Deep Research MCP Server
2025.03.24
6
Python网络搜索信息处理数据分析搜索工具开发效率
Deep Research MCP Server 是一个基于代理的工具，提供网络搜索和高级研究能力。它利用HuggingFace的`smolagents`实现，并作为一个MCP服务器运行。该工具支持多种信息处理功能，包括网页搜索、PDF和文档分析、图像分析和描述、YouTube转录检索以及存档网站搜索。
View on GitHub
Overview
基本能力
产品定位
Deep Research MCP Server 是一个专注于网络搜索和信息处理的工具，旨在帮助用户高效获取和分析各类数据。
核心功能
- 网页搜索和信息收集
- PDF和文档分析
- 图像分析和描述
- YouTube转录检索
- 存档网站搜索
适用场景
- 学术研究
- 数据挖掘
- 内容分析
- 自动化信息处理
工具列表
deep_research.py: MCP服务器的入口点create_agent.py: 代理创建和配置scripts/: 各种工具和实用程序text_web_browser.py: 基于文本的网页浏览器text_inspector_tool.py: 文件检查工具visual_qa.py: 图像分析工具mdconvert.py: 将各种文件格式转换为Markdown
常见问题解答
- 需要获取多个API密钥（OpenAI、HuggingFace、SerperAPI）
- 安装依赖包括Python 3.11或更高版本和
uv包管理器
使用教程
使用依赖
- Python 3.11或更高版本
uv包管理器- 需要以下API密钥：
- OpenAI API key
- HuggingFace token
- SerpAPI key
安装教程
- 克隆仓库：
git clone https://github.com/Hajime-Y/deep-research-mcp.git
cd deep-research-mcp
- 创建虚拟环境并安装依赖：
uv venv
source .venv/bin/activate # Linux或Mac
# .venv\Scripts\activate # Windows
uv sync
- 设置环境变量：
在项目根目录创建
.env文件并设置：
OPENAI_API_KEY=your_openai_api_key
HF_TOKEN=your_huggingface_token
SERPER_API_KEY=your_serper_api_key
调试方式
启动MCP服务器：
uv run deep_research.py