Услуга MCP от Claude для составления отчетов о глубоких исследованиях

Последние ресурсы по искусственному интеллектуОпубликовано 4 месяца назад Круг обмена ИИ

8.5K 00

Общее введение

MCP Server Deep Research - это инструмент с открытым исходным кодом, который автоматически генерирует структурированные исследовательские отчеты по сложным проблемам с помощью искусственного интеллекта и веб-поиска. Пользователи вводят вопрос исследования, а инструмент разбивает его на части, ищет авторитетную информацию, оценивает достоверность источника и генерирует отчет в формате Markdown с цитатами. Он основан на Модель Контекстный протокол (MCP), с Клод Бесшовная интеграция с такими платформами, как Desktop, для академических исследований, анализа рынка и создания контента.

Список функций

Автоматически разбивает исследовательские вопросы и генерирует подвопросы, чтобы охватить несколько аспектов темы.
Интегрированный веб-поиск для поиска авторитетной информации и сбора различных точек зрения.
Оцените достоверность источника, оценив его по шкале от 0 до 1.
Интеграция информации из нескольких источников для создания структурированных исследовательских отчетов в формате Markdown.
Поддержка настройки глубины и широты исследования и контроля уровня детализации отчета.
Предоставьте четкий список ссылок, чтобы обеспечить прослеживаемость содержания.
Интеграция с MCP-совместимыми платформами, такими как Claude Desktop, для расширения функциональности.

Использование помощи

Процесс установки

Чтобы использовать MCP Server Deep Research, необходимо установить среду Python и настроить Claude Desktop. Вот подробные шаги:

Проверка системных требований
- Убедитесь, что установлен Python 3.8 или более поздней версии. Для проверки выполните следующую команду:
```
python --version
```
- Установите Git для загрузки кода проекта:
```
git --version
```
- Чтобы избежать конфликтов зависимостей, рекомендуется использовать виртуальную среду:
```
python -m venv venv
source venv/bin/activate  # Linux/Mac
venv\Scripts\activate     # Windows
```

Клонирование хранилища проектов
Загрузите код с GitHub:

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

Установка зависимостей
Использование проекта uv Управляемая зависимость, но не предоставляемая складом requirements.txt Документация. Основываясь на официальной документации и соглашениях аналогичных проектов, предполагается, что зависимости включают в себя requests, иpydantic и другие библиотеки Python. Установка uv::
```
pip install uv
```
из-за отсутствия requirements.txtРекомендуется запустить проект напрямую и вручную установить недостающие библиотеки, основываясь на сообщениях об ошибках, или обратиться к официальной документации для последующего обновления. Обычно необходимые библиотеки можно установить с помощью следующих команд:
```
pip install requests pydantic
```
Если проект обновляет управление зависимостями (например, добавляет pyproject.toml возможно requirements.txt), проверьте свои репозитории GitHub на наличие последних коммитов.
Установка Claude Desktop
- через (щель) claude.ai/скачать Загрузите Claude Desktop (поддерживаются macOS и Windows).
- После установки откройте приложение и войдите в него, чтобы убедиться, что ваше интернет-соединение работает.
Настройка сервера MCP
Отредактируйте файл конфигурации Claude Desktop, чтобы добавить параметры сервера MCP:
- Путь к файлу конфигурации:
  - macOS. ~/Library/Application Support/Claude/claude_desktop_config.json
  - Окна. %APPDATA%\Claude\claude_desktop_config.json
- Добавьте следующее (конфигурация опубликованного сервера):
```
{
"mcpServers": {
"mcp-server-deep-research": {
"command": "uvx",
"args": ["mcp-server-deep-research"]
}
}
}
```
- Если вы используете версию сервера для разработки, настройте ее так:
```
{
"mcpServers": {
"mcp-server-deep-research": {
"command": "uv",
"args": [
"--directory",
"/path/to/mcp-server-deep-research",
"run",
"mcp-server-deep-research"
]
}
}
}
```
  главнокомандующий (военный) /path/to/mcp-server-deep-research Замените на фактический путь к проекту.
Запустите сервер
Запустите в каталоге проекта:
```
uv run mcp-server-deep-research
```
При запуске сервер загружает deep-research Задайте шаблоны и будьте готовы ответить на вопросы по исследованию. Если появится запрос на отсутствие зависимостей, установите библиотеки, упомянутые в сообщении об ошибке.

Использование

Основной особенностью MCP Server Deep Research является автоматическое создание отчетов об исследованиях. Ниже приведен порядок действий:

1. Подготовка вопросов для исследования

В Claude Desktop откройте шаблон MCP Prompts и выберите deep-research.. Введите конкретный вопрос исследования, например:

"Анализ искусственного интеллекта в здравоохранении".
"Исследование последних технологических достижений в области устойчивой энергетики".
Четкие вопросы повышают качество отчета.

