심층 연구 보고서 생성을 위한 Claude의 MCP 서비스

일반 소개

MCP 서버 딥 리서치는 인공지능과 웹 검색을 통해 복잡한 문제에 대한 구조화된 연구 보고서를 자동으로 생성하는 오픈 소스 도구입니다. 사용자가 연구 질문을 입력하면 도구가 질문을 세분화하고, 권위 있는 정보를 검색하고, 출처의 신뢰성을 평가하고, 인용이 포함된 마크다운 보고서를 생성합니다. 이 도구는 다음을 기반으로 합니다. 모델 컨텍스트 프로토콜 (MCP)와 함께 Claude 학술 연구, 시장 분석, 콘텐츠 제작을 위해 데스크톱과 같은 플랫폼과 원활하게 통합할 수 있습니다.

기능 목록

• 자동으로 연구 질문을 세분화하고 하위 질문을 생성하여 주제의 여러 측면을 다룰 수 있습니다.
• 통합 웹 검색을 통해 공신력 있는 정보를 찾고 다양한 관점을 수집할 수 있습니다.
• 출처의 신뢰도를 평가하여 0에서 1까지의 점수를 생성합니다.
• 여러 소스의 정보를 통합하여 구조화된 마크다운 연구 보고서를 생성하세요.
• 리서치의 깊이와 폭을 사용자 지정하고 보고서 세부 수준을 제어할 수 있도록 지원합니다.
• 콘텐츠의 추적성을 보장하기 위해 명확한 인용 목록을 제공하세요.
• Claude Desktop과 같은 MCP 호환 플랫폼과 통합하여 기능을 확장할 수 있습니다.

도움말 사용

설치 프로세스

MCP 서버 딥 리서치를 사용하려면 Python 환경을 설치하고 클로드 데스크톱을 구성해야 하며, 자세한 단계는 다음과 같습니다:

1. 시스템 요구 사항 확인
   • Python 3.8 이상이 설치되어 있는지 확인합니다. 다음 명령을 실행하여 확인합니다:

     python --version
     

   • 프로젝트 코드를 다운로드하기 위해 Git을 설치합니다:

     git --version
     

   • 종속성 충돌을 피하려면 가상 환경을 사용하는 것이 좋습니다:

     python -m venv venv
     source venv/bin/activate  # Linux/Mac
     venv\Scripts\activate     # Windows
     

2. 프로젝트 저장소 복제
   GitHub에서 코드를 다운로드하세요:

   git clone https://github.com/reading-plus-ai/mcp-server-deep-research.git
   cd mcp-server-deep-research
   

3. 종속성 설치
   프로젝트 사용 uv 종속성은 관리되지만 웨어하우스에서 제공하지 않음 requirements.txt 문서. 공식 문서와 유사한 프로젝트의 관례에 따라 종속성에는 다음이 포함된다고 가정합니다. requests및pydantic 및 기타 Python 라이브러리. 설치 uv::

   pip install uv
   

   의 부족으로 requirements.txt프로젝트를 직접 실행하고 보고된 오류에 따라 누락된 라이브러리를 수동으로 설치하거나 공식 문서를 참조하여 후속 업데이트를 진행하는 것이 좋습니다. 일반적으로 필요한 라이브러리는 다음 명령어로 설치할 수 있습니다:

   pip install requests pydantic
   

   프로젝트가 종속성 관리를 업데이트하는 경우(예를 들어 pyproject.toml 어쩌면 requirements.txt)에서 최신 커밋이 있는지 GitHub 리포지토리를 확인하세요.

