deep-research-mcp ：一款深度迭代研究助手-优快云博客

deep-research-mcp ：一款深度迭代研究助手

deep-research-mcp 项目地址: https://gitcode.com/gh_mirrors/de/deep-research-mcp

项目介绍

deep-research-mcp 是一款基于人工智能的深度研究助手，能够针对任何主题进行深入、迭代的研究。它结合了搜索引擎、网页抓取和人工智能技术，对研究主题进行深度探索，并生成全面的报告。该项目可以作为 Model Context Protocol (MCP) 工具或独立的命令行界面（CLI）使用，通过查看 exampleout.md 文件，我们可以预览一份报告可能的样子。

项目技术分析

deep-research-mcp 的技术架构融合了多种先进的技术手段。它利用生成针对性的搜索查询来进行深度迭代研究，并通过深度和广度参数控制研究范围。此外，项目还包含了以下技术特点：

搜索引擎与网页抓取： 结合搜索引擎和网页抓取技术，自动搜集和整合大量信息。
人工智能评价： 采用详细评分（0-1）和推理方法评估信息源的可靠性。
优先级处理： 优先考虑高可靠性（≥0.7）的来源，并核实较低可靠性信息。
反馈机制： 生成后续问题，以更好地理解研究需求。
Markdown 报告： 生成包含发现、来源和可靠性评估的详细 Markdown 报告。

项目的内部流程如图所示，用户查询经过处理，生成综合查询，随后根据深度和广度参数进行搜索，评估来源可靠性，处理结果，最后生成学习成果、来源元数据和下一步研究方向。

flowchart TB
    subgraph Input
        Q[用户查询]
        B[广度参数]
        D[深度参数]
        FQ[反馈问题]
    end

    subgraph Research[深度研究]
        direction TB
        SQ[生成 SERP 查询]
        SR[搜索]
        RE[来源可靠性评估]
        PR[处理结果]
    end

    subgraph Results[研究结果]
        direction TB
        L((学习成果及
        可靠性评分))
        SM((来源元数据))
        ND((下一步方向：
        优先目标，新问题))
    end

    Q & FQ --> CQ[综合查询]
    CQ & B & D --> SQ
    SQ --> SR
    SR --> RE
    RE --> PR

    PR --> L
    PR --> SM
    PR --> ND

    L & ND --> DP{深度 > 0?}
    DP -->|是| SQ
    
    DP -->|否| MR[Markdown 报告]