深度研究用MCP服务器
深度研究MCP服务器是一款强大的工具，旨在对复杂主题进行全面研究。它帮助您深入探索问题、查找相关资料，并生成带有正确引用的结构化研究报告。
🔬 你的个人AI研究助手——将复杂的研究问题转化为全面且引用详实的报告。
✨ 最新动态
最新重大更新：高级研究方法论（v0.2.0）
这个版本引入了一个 出版级别的研究框架 具有显著的深度增强效果：
🎯 智能复杂度评估
- 自动评估问题复杂度（简单/中等/复杂/高度复杂）
- 根据复杂性动态调整研究深度和方法
- 从快速比较到全面的多学科分析
📊 多层次渐进式研究
- 第1层（概述）对所有问题的基础理解
- 第二层（深入探讨）针对中等及以上复杂度的专项调查
- 第三层（专家分析）针对复杂议题的前沿见解
🌳 动态层次子问题
- 自适应数量3-4个问题（简单）→ 7-8个及以上问题（高度复杂）
- 树状结构核心问题及其相关的深入探讨子问题
- 优先标记高/中/低，并附有依赖关系映射
🔍 关键分析框架
- 来源可信度评估权威性、新颖性、偏见评估
- 证据质量分级强/中等/弱/推测性分类
- 观点对比主流观点与另类观点
- 逻辑一致性检查因果关系与相关性，假设识别
- 假设检验制定并评估可验证的假设
🛠️ 专业分析框架
从9+种结构化方法论中选择：
- SWOT分析（战略评估）
- PEST/PESTEL分析（宏观环境因素）
- 5W2H框架（深入诊断分析）
- 比较分析（多维度比较）
- 趋势分析（历史→现在→未来）
- 案例研究法（从实例中学习）
- 利益相关者分析（视角映射）
- 证据金字塔（科学严谨性）
- 系统思维（相互连接和反馈循环）
🌐 跨学科综合
- 为问题添加相关学科标签：技术、经济、社会、伦理、法律、科学、历史
- 识别跨视角的模式与紧张关系
- 通过综合分析生成新的见解
📄 出版级报告
增强后的结构包括：
- 执行摘要 （200-300字）
- 方法论部分 （框架合理性）
- 批判性分析 （与调查结果分开）
- 合成与讨论 （跨学科整合）
- 置信水平 （高/中等/低/推测性）
- 研究局限性 （公开承认）
- 建议 （针对利益相关者的特定行动）
- 进一步的研究方向
- 术语表 （专业术语）
- 补充数据 （表格，图表）
✅ 提升质量标准
- 带有强度评分的证据映射
- 偏见与局限性评估
- 为所有结论设定置信度水平
- 规范的学术引用格式
- 承认不确定性与知识的边界
______________________________________________________________________
核心功能（所有版本）
- 🛠️（扳手，常用于表示修理、工具或手动操作） 直接工具访问呼叫
start_deep_research直接从Claude桌面获取工具 - 📊 表格/数据图表 结构化研究工作流程从问题阐述到最终报告的指导流程
- 🌐（表示互联网或全球网络的符号，可译为“互联网”或“网络世界”，但在此作为单独符号使用时，通常不直接翻译，保持原样） 网络搜索集成利用Claude内置的搜索功能
- 📝（记事本/笔记） 专业报告生成格式良好的研究报告作为成果
🚀 快速入门
先决条件
- Claude Desktop（可译为“Claude桌面版”）
- Python 3.10 或更高版本
uv包管理器
安装
- 克隆此仓库
git clone https://github.com/lihongwen/deepresearch-mcpserver.git
cd deepresearch-mcpserver- 安装依赖项
uv sync- 配置Claude桌面版
编辑您的Claude桌面配置文件：
- macOS（苹果电脑操作系统）： ~/Library/Application Support/Claude/claude_desktop_config.json - Windows： %APPDATA%\Claude\claude_desktop_config.json
添加以下配置：
{
"mcpServers": {
"mcp-server-deep-research": {
"command": "uv",
"args": [
"--directory",
"/path/to/your/deepresearch-mcpserver",
"run",
"mcp-server-deep-research"
]
}
}
}- 重启Claude桌面版
- 开始研究
- 使用提示模板：“开始对\[你的问题\]进行深入研究” - 或者拨打 start_deep_research 直接使用工具 - 观看克劳德如何进行全面研究并生成详细报告
🎯 完整的研究工作流程
Deep Research MCP服务器提供了一种先进的五阶段研究方法：
第一阶段： 初步分析与研究设计
- 概念澄清精确界定关键术语
- 域名映射确定主要知识领域及其交叉点
- 利益相关者识别关注这个问题的人有哪些，以及他们为什么关注
- 复杂性评估评估为简单/中等/复杂/高度复杂
- 策略选择选择合适的分析框架和研究深度
第二阶段： 层次化问题分解
- 动态子问题生成根据复杂度创建3-8个问题
- 树结构核心问题及其相关的深入探讨子问题
- 质量标准具体、集中、集体穷尽、互斥
- 优先级与依赖关系为问题添加重要性和关系标签
- 跨学科标注从相关学科视角标注问题标签
第三阶段： 分层信息收集
- 第一层（概述）广泛搜索、可信度评估、证据分类
- 第二层（深入探讨）针对性搜索、对比分析、模式识别
- 第三层（专家分析）前沿研究、专家论述、未来趋势
- 来源可信度评分基于权威性、时效性和偏见程度，分为高/中/低
- 证据分类基于严谨程度，分为强/中等/弱/推测性
第四阶段： 批判性分析与综合
- 证据映射核心主张，支持/反驳的证据，存在的差距
- 逻辑一致性检查因果关系与相关性，推理的有效性
- 偏见评估选择偏倚、确认偏倚、时间偏倚、发表偏倚
- 假设检验制定、评估、得出结论（支持/部分支持/不支持）
