Multi Deep Research MCP

多提供商深度研究MCP服务器

TypeScript MCP（模型上下文协议）服务器，可以将研究查询路由到OpenAI Deep research模型或DeepSeek推理模型，并为未来的提供者提供空间。

基于原创作品 fbettag/openai深度研究mcp -扩展以支持多个AI提供商。

特性

• 研究请求创建：跨提供商创建新的研究请求（OpenAI、DeepSeek等）
• 研究请求检查状态：检查任何提供程序的请求状态
• 研究请求结果：检索已完成的研究成果，并在提供引用时将Markdown转录本保存在本地以供参考
• 推理模型列表：使用常用/默认提示检查动态提供程序模型目录
• 推理_供应商列表：发现已配置的提供程序、凭据状态和相关环境密钥

安装

仅限技能（大多数用户）

只需复制技能文件夹-不需要仓库：

git clone https://github.com/YOUR_GITHUB/multi-deep-research-mcp.git
cp -r multi-deep-research-mcp/.claude/skills/deep-research ~/.claude/skills/
rm -rf multi-deep-research-mcp  # Delete repo if you don't need CLI

export OPENAI_API_KEY="sk-proj-your-key"
export DEEPSEEK_API_KEY="sk-your-key"

然后重新启动Claude Code并使用 /deep-research.

使用CLI（单线安装）

如果您还想使用CLI npx 命令：

curl -fsSL https://raw.githubusercontent.com/YOUR_GITHUB/multi-deep-research-mcp/main/scripts/install.sh | bash
export OPENAI_API_KEY="sk-proj-your-key"
export DEEPSEEK_API_KEY="sk-your-key"

这使回购保持在 ~/.multi-deep-research-mcp 所以你可以运行：

cd ~/.multi-deep-research-mcp
npx multi-deep-research-cli research_request_create --query-file query.txt

更多安装方法

看 安装.md 有关其他设置选项和故障排除。

CLI使用情况

CLI镜像MCP工具并将响应写入文件，因此提示保持简洁。为大型输入提供单独的文件。JSON仅用于 --parameters-file.

运行CLI

本地建造（之后 npm run build):

node dist/cli.js reasoning_providers_list --output ./outputs/providers.json
./dist/cli.js reasoning_providers_list --output ./outputs/providers.json

随着 npx （已发布的包）：

npx multi-deep-research-cli reasoning_providers_list --output ./outputs/providers.json

通过此仓库 npx 不安装（需要 dist/cli.js):

npx --no-install ./dist/cli.js reasoning_providers_list --output ./outputs/providers.json

MCP与CLI概述

每个CLI子命令直接映射到MCP工具，并返回相同的响应有效载荷（包装在MCP中 content 阵列）。

输入参数和差异

research_request_create

research_request_check_status / research_request_get_results

reasoning_models_list

reasoning_providers_list 没有输入参数。

CLI特定的输出处理：

• --output 将完整的MCP响应包装写入文件。
• 没有 --output，CLI将MCP响应包装器打印到stdout。

multi-deep-research-cli research_request_create \
  --query-file ./inputs/query.txt \
  --system-message-file ./inputs/system.txt \
  --parameters-file ./inputs/params.json \
  --provider openai \
  --model o4-mini \
  --include-code-interpreter \
  --output ./outputs/create.json

创建研究报告（端到端）

1. 创建请求

multi-deep-research-cli research_request_create \
  --query-file ./inputs/query.txt \
  --system-message-file ./inputs/system.txt \
  --parameters-file ./inputs/params.json \
  --provider openai \
  --model o4-mini \
  --output ./outputs/create.json

1. 检查状态（重复直到 completed)

multi-deep-research-cli research_request_check_status \
  --request-id req_123 \
  --output ./outputs/status.json

1. 获取结果（在响应中写入报告路径）

multi-deep-research-cli research_request_get_results \
  --request-id req_123 \
  --output ./outputs/results.json

DeepSeek（同步示例）

DeepSeek同步完成，因此创建响应已经包含结果和保存的Markdown文件路径。

multi-deep-research-cli research_request_create \
  --query-file ./inputs/query.txt \
  --system-message-file ./inputs/system.txt \
  --parameters-file ./inputs/params.json \
  --provider deepseek \
  --model deepseek-reasoner \
  --output ./outputs/deepseek-create.json