4. Claude 데스크톱 설치
   • 통해 (틈새) claude.ai/download Claude 데스크톱을 다운로드합니다(macOS 및 Windows 지원).
   • 설치가 완료되면 앱을 열고 로그인하여 인터넷 연결이 제대로 작동하는지 확인합니다.
5. MCP 서버 구성
   클로드 데스크톱 구성 파일을 편집하여 MCP 서버 설정을 추가합니다:
   • 구성 파일 경로입니다:
     • macOS. ~/Library/Application Support/Claude/claude_desktop_config.json
     • Windows. %APPDATA%\Claude\claude_desktop_config.json
   • 다음을 추가합니다(게시된 서버 구성):

     {
     "mcpServers": {
     "mcp-server-deep-research": {
     "command": "uvx",
     "args": ["mcp-server-deep-research"]
     }
     }
     }
     

   • 개발 버전의 서버를 사용하는 경우 다음과 같이 구성합니다:

     {
     "mcpServers": {
     "mcp-server-deep-research": {
     "command": "uv",
     "args": [
     "--directory",
     "/path/to/mcp-server-deep-research",
     "run",
     "mcp-server-deep-research"
     ]
     }
     }
     }
     

     최고 사령관(군) /path/to/mcp-server-deep-research 실제 프로젝트 경로로 바꿉니다.

6. 서버 시작
   프로젝트 디렉토리에서 실행합니다:

   uv run mcp-server-deep-research
   

   서버가 시작되면 서버는 deep-research 템플릿을 입력하라는 메시지가 표시되면 연구 질문을 수락할 준비를 합니다. 누락된 종속성을 묻는 메시지가 표시되면 보고된 오류에 언급된 라이브러리를 설치합니다.

사용법

MCP 서버 딥 리서치의 핵심 기능은 자동화된 리서치 보고서 생성입니다. 아래는 작업 흐름입니다:

1. 연구 질문 준비

클로드 데스크톱에서 MCP 프롬프트 템플릿을 열고 deep-research.. 예를 들어 특정 연구 질문을 입력합니다:

• "의료 분야의 인공 지능 분석."
• "지속 가능한 에너지의 최신 기술 발전에 대한 연구"
  명확한 질문은 보고서의 품질을 향상시킵니다.

2. 구성 연구 매개변수

JSON을 통해 튜닝 매개변수를 구성합니다:

• depth학습 깊이(1~5, 값이 높을수록 더 자세한 정보를 제공함).
• breadth연구 범위(1~10, 더 많은 주제를 다룰수록 값이 높음).
  예시:

{
"query": "人工智能在医疗领域的应用",
"depth": 3,
"breadth": 5
}

클로드 데스크톱 입력 화면에서 매개변수를 설정합니다.

3. 구현 연구

질문을 제출하면 도구에서 자동으로 실행됩니다:

• 문제 개선 주요 문제를 하위 문제(예: "진단에서 AI의 역할", "신약 개발에서 AI의 적용")로 세분화합니다.
• 웹 검색 Claude의 내장 검색 기능을 사용하여 학술 논문, 뉴스 등을 찾아보세요.
• 콘텐츠 분석 출처의 신뢰도를 평가하고(권위와 시의성에 따라 0~1점 척도) 양질의 정보를 선별합니다.
• 보고서 생성 정보를 통합하고 개요, 분석, 결론 및 인용이 포함된 마크다운 보고서를 생성하세요.

4. 보고서 보기

보고서는 다음 위치에 저장됩니다. dist/ 폴더에 저장하고, 파일 이름은 연구 질문에 대한 간단한 설명으로 지정합니다(예 ai_medical_applications.md). 보고 구조:

• 소개 문제와 목표의 개요를 작성합니다.
• 주요 부분 하위 이슈 분석이 세그먼트로 표시됩니다.
• 평결에 도달하기 주요 조사 결과 요약.
• 견적 출처와 출처의 신뢰도 등급을 나열합니다.
  사용자는 마크다운 파일을 열거나 옵시디언과 같은 도구로 가져와서 편집할 수 있습니다.

5. 커미셔닝 및 로깅

보고서 생성에 실패하면 로그를 확인하세요:

• macOS.

  tail -n 20 -f ~/Library/Logs/Claude/mcp*.log
  

• Windows.

