DeepResearcher：基于MCP和browser-use实现深度研究Agent

最新推荐文章于 2025-07-25 17:43:54 发布
最新推荐文章于 2025-07-25 17:43:54 发布
阅读量1k 收藏
点赞数 7
CC 4.0 BY-SA版权
分类专栏： AI人工智能与大数据 Agentic AI 实战 计算 文章标签： ai 程序人生 python mcp agent
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/universsky2015/article/details/148836246

第7章 DeepResearcher：基于MCP和browser-use实现深度研究Agent

本章将系统性讲解如何基于MCP（Model Context Protocol）和browser-use技术，构建一个具备深度互联网检索、学术论文分析、网页内容自动提取与结构化报告生成能力的AI Agent——DeepResearcher。我们将从整体架构、核心模块、工具链原理、关键代码实现、流式API设计、前后端交互、Agent推理链路等多个维度，深入剖析该项目的工程实践与技术细节，帮助读者掌握如何打造工业级的深度研究型AI Agent。

文章目录

DeepResearcher项目是一个面向学术、商业、技术等多领域的“端到端深度研究智能体”系统。它集成了多种LLM（大语言模型）、MCP多模态工具协议、browser-use自动化浏览器、LangGraph推理工作流、FastAPI流式接口、Streamlit前端等先进技术，实现了从用户自然语言研究请求到结构化深度报告自动生成的全流程自动化。