端到端脚本（DeepSeek）

#!/usr/bin/env bash
set -euo pipefail

QUERY_FILE="./inputs/query.txt"
SYSTEM_FILE="./inputs/system.txt"
PARAMS_FILE="./inputs/params.json"
OUTPUT_DIR="./outputs"
MODEL="deepseek-reasoner"

mkdir -p "${OUTPUT_DIR}"

multi-deep-research-cli research_request_create \
  --query-file "${QUERY_FILE}" \
  --system-message-file "${SYSTEM_FILE}" \
  --parameters-file "${PARAMS_FILE}" \
  --provider deepseek \
  --model "${MODEL}" \
  --output "${OUTPUT_DIR}/deepseek-create.json"

端到端脚本（OpenAI轮询）

#!/usr/bin/env bash
set -euo pipefail

QUERY_FILE="./inputs/query.txt"
SYSTEM_FILE="./inputs/system.txt"
PARAMS_FILE="./inputs/params.json"
OUTPUT_DIR="./outputs"
MODEL="o4-mini"

mkdir -p "${OUTPUT_DIR}"

multi-deep-research-cli research_request_create \
  --query-file "${QUERY_FILE}" \
  --system-message-file "${SYSTEM_FILE}" \
  --parameters-file "${PARAMS_FILE}" \
  --model "${MODEL}" \
  --output "${OUTPUT_DIR}/create.json"

REQUEST_ID=$(node -e "const fs=require('fs'); const res=JSON.parse(fs.readFileSync('${OUTPUT_DIR}/create.json','utf8')); const payload=JSON.parse(res.content[0].text); console.log(payload.request_id);")

while true; do
  multi-deep-research-cli research_request_check_status \
    --request-id "${REQUEST_ID}" \
    --output "${OUTPUT_DIR}/status.json"
  STATUS=$(node -e "const fs=require('fs'); const res=JSON.parse(fs.readFileSync('${OUTPUT_DIR}/status.json','utf8')); const payload=JSON.parse(res.content[0].text); console.log(payload.status);")
  if [ "${STATUS}" = "completed" ]; then
    break
  fi
  if [ "${STATUS}" = "failed" ]; then
    echo "Request failed"
    exit 1
  fi
  sleep 10
done

multi-deep-research-cli research_request_get_results \
  --request-id "${REQUEST_ID}" \
  --output "${OUTPUT_DIR}/results.json"

多深度研究代理（单调用脚本）

此包装器在一次调用中运行整个工作流，在创建、状态和结果步骤中应用相同的输入。

脚本： scripts/multi_deep_research_cli_agent.sh

./scripts/multi_deep_research_cli_agent.sh \
  --query-file ./inputs/query.txt \
  --system-message-file ./inputs/system.txt \
  --parameters-file ./inputs/params.json \
  --provider openai \
  --model o4-mini \
  --output-dir ./outputs \
  --poll-interval 10

最小DeepSeek示例：

./scripts/multi_deep_research_cli_agent.sh \
  --query-file ./inputs/query.txt \
  --provider deepseek \
  --model deepseek-reasoner

笔记：

• --query-file 是必需的 research_request_create.
• --system-message-file 是可选的。
• --parameters-file 必须是JSON，并且是可选的（所有其他输入都是纯文本文件）。
• --output 将MCP响应对象写入指定文件。

其他命令：

multi-deep-research-cli research_request_check_status \
  --request-id req_123 \
  --output ./outputs/status.json

multi-deep-research-cli research_request_get_results \
  --request-id req_123 \
  --output ./outputs/results.json

multi-deep-research-cli reasoning_models_list \
  --provider openai \
  --output ./outputs/models.json

multi-deep-research-cli reasoning_providers_list \
  --output ./outputs/providers.json

使用Claude CLI快速设置

claude mcp add multi-deep-research -s user npx github:cbruyndoncx/multi-deep-research-mcp -e OPENAI_API_KEY=sk-your-openai-api-key-here