  Get-Content -Path "$env:APPDATA\Claude\logs\mcp*.log" -Tail 20 -Wait
  

로그에는 검색 과정과 오류 메시지가 표시됩니다.

주요 기능 작동

• 하위 이슈 생성 '지속 가능한 에너지'와 같은 복잡한 이슈를 '태양광 기술의 발전'과 '풍력 에너지의 비용 효율성'으로 자동 분류합니다.
• 신뢰도 평가 출처: 권위와 시의성을 기준으로 0~1등급을 부여하며, 0.7등급 이상의 출처를 선호합니다.
• 마크다운 보고서 서식은 일관되고 제목, 단락 및 인용을 포함하며 학술적 또는 전문적인 용도로 사용하기에 적합합니다.
• 유연한 매개변수 : 조정 depth 노래로 응답 breadth다음은 짧은 요약 또는 상세 분석을 생성하는 데 사용할 수 있는 분석 유형의 몇 가지 예입니다.

주의

• 클로드 데스크톱이 로그인되어 있고 네트워크가 안정적인지, 검색 기능을 사용하려면 인터넷이 필요한지 확인하세요.
• 높은 depth 어쩌면 breadth 실행 시간이 늘어날 수 있으며, 초기 사용 시 기본값으로 권장됩니다(depth=2, breadth=4).
• 정기적으로 GitHub 리포지토리 확인 main 지점을 개설하고 업데이트를 받아보세요.
• 부족 requirements.txt 이로 인해 설치 문제가 발생할 수 있으므로 공식 문서에서 업데이트를 확인하거나 문제를 제출하여 문의하는 것이 좋습니다.

개발자 지원

기능을 사용자 지정해야 하는 경우 공식 문서의 '개발' 섹션을 참조하세요:

• 동기화 종속성 ::

uv sync

• 배포 패키지 구축 ::

uv build

생성된 패키지는 dist/ 카탈로그.

• PyPI에 게시됨 ::

uv publish

개발자는 GitHub를 통해 풀 리퀘스트를 제출하여 코드나 문서를 기여할 수 있습니다.

애플리케이션 시나리오

1. 학술 연구
   대학원생이 문헌 리뷰를 작성하고 질문을 입력하면 도구가 학술 자료를 검색하고 보고서를 생성하여 정리하는 시간을 절약할 수 있습니다.
2. 시장 분석
   분석가들은 "클라우드 컴퓨팅 시장 전망 2025"와 같은 업계 동향을 연구하고 도구는 권위 있는 데이터를 수집하여 분석 보고서를 생성합니다.
3. 콘텐츠 제작
   기자는 기사의 배경 정보를 준비하고, 도구는 신뢰할 수 있는 정보와 인용을 제공하여 체계적인 보고서를 생성합니다.
4. 교육 지원
   교사가 교육 자료를 준비하고 주제를 입력하면 도구가 교실에서 사용하기에 적합한 최신 정보가 포함된 보고서를 생성합니다.

QA

1. MCP 서버 심층 조사에 수수료가 있나요?
   MIT 라이선스에 따라 완전히 무료로 제공되며 코드는 GitHub에서 공개적으로 사용할 수 있습니다.
2. Claude Desktop을 사용해야 하나요?
   예, 현재 버전은 Claude Desktop의 MCP 프레임워크에 의존합니다.
3. 보고서의 신뢰성은 어떻게 보장되나요?
   출처는 신뢰도 등급(0~1)에 따라 필터링되며, 0.7 이상의 등급을 받은 정보에 우선순위가 부여되고 사용자는 인용을 확인할 수 있습니다.
4. 오프라인 사용을 지원하나요?
   웹 검색은 지원되지 않으며, 인터넷 연결이 필요합니다.
5. 누락된 요구 사항.txt를 처리하는 방법은 무엇인가요?
   공통 라이브러리(예 requests및pydantic) 또는 GitHub 리포지토리를 팔로우하여 업데이트를 확인하고 이슈 쿼리를 제출하세요.