2. Параметры исследования конфигурации

Настройка параметров настройки через JSON:

depth: Глубина исследования (1-5, при более высоких значениях - более подробная информация).
breadth: Широта исследований (1-10, чем выше значение, тем больше тем охвачено).
Пример:

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

Установите параметры на экране ввода Claude Desktop.

3. исследования по внедрению

После отправки вопроса инструмент автоматически выполняет его:

Уточнение проблемы : Декомпозиция основной проблемы на подпроблемы (например, "Роль ИИ в диагностике", "Применение ИИ в поиске лекарств").
Веб-поиск : Используйте встроенный поиск Claude, чтобы найти научные статьи, новости и многое другое.
контент-анализ : Оценивайте достоверность источников (по шкале 0-1, с учетом авторитетности и своевременности) и отбирайте высококачественную информацию.
Формирование отчетов : Консолидируйте информацию и создавайте отчеты в формате Markdown с обзором, анализом, выводами и цитатами.

4. Просмотр отчета

Отчет сохраняется в dist/ папку, а в названии файла - краткое описание вопроса исследования (например. ai_medical_applications.md). Структура отчетности:

вводная : Изложите проблемы и цели.
основная часть : Анализ подсистем представлен в виде сегментов.
вынести вердикт : Краткое изложение основных выводов.
цитировать : Перечислите источники и рейтинги их достоверности.
Пользователи могут открывать файлы Markdown или импортировать их в такие инструменты, как Obsidian, для редактирования.

5. ввод в эксплуатацию и регистрация

Если генерация отчета не удалась, проверьте журнал:

macOS.

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

Окна.

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

В журнале отображается процесс поиска и сообщения об ошибках.

Функциональное управление

Создание подпрограмм : Автоматически разбивает сложные вопросы, такие как "устойчивая энергетика", на "достижения в области солнечных технологий" и "экономическая эффективность энергии ветра".
Оценка достоверности : Источники оцениваются от 0 до 1, предпочтение отдается источникам с рейтингом выше 0,7, исходя из авторитетности и своевременности.
Отчеты в формате уценки : Форматирование последовательное, включает заголовки, абзацы и цитаты, подходит для академического или профессионального использования.
Гибкие параметры : Корректировки depth ответить пением breadthНиже приведены примеры типов анализов, которые можно использовать для составления кратких резюме или подробных анализов.

предостережение

Убедитесь, что Claude Desktop вошел в систему и имеет стабильную сеть, а для работы функции поиска требуется Интернет.
высокая depth возможно breadth Может увеличить время работы, по умолчанию рекомендуется для первоначального использования (depth=2, breadth=4).
Регулярно проверяйте репозитории GitHub main Развивайтесь и получайте обновления.
нехватка requirements.txt Это может привести к проблемам с установкой, поэтому мы рекомендуем проверять официальную документацию на наличие обновлений или отправлять запрос о проблеме.

Поддержка разработчиков

Если вам нужно настроить функциональность, обратитесь к разделу "Разработка" официальной документации:

зависимость синхронизации ::

uv sync

Создание дистрибутивных пакетов ::

uv build

Созданный пакет находится в папке dist/ Каталог.

Опубликовано в PyPI ::

uv publish

Разработчики могут внести свой вклад в код или документацию, отправив запрос на выгрузку через GitHub.

сценарий применения

научные исследования
Аспиранты пишут обзор литературы, вводят вопрос, а затем инструмент ищет академические ресурсы, генерирует отчет и экономит время на организацию.
анализ рынка
Аналитики изучают тенденции развития отрасли, например "Cloud Computing Market Forecast 2025", и собирают авторитетные данные для составления аналитических отчетов.
создание контента
Журналисты готовят справочную информацию для статей, а инструменты предоставляют достоверную информацию и цитаты для создания структурированных отчетов.
Образовательная поддержка
Учителя готовят учебные материалы, вводят темы, а затем инструмент генерирует отчеты, содержащие актуальную информацию, подходящую для использования в классе.

QA

Является ли исследование MCP Server Deep Research платным?
Он полностью бесплатный, под лицензией MIT, а код находится в открытом доступе на GitHub.
Обязательно ли использовать Claude Desktop?
Да, текущая версия опирается на фреймворк MCP от Claude Desktop.
Как обеспечивается достоверность отчета?
Источники фильтруются по рейтингу достоверности (0-1), причем приоритет отдается информации с рейтингом выше 0,7, а пользователи могут проверять ссылки.
Поддерживает ли он автономное использование?
Не поддерживается, для веб-поиска требуется подключение к Интернету.
Как поступить с отсутствующим файлом requirements.txt?
Попробуйте установить общие библиотеки (такие как requests, иpydantic), или следите за обновлениями в репозитории GitHub и отправляйте запросы о проблемах.