替换 sk-your-openai-api-key-here 使用您的实际OpenAI API密钥。

Claude桌面设置（手动）

添加到您的Claude Desktop配置中：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json\ 视窗: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "multi-deep-research": {
      "command": "npx",
      "args": ["github:cbruyndoncx/multi-deep-research-mcp"],
      "env": {
        "OPENAI_API_KEY": "sk-your-openai-api-key-here"
      }
    }
  }
}

可用功能

创建研究请求

research_request_create({
  provider?: "openai" | "deepseek",
  model?: "o4-mini",
  query: "Your research question",
  system_message?: "Optional guidance",
  include_code_interpreter?: false,
  parameters?: {
    temperature?: 0.3,
    reasoning?: { summary: "auto" }
  }
})

返回请求标识符和初始状态。DeepSeek同步完成，因此报告和引用（以及保存的Markdown路径）都包含在此响应中。

检查状态

research_request_check_status({
  request_id: "req_123...",
  provider?: "deepseek" // optional when request was created in this session
})

获取结果

research_request_get_results({
  request_id: "req_123...",
  provider?: "openai"
})

检索已完成的结果，将报告和引用写入Markdown文件（默认目录 research-results/)，并返回文件名，以便您可以在本地打开它。

列出推理模型

reasoning_models_list({ provider?: "deepseek" })

返回提供程序目录，其中包含常用/默认环境键、参数描述和功能提示。

列出推理提供者

reasoning_providers_list({})

返回每个配置的提供程序、凭据状态和用于设置收藏夹/默认值的env var键。

模型

• OpenAI： o3-deep-research-2025-06-26, o4-mini-deep-research-2025-06-26, o4, o4-mini, o3, o1等等。（动态获取）
• DeepSeek： deepseek-reasoner, deepseek-r1 （更多内容可以通过提供者注册表添加）

需求

• Node.js>=18.0.0
• 提供商凭据：

- OPENAI_API_KEY （OpenAI提供商需要） - DEEPSEEK_API_KEY （需要启用DeepSeek提供程序）

• 可选环境变量：

- REASONING_DEFAULT_PROVIDER：默认提供程序id(openai 默认情况下） - OPENAI_FAVORITE_MODELS, DEEPSEEK_FAVORITE_MODELS：逗号分隔的优先级列表 - OPENAI_DEFAULT_MODEL, DEEPSEEK_DEFAULT_MODEL：每个提供程序的默认模型 - LITELLM_MODEL_SOURCE：重写LiteLLM目录的URL（默认为官方GitHub JSON） - OPENAI_TIMEOUT, DEEPSEEK_TIMEOUT：请求超时（毫秒） - OPENAI_BASE_URL, DEEPSEEK_BASE_URL：自承载时覆盖API终结点 - RESEARCH_RESULTS_DIR：保存Markdown导出的目录（默认为 research-results/)

发展

npm install
npm run dev

测试

1. 构建一次，使服务器二进制文件存在： npm run build.
2. 运行集成线束： npm test.
3. 要手动调试LiteLLM目录，请运行 node --loader ts-node/esm scripts/test-litellm-catalog.ts （需要网络访问GitHub）。

该套件现在记录：

• 活动提供程序凭据/默认值和常用环境提示。
• 工具注册健全性检查。
• reasoning_models_list 确认供应商目录的覆盖范围暴露了模型/收藏夹。
• 完整的OpenAI研究生命周期（创建→ 状态轮询→ 结果）当 OPENAI_API_KEY （或 TEST_OPENAI_API_KEY)已设置。
• 当满足以下条件时，DeepSeek推理的完整生命周期（创建/状态/结果） DEEPSEEK_API_KEY 已设置。当缺少凭据时，会跳过测试并明确说明。

提供至少一项 OPENAI_API_KEY/TEST_OPENAI_API_KEY 或 DEEPSEEK_API_KEY 在运行之前，执行相关的提供者流。集 OPENAI_TEST_MODEL （默认值 o4-mini)如果你想强制OpenAI测试使用特定的模型，这对于避免长时间的深度研究工作非常方便。

许可证

麻省理工学院