- 置信水平为结论分配 HIGH（高）/MODERATE（中）/LOW（低）/SPECULATIVE（推测性）等级
- 跨学科综合（或“交叉学科综合”）跨视角模式、涌现的洞察力、系统理解
第五阶段： 综合报告生成
- 执行摘要200-300字的独立概述
- 目录自动生成导航
- 引言背景、重要性、范围、关键概念
- 方法论复杂性理由、框架选择、局限性
- 发现针对每个子问题的详细小节，附有证据评级
- 批判性分析证据强度、矛盾点、偏倚评估
- 合成与讨论整合见解、模式和情境因素
- 结论带有置信度和影响的直接答案
- 建议针对利益相关者的具体可行指南
- 研究局限性明确承认限制条件
- 进一步研究已识别的知识空白及未来发展方向
- 参考文献全面的引用，格式规范
- 附录术语表，补充数据
💡 使用示例
简单问题
User: "Start deep research on: What is the difference between REST and GraphQL APIs?"
Claude will:
1. Assess as SIMPLE complexity → Layer 1 research only
2. Generate 3-4 focused subquestions (characteristics, use cases, trade-offs)
3. Select Comparative Analysis framework
4. Perform targeted searches with credibility assessment
5. Generate concise report with comparison table中等难度问题
User: "Start deep research on: What are the applications and challenges of blockchain in supply chain management?"
Claude will:
1. Assess as MODERATE complexity → Layer 1 + Layer 2 research
2. Generate 5-6 core + 2-3 deep-dive subquestions
3. Select SWOT Analysis + Case Study Method + Trend Analysis
4. Perform overview AND focused deep-dive searches
5. Include critical analysis of evidence quality
6. Generate comprehensive report with multiple case studies and confidence levels复杂问题
User: "Start deep research on: How does climate change impact global food security, and what are effective adaptation strategies?"
Claude will:
1. Assess as COMPLEX → Layer 1 + Layer 2 + Layer 3 research
2. Generate 6-7 core + 3-5 deep-dive subquestions with dependencies
3. Select Systems Thinking + PEST + Stakeholder Analysis + Comparative Analysis
4. Tag with multiple disciplines: Scientific, Economic, Social, Political, Ethical
5. Perform overview + focused + expert-level research
6. Include hypothesis testing (e.g., "Climate-resilient crops maintain yields under 2°C warming")
7. Generate publication-quality report with executive summary, methodology justification,
critical analysis, interdisciplinary synthesis, stakeholder recommendations,
research limitations, and glossary🔧 工作原理
- 调用工具调用
start_deep_research结合你的研究问题 - 遵循工作流程克劳德遵循一个结构化的研究过程
- 审阅报告获取一份作为成果的综合报告
- 引用来源所有信息均正确标注了来源网址
📦 组件
工具
- 开始深入研究就任何主题启动全面的研究工作流程
- 输入： research_question （字符串） - 输出：结构化的研究指导和工作流程
提示
- 深入研究预配置的提示模板，用于启动研究任务
资源
- 动态研究状态追踪
- 进度记录和发现结果的存储
⚙️ 配置
Claude 桌面配置位置
- macOS（苹果电脑操作系统）:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows：
%APPDATA%\Claude\claude_desktop_config.json
开发环境设置（本地）
{
"mcpServers": {
"mcp-server-deep-research": {
"command": "uv",
"args": [
"--directory",
"C:\\Users\\YourUsername\\path\\to\\deepresearch-mcpserver",
"run",
"mcp-server-deep-research"