本章内容结构如下：

  • 7.1 DeepResearcher整体架构与技术选型
  • 7.2 MCP协议与browser-use工具生态详解
  • 7.3 Agent推理链路与LangGraph工作流实现
  • 7.4 研究任务分解与多工具协同机制
  • 7.5 关键API设计与流式响应实现
  • 7.6 前端Streamlit应用与用户交互体验
  • 7.7 代码实现全流程详解
了解本专栏 订阅专栏 解锁全文 超级会员免费看
《Agentic AI 实战》第7章 DeepResearcher：基于MCP和browser-use实现深度研究Agent
AI天才研究院
06-23 967
DeepResearcher：基于MCP与浏览器自动化的深度研究Agent DeepResearcher是一个结合MCP（Model Context Protocol）和browser-use技术的智能研究Agent系统，实现了网络搜索、学术论文分析、网页内容提取与结构化报告生成的全流程自动化。系统采用分布式微服务架构，包含研究服务器、客户端服务器、LangGraph工作流和Streamlit前端等核心组件。 技术亮点包括： 通过MCP协议标准化连接LLM与外部工具 使用browser-use技术进行深度网
DeepResearcher：基于browser-use实现深度研究Agent
AI天才研究院
06-23 1268
摘要 本章介绍DeepResearcher，一个基于Browser-use技术的智能研究Agent。7.1节详细讲解浏览器自动化优化，包括异步编程（asyncio+Playwright）、资源拦截（屏蔽非必要资源）和智能等待策略，提升响应速度；通过协程并发和多进程技术实现网页并行处理；以及大规模爬取的并发控制、失败重试和动态限流机制。7.2节探讨用户体验优化，如使用Streamlit实现研究过程可视化（进度条、实时日志）和阶段性反馈，增强用户参与感和信任度。整体上，本章系统阐述了如何构建高效、可靠的研究Ag
【免费下载】 mcp-browser-use：AI驱动的浏览器自动化服务器
gitblog_00274的博客
04-08 1707
mcp-browser-use：AI驱动的浏览器自动化服务器 项目介绍 mcp-browser-use 是一个基于 Model Context Protocol (MCP) 的 AI 驱动的浏览器自动化服务器。它通过自然语言控制浏览器，进行网页自动化操作和深度网络研究，使得复杂的浏览任务可以通过简单的文本指令来完成。该项目建立在 browser-use/web-ui 的基础上，并对核心浏览器自动化...
别再重复劳动！浏览器自动化实战： browser-use
烤鸭的世界我们不懂的博客
04-27 589
大家好，我是烤鸭： 最近在研究AI的落地应用，满世界都在做AI，以前还在研究大模型、GPT，现在都变成了agent、mcp。manus公布了3天就销声匿迹了，今天看下manus的前置开源工具browser-use。
AI操作网页：browser-use和AI大模型互动解析
2401_85375298的博客
07-21 735
一、browser-use介绍AI大模型大家最熟悉的就是输出文本 ，图片，或者视频，在工作与生活中或许已经能够驾轻就熟地使用。现在MCP（Model Context Protocol）的兴起，怎么使用AI大模型代替人工进行操作，进入了大家视野。有一个开源的 AI 驱动的浏览器自动化框架，对 AI 代理友好，能够实现在线任务的自动化流程，并且在开源社区具有强大的影响力（GitHub 星数 63.4k+），它就是browser-use。
浏览器智能体-browser use理解与配置
hooksten的博客
04-12 909
browser use自动化浏览器操作。首先说明一下浏览器智能体的工作原理:整体架构与核心流程：采用分层架构，包含 DOM 操作、浏览器控制、AI 代理相关模块。核心流程从浏览器上下文入口开始，调用 DOM 服务获取可点击元素，DOM 服务层构建元素树并标注，最后由 JavaScript 执行标注并呈现效果。1.DOM 树遍历与分析：通过递归深度遍历 DOM 树，获取每个节点信息。同时，从可交互性和可见性两方面分析元素，判断其是否符合标注条件，为精准标注提供依据。
探索 browser-use：追踪浏览器使用情况的强大工具
xiezhipu的博客
03-11 757
提供了一种简单的方式来连接AI代理和浏览器，使得开发者可以利用AI的能力自动执行各种浏览器任务，如登录网站、搜索信息、比较价格等。项目为我们打开了一扇了解浏览器使用情况的窗户。它不仅提供了有价值的数据支持，还促进了开发者对用户浏览器环境的深入理解。无论是在网站开发、产品优化还是市场分析方面，这个项目都具有不可忽视的作用。如果你还在为如何把握浏览器市场动态而烦恼，不妨关注一下项目，相信它会给你带来意想不到的收获。
AI智能驱动浏览器工具Browser Use详解
城下秋草‘s Blog
06-08 1068
在之前关于 AI 测试相关的几篇文章中，我们分别介绍了通过，以及等几个不同的 AI 浏览器工具，实现 AI 驱动自动化测试的方法介绍。而其实在这些不断涌现的新工具出现之前，还有一个更早推出（2024.11），也同样还在不断完善的AI浏览器驱动工具，其工具实现思路，为后来的相关工具提供了很多借鉴。而经过半年多40多个版本的迭代，目前最新版本0.2.5，工具功能也日臻完善。本文，我们就再来对这个 AI 浏览器做一个系统的介绍。
程序人生，开启2025下半年
清平乐的技术专栏
07-03 963
时光匆匆，2025年已然过去一半。转眼来到了7月份。回望过去上半年，可能你也经历了职场的浮沉、生活的跌宕、家庭的变故。而下半年，生活依旧充满了各种变数。大环境的起起伏伏、生活节奏的加快，都让未来的不确定性愈发凸显。在这个时候，我们最应该做的，不是折腾，而是求稳。围棋中有句俗语：“临杀勿急，稳中取胜；一着不慎，满盘皆输。2025下半年，稳得住，你才能赢。
