深度研究代理
它分解复杂的查询，从Arxiv和Semantic Scholar等学术资源中提取信息，并返回结构化、引用丰富的研究报告。
它做什么
该代理自动化了深入的学术研究：
- 分解 将用户主题转化为重点子查询。
- 搜索 学术工具（Arxiv+学术搜索）。
- 提取物 和 等级 相关内容。
- 写入 一份干净的研究报告，附有引文（标题和网址）。
______________________________________________________________________
项目结构
深入研究/ │ ├── .venv/#虚拟环境 ├── pycache/#Python缓存文件 ├── arxiv_storage/#存储已下载的arxiv PDF文件 │ ├── main.py#命令行界面入口点 ├── graph_builder.py#构建LangGraph状态机 ├── agent_state.py#共享状态类型 ├── utils.py#可重用的辅助函数 │ ├── nodes/#代理步骤（LangGraph节点） │ ├── plan.py#子查询生成 │ ├── search.py#Arxiv+学术搜索 │ ├── extract.py#内容提取 │ ├── rank.py#通道过滤 │ └── write.py#报告生成 │ ├── .env.example#环境变量模板 ├── .gitignore#版本控制中要忽略的文件 ├── browser_mcp.json#mcp配置文件（根据您的路径更新） ├── .env#您的实际API密钥（未提交） ├── requirements.txt#Python依赖项
安装说明
1.克隆仓库
克隆https://github.com/moona7/deepresearch.git cd深度研究
2.创建.env文件
添加.env文件并复制所需的API密钥：
例如： GROQ_API_KEY=“123jdndhd875”
3.安装依赖项
确保你使用的是Python 3.10+。
pip安装-r要求.txt
4.设置MCP工具
分别安装并运行以下程序：
arxiv mcp服务器-https://github.com/blazickjp/arxiv-mcp-server
学术搜索-https://github.com/afrise/academic-search-mcp-server
剧作家-https://github.com/executeautomation/mcp-playwright
确保您的browser_mcp.json文件已更新并指向正确的本地端口。
运行代理
python main.py 系统将提示您输入一个研究主题。 代理将输出一份结构化的报告，其中包含内联引用和源链接。
- 输出示例
===欢迎来到深度研究代理=== 键入要研究的主题。键入“exit”退出。
You：微塑料对人类健康的影响 正在搜索Arxiv：。.. 正在搜索语义学者：。.. 提取内容。.. 对段落进行排名。.. 撰写报告。..
\[生成的研究报告显示在此处\]
全部
添加PDF导出最终报告
许可证
麻省理工学院——个人和学术用途免费。
鸣谢
LangGraph
LangChain
希腊
MCP工具