tente instalar bibliotecas comuns (como requestsepydantic), ou siga o repositório do GitHub para obter atualizações e enviar consultas de problemas.