时间序列预测Python机器学习应用
木头大左的博客
07-23 1424
时间依赖性：当前值受过去值的影响。趋势性：数据可能呈现长期上升或下降的趋势。季节性：数据在固定周期内重复出现的模式。噪声：随机波动，无明显规律。
【Python】绘制小提琴、箱线和散点的组合图
a11113112的博客
07-25 427
可根据需求修改各图的配色。
力扣刷题（第九十八天）
最新发布
eachin_z的博客
07-25 270
python脚本学习。- 保持更新，努力学习。
Python编程进阶知识之第三课处理数据（numpy）
m0_74977182的博客
07-22 1047
numpy知识点比较繁琐，但是都是比较简单理解的，认真琢磨明白numpy有哪些操作就行，并不需要刻意去记忆，理解就好。
利用遥感和 Python 追踪休斯顿的绿化覆盖率（基于卫星 NDVI）
gis收藏家的博客
07-24 344
具体来说，就是用 Sentinel-2 2A 级影像，将第 8 波段减去第 4 波段，再除以它们的和。你所看到的是休斯顿的绿意盎然，以及这片绿意栖息的土地。Sentinel-2 非常棒，因为它可以免费获得 10 米分辨率的数据，并且每 5 天提供一次覆盖全球的数据。得益于欧洲航天局的哨兵二号卫星和免费提供的哥白尼数据，我们现在可以逐像素地追踪城市绿化覆盖的细微变化。因此，这类遥感技术的入门门槛很低。在休斯顿这样的地方，开发向外延伸到低密度绿地区域，它是一种追踪我们经常忽略的东西的工具：我们建造的东西。
Python 数据科学与可视化工具箱 (一) - 数组创建：array(), arange(), zeros(), ones(), linspace()
晨的技术博客
07-25 565
NumPy是数据科学的核心库之一，提供了高效的多维数组处理能力。本文详细介绍了NumPy中最常用的数组创建函数：np.array()可将现有数据转换为数组；np.arange()生成等差序列；np.zeros()和np.ones()分别创建全零和全一数组；np.linspace()生成等间隔数值序列。这些函数能快速初始化数组，并支持指定数据类型、形状等属性，满足不同计算需求，是数据处理的必备工具。
基于 NumPy 的高效数值计算技术解析与实践指引
cpluspluszz的博客
07-22 786
在数据处理与科学计算领域，高效是核心诉求。NumPy 作为 Python 生态高效数值计算的基石，以高性能多维数组对象及配套函数，成为数据从业者的必备工具。其数组支持算术、比较、逻辑等丰富运算，通过直接处理每个元素，无需循环，大幅提升代码效率与简洁度。算术运算NumPy 数组可以直接进行加减乘除等算术运算，运算规则是对应元素之间进行操作。
常见Transforms
m0_69126768的博客
07-23 153
compose（）用法，compose（）中的参数需要是一个列表，python中，列表的表示形式为[数据1，数据2，数据3，...]，在compose中，数据需要是transforms类型，所以得到，compose（[transforms参数1，transforms参数2，...]）经过我们的Normalize归一化，我们的图片出现的不同的颜色。我们在看看RandomCrop,随机裁剪。
疏老师-python训练营-Day22复习日
weixin_44861705的博客
07-22 418
（比如有些特征组合起来（船上父母 / 子女数量特征和船上兄弟姐妹 / 配偶数量特征可以组合起来，人多力量大，活得纪律高）。有些特征（姓名有mr,dr,mrs）说不定也有用）但是特征工程对于我这个python机器学习初学者还是很费劲的，所以我先做了老师这些天的一些课程内容。人的遗忘是挺快的，我有些也不太记得了，好在我还知道基本顺序和知道函数大致作用和要修改的部分。接下来，开始提高准确率了，会发现提不了（这玩意用最基本的方法是很难提升的）0.先说一下结论，kaggle上的习题如果仅仅只靠老师教的方法，
如何搭建fastmcp
05-12
<think>好的，用户想了解如何搭建和使用FastMCP框架，我需要根据他们提供的引用资料和之前的对话来回答。首先，用户之前已经问过FastMCP的介绍，现在需要具体的搭建和使用指南。 首先，查看引用资料，引用[1]提到了FastMCP的安装和配置，有Python和TypeScript两种版本。引用[2]和[3]分别给出了TypeScript和Python的具体安装步骤和示例代码。用户可能对两种环境都有兴趣，所以需要分两部分说明。 用户的问题是要搭建和使用框架，所以需要详细步骤。先整理安装部分，Python用pip安装，TypeScript用npm或yarn。然后配置部分，需要确保环境正确，比如Node.js或Python版本。接着是使用指南，比如创建服务器、注册工具函数、运行服务器等，引用中的代码示例可以直接用。 另外，用户可能关心不同传输方式，比如WebSocket和SSE，需要说明如何切换。同时，引用[3]提到了安全增强和异步处理，这部分可以作为高级功能，但用户现在可能只需要基础，所以先简要提及，留到相关问题里扩展。 需要注意用户可能混淆了两种语言的环境，所以需要明确区分Python和TypeScript的步骤，避免混淆。同时，确保代码示例正确，比如Python的装饰器使用和TypeScript的类方法。 最后，生成相关问题时要覆盖部署、工具组合、安全功能等，引用中的内容如动态加载插件、身份验证等可以作为问题，帮助用户深入探索。</think>### FastMCP 框架搭建与使用指南 以下是基于 Python 和 TypeScript 两种版本的 **FastMCP 框架搭建与使用教程**，结合官方文档和最佳实践整理。 --- #### 一、环境准备 1. **Python 版本**（适用于后端服务开发） - Python ≥ 3.8 - 安装依赖库： ```bash pip install fastmcp httpx python-dotenv ``` 2. **TypeScript 版本**（适用于前端或全栈场景） - Node.js ≥ 16.x - 初始化项目并安装依赖： ```bash npm init -y npm install @fastmcp/core typescript @types/node ``` --- #### 二、快速搭建 MCP 服务器 ##### **Python 版本示例** 1. **创建基础服务器**（保存为 `demo_server.py`）： ```python from fastmcp import FastMCP # 初始化服务器对象，设置名称和端口 mcp_server = FastMCP("Math Tools Server", port=9000) # 注册工具函数（自动暴露给客户端调用） @mcp_server.tool() def calculate_sum(a: int, b: int) -> dict: """计算两数之和，并返回时间戳""" return {"result": a + b, "timestamp": datetime.now().isoformat()} # 启动服务器（支持 WebSocket 或 SSE） if __name__ == "__main__": mcp_server.run(transport="ws") # 可选 "sse" 切换为 Server-Sent Events ``` 2. **运行服务器**： ```bash python demo_server.py ``` ##### **TypeScript 版本示例** 1. **创建基础服务器**（保存为 `addition.ts`）： ```typescript import { FastMCP } from '@fastmcp/core'; // 初始化 MCP 服务器 const mcp = new FastMCP({ name: "TypeScript Demo", transport: "ws", // 或 "sse" }); // 注册工具方法 mcp.tool("math/add", (params: { a: number, b: number }) => { return { sum: params.a + params.b }; }); // 启动服务 mcp.start(9000); ``` 2. **运行服务器**： ```bash npx ts-node addition.ts ``` --- #### 三、客户端调用示例（Python） 通过 `stdio` 或 WebSocket 客户端调用工具： ```python from mcp.client.stdio import stdio_client async def main(): # 连接本地服务器 client = stdio_client(command="python demo_server.py") # 调用注册的 calculate_sum 方法 response = await client.invoke("calculate_sum", {"a": 5, "b": 3}) print(response) # 输出: {"result": 8, "timestamp": "2025-04-24T10:16:34+00:00"} ``` --- #### 四、进阶功能配置 1. **安全增强**（基于引用[3]）： - 继承 `FastMCP` 类并添加 JWT 验证中间件： ```python from fastmcp import FastMCP import jwt class SecureFastMCP(FastMCP): async def handle_request(self, request): token = request.headers.get("Authorization") try: payload = jwt.decode(token, "SECRET_KEY", algorithms=["HS256"]) return await super().handle_request(request) except jwt.InvalidTokenError: return {"error": "Unauthorized"} ``` 2. **动态资源管理**： - 通过类封装实现状态保持： ```python @mcp_server.resource() class Counter: def __init__(self): self.value = 0 async def increment(self): self.value += 1 return {"count": self.value} ``` --- #### 五、部署建议 - **生产环境部署**： - 使用 `uvicorn` 运行 Python 服务（支持多进程）： ```bash uvicorn demo_server:app --host 0.0.0.0 --port 9000 --workers 4 ``` - TypeScript 版本可通过 `pm2` 守护进程： ```bash pm2 start addition.ts --interpreter="node" ``` ---
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI天才研究院

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值