🧠 最高研究MCP
欢迎来到 最高研究MCP –您的终极多源、人工智能增强研究助手！ 🚀
同时利用多个搜索引擎和学术数据库，从任何网络资源或PDF中提取丰富的内容，并使用语义嵌入来优化结果。非常适合研究人员、学生或好奇的人。
______________________________________________________________________
🎯 特性
- 🔎 多源搜索：Brave、DuckDuckGo、OpenAlex、arXiv、Core、CrossRef
- 📝 从URL中自动提取内容（HTML和PDF）
- ⏱ 超时安全提取（最多15秒）
- 🧩 基于嵌入的结果细化
- 📊 预览和过滤低质量内容
- 🤖 MCP集成用于高级LLM查询扩展
______________________________________________________________________
⚙️ 安装
- 克隆存储库：
git clone
cd - 安装依赖项（确保Python 3.11+）：
pip install -r requirements.txt- 确保
uv安装用于运行MCP命令：
pip install uv______________________________________________________________________
🚀 用法
单一命令使用
使用 uv run 直接从命令行执行研究功能：
uv run supreme_research_mcp run_deep_research --query "What is the capital of New York State?" --limit 5--query：您的研究查询--limit：每个搜索引擎的最大结果数
MCP模式（LLM增强型）
在MCP模式下运行时，该工具可以扩展查询，执行多源搜索，并自动优化结果。
LLM增强查询示例
"Impact of climate change on polar bear populations""Latest AI breakthroughs in natural language processing""Open access COVID-19 research papers 2025"
该系统将自动扩展查询，在所有来源上运行搜索，获取URL，提取内容（HTML/PDF），并优化结果。
______________________________________________________________________
📌 输出结构
每个结果包含：
title：论文或网页的标题url：源URLsource：搜索引擎或数据库subquery：使用了扩展查询text：提取内容chars：提取的字符数extraction_error（可选）：如果提取失败，则显示错误消息
______________________________________________________________________
🖼 预览和筛选
低质量的结果（少于50个字符）会被自动过滤掉。您可以使用以下方式预览结果：
print_results(results)______________________________________________________________________
⚡ 精炼
使用基于嵌入的相似性和可配置的参数来细化结果：
top_k：要保留的最佳结果数量chunk_size：嵌入的文本块大小overlap：块之间的重叠大小
这确保了提供最相关的信息。
______________________________________________________________________
📝 备注
- PDF和web内容提取受超时保护（每个URL 15秒）
- 通过多种策略支持HTML和PDF提取
- 专为异步执行而设计，以最大限度地提高效率
______________________________________________________________________
© 2025 Akinus21