Claude's MCP-Dienst für die Erstellung ausführlicher Forschungsberichte

Allgemeine Einführung

MCP Server Deep Research ist ein Open-Source-Tool, das mithilfe von künstlicher Intelligenz und Websuche automatisch strukturierte Forschungsberichte für komplexe Probleme erstellt. Benutzer geben eine Forschungsfrage ein, und das Tool zerlegt die Frage, sucht nach maßgeblichen Informationen, bewertet die Glaubwürdigkeit von Quellen und erstellt einen Markdown-Bericht mit Zitaten. Das Tool basiert auf Modell-Kontext-Protokoll (MCP), mit dem Claude Nahtlose Integration mit Plattformen wie Desktop für akademische Forschung, Marktanalyse und Inhaltserstellung.

Funktionsliste

• Zerlegt Forschungsfragen automatisch und erstellt Unterfragen, um mehrere Aspekte des Themas abzudecken.
• Integrierte Websuche, um maßgebliche Informationen zu finden und verschiedene Perspektiven zu sammeln.
• Bewerten Sie die Glaubwürdigkeit der Quelle, indem Sie eine Skala von 0 bis 1 erstellen.
• Integrieren Sie Informationen aus verschiedenen Quellen, um strukturierte Markdown-Rechercheberichte zu erstellen.
• Unterstützung bei der Anpassung der Tiefe und des Umfangs der Recherche und der Kontrolle des Detaillierungsgrads der Berichte.
• Geben Sie eine klare Liste von Zitaten an, um die Nachvollziehbarkeit des Inhalts zu gewährleisten.
• Integration mit MCP-kompatiblen Plattformen wie Claude Desktop zur Erweiterung der Funktionalität.

Hilfe verwenden

Einbauverfahren

Um MCP Server Deep Research zu verwenden, müssen Sie eine Python-Umgebung installieren und Claude Desktop konfigurieren:

1. Überprüfung der Systemanforderungen
   • Stellen Sie sicher, dass Python 3.8 oder höher installiert ist. Führen Sie den folgenden Befehl aus, um dies zu überprüfen:

     python --version
     

   • Installieren Sie Git, um den Projektcode herunterzuladen:

     git --version
     

   • Eine virtuelle Umgebung wird empfohlen, um Abhängigkeitskonflikte zu vermeiden:

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

2. Projektlager klonen
   Laden Sie den Code von GitHub herunter:

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

3. Installation von Abhängigkeiten
   Verwendung des Projekts uv Verwaltete Abhängigkeit, aber nicht vom Lager bereitgestellt requirements.txt Dokumentation. Basierend auf der offiziellen Dokumentation und den Konventionen ähnlicher Projekte wird angenommen, dass die Abhängigkeiten die requestsundpydantic und andere Python-Bibliotheken. Installation uv::

   pip install uv
   

   in Ermangelung requirements.txtEs wird empfohlen, das Projekt direkt auszuführen und die fehlenden Bibliotheken anhand der gemeldeten Fehler manuell zu installieren oder die offizielle Dokumentation für spätere Aktualisierungen zu Rate zu ziehen. Normalerweise können die erforderlichen Bibliotheken mit den folgenden Befehlen installiert werden:

   pip install requests pydantic
   

   Wenn das Projekt seine Abhängigkeitsverwaltung aktualisiert (z. B. Hinzufügen von pyproject.toml vielleicht requirements.txt), überprüfen Sie bitte Ihr GitHub-Repository auf die neuesten Übertragungen.

4. Installation von Claude Desktop
   • durch (eine Lücke) claude.ai/download Laden Sie Claude Desktop herunter (macOS und Windows werden unterstützt).
   • Nach der Installation öffnen Sie die App und melden sich an, um sicherzustellen, dass Ihre Internetverbindung funktioniert.
5. MCP-Server konfigurieren
   Bearbeiten Sie die Konfigurationsdatei von Claude Desktop, um die MCP-Server-Einstellungen hinzuzufügen:
   • Pfad der Konfigurationsdatei:
     • macOS. ~/Library/Application Support/Claude/claude_desktop_config.json
     • Fenster. %APPDATA%\Claude\claude_desktop_config.json
   • Fügen Sie Folgendes hinzu (veröffentlichte Serverkonfiguration):

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

   • Wenn Sie eine Entwicklungsversion des Servers verwenden, konfigurieren Sie ihn wie folgt:

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

     Oberbefehlshaber (Militär) /path/to/mcp-server-deep-research Ersetzen Sie durch den tatsächlichen Projektpfad.

6. Starten Sie den Server
   Im Projektverzeichnis ausführen:

   uv run mcp-server-deep-research
   

   Beim Starten lädt der Server die deep-research Fordern Sie Vorlagen an und seien Sie bereit, Forschungsfragen zu akzeptieren. Wenn Sie nach fehlenden Abhängigkeiten gefragt werden, installieren Sie die in der Fehlermeldung genannten Bibliotheken.

Verwendung

Die Hauptfunktion von MCP Server Deep Research ist die automatische Erstellung von Forschungsberichten. Im Folgenden wird der Arbeitsablauf beschrieben:

1. die Vorbereitung der Forschungsfragen

Öffnen Sie in Claude Desktop die Vorlage MCP Prompts und wählen Sie die Option deep-research.. Geben Sie eine spezifische Forschungsfrage ein, zum Beispiel:

• "Analyse der künstlichen Intelligenz im Gesundheitswesen".
• "Forschung zu den neuesten technologischen Fortschritten im Bereich der nachhaltigen Energie"
  Klare Fragen verbessern die Qualität des Berichts.

2. die Konfiguration der Studienparameter

Konfigurieren Sie Tuning-Parameter über JSON:

• depthTiefe des Studiums (1-5, wobei höhere Werte mehr Details bedeuten).
• breadthBreite der Forschung (1-10, je höher der Wert, desto mehr Themen werden abgedeckt).
  Beispiel:

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

Stellen Sie die Parameter in der Eingabemaske von Claude Desktop ein.

3) Durchführungsstudien

Nachdem Sie eine Frage eingereicht haben, führt das Tool sie automatisch aus:

• Verfeinerung der Fragestellung Zerlegen Sie das Hauptproblem in Teilprobleme (z. B. "Rolle der KI in der Diagnostik", "Anwendung der KI in der Arzneimittelforschung").
• Suche im Internet : Nutzen Sie die integrierte Suche von Claude, um wissenschaftliche Artikel, Nachrichten und mehr zu finden.
• Inhaltsanalyse Bewertung der Glaubwürdigkeit von Quellen (auf einer Skala von 0-1, basierend auf Autorität und Aktualität) und Überprüfung auf qualitativ hochwertige Informationen.
• Erstellung von Berichten Konsolidierung von Informationen und Erstellung von Markdown-Berichten mit Übersicht, Analyse, Schlussfolgerungen und Zitaten.

4. die Anzeige des Berichts

Der Bericht wird gespeichert in dist/ Ordner, wobei der Dateiname eine kurze Beschreibung der Forschungsfrage ist (z. B. ai_medical_applications.md). Struktur der Berichterstattung:

• Einführung Skizzieren Sie die Probleme und Ziele.
• Hauptteil : Die Analysen der Unterthemen werden in Segmenten dargestellt.
• zu einem Urteil gelangen Zusammenfassung der wichtigsten Ergebnisse.
• Zitat Nennen Sie die Quellen und ihre Glaubwürdigkeit.
  Die Benutzer können Markdown-Dateien öffnen oder sie zur Bearbeitung in Tools wie Obsidian importieren.

5. die Inbetriebnahme und Protokollierung

Wenn die Berichterstellung fehlschlägt, prüfen Sie das Protokoll:

• macOS.

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

• Fenster.

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

Das Protokoll zeigt den Suchvorgang und Fehlermeldungen.

Featured Function Bedienung

• Generierung von Unterthemen Komplexe Themen wie "nachhaltige Energie" werden automatisch