]
}
}
}生产设置（已发布）
如果发布到PyPI：
{
"mcpServers": {
"mcp-server-deep-research": {
"command": "uvx",
"args": [
"mcp-server-deep-research"
]
}
}
}🛠️ 开发
设置开发环境
# Clone the repository
git clone https://github.com/lihongwen/deepresearch-mcpserver.git
cd deepresearch-mcpserver
# Install dependencies
uv sync
# Run in development mode
uv run mcp-server-deep-research测试
# Install the MCP Inspector for testing
npx @modelcontextprotocol/inspector uv --directory . run mcp-server-deep-research构建与发布
- 同步依赖项
uv sync- 构建分发版
uv build生成源代码和轮子（wheel）分发包 dist/ 目录。
- 发布到PyPI（Python包索引） （如果您拥有出版权）
uv publish项目结构
deepresearch-mcpserver/
├── src/
│ └── mcp_server_deep_research/
│ ├── __init__.py
│ └── server.py # Main MCP server implementation
├── pyproject.toml # Project configuration
├── README.md # This file
└── LICENSE # MIT License🤝 贡献（或“参与贡献”）
欢迎投稿！以下是您可以提供帮助的方式：
- 🐛 表示“虫子”或“错误（bug）”。在中文里，这个表情符号常被用来形容出现小问题或小故障，类似于英文中的“bug”。 报告错误打开一个议题描述这个错误
- 💡 灯泡（或“灵感”、“想法”的象征） 建议功能分享你的改进意见
- 🔧 修理工具或螺丝刀的符号，常用于表示需要修理或调整的事物。 提交拉取请求（Pull Request）修复漏洞或添加功能
- 📖 书籍或阅读的象征 完善文档帮助改进文档
贡献指南
- 遵循现有的代码风格
- 为新功能添加测试
- 根据需要更新文档
- 编写清晰的提交信息
📝 更新日志
版本0.2.0（最新版）- 重大研究方法论重构
- ✅ 智能复杂性评估自动评估与自适应方法
- ✅ 多层渐进式研究三层次深度体系（概览/深入探讨/专家级）
- ✅ 动态层次子问题基于树结构复杂性的3-8个问题
- ✅ 批判性分析框架信息来源的可信度、证据分级、偏倚评估、假设检验
- ✅ 翻译成中文是：✅（这个符号本身在中文中通常表示“正确”或“确认”，没有具体的文字含义，所以直接保留符号或根据上下文可能翻译为“正确”、“确认”等）。如果仅是展示这个符号，那么中文中也会直接使用“✅”来表示。 9+个分析框架SWOT（优势、劣势、机会、威胁分析），PEST（政治、经济、社会、技术分析），5W2H（何事、何人、何时、何地、为何、如何、多少），比较分析，趋势分析，案例研究，利益相关者，证据金字塔，系统思维
- ✅ 翻译为中文是：✅（这个符号本身在中文中没有特定的含义，通常用来表示正确、确认或完成的状态，类似于英文中的“check mark”或“tick”） 跨学科综合跨领域洞察的多视角分析
- ✅ 出版级报告执行摘要、方法论、批判性分析、局限性、建议、术语表
- ✅ 置信水平系统所有结论的评级为：高/中/低/推测性
- ✅ 加强证据标准可信度评级、证据分类、引用要求
- ✅ 表示“正确”或“对”。 全面测试指南针对简单/中等/复杂/高度复杂问题的测试用例
版本0.1.0 - 初始发布
- ✅ 已添加
start_deep_research直接调用工具 - ✅ 通过结构化提示增强研究工作流程
- ✅ 改进了错误处理和日志记录
- ✅ 已更新文档并添加示例
🙏 致谢
这个项目是基于原版（或原始版本）的 MCP服务器深度研究 通过阅读+人工智能（的方式）。
特别感谢：
- 针对MCP协议的人工智能公司Anthropic与Claude AI
- 开源社区提供灵感和支持
📜 许可证
这个项目遵循MIT许可证授权——详见 许可证 文件中有详细信息。
🔗 链接
- 仓库（或存储库）https://github.com/lihongwen/deepresearch-mcpserver 翻译为中文是：“https://github.com/lihongwen/深度研究-MCP服务器（或：深度研究中的MCP服务器项目）”。不过，为了更自然地表达，我们可能会稍作调整，比如：“GitHub上的深度研究MCP服务器项目（由lihongwen维护）”
- 问题https://github.com/lihongwen/deepresearch-mcpserver/issues（译文：https://github.com/lihongwen/deepresearch-mcpserver/issues）
- MCP协议https://modelcontextprotocol.io（该网址的中文表述可直接为网址原文，无需翻译，但若需说明其含义，可表述为：“这是一个指向Model Context Protocol官方网站的链接”）
- Claude Desktop（可译为“Claude桌面版”或根据上下文简化为“Claude桌面”）https://claude.ai/download（该网址可译为“克劳德.ai下载页面”，但通常网址本身不直接翻译，保持原样即可）
______________________________________________________________________
用心打造，助力更卓越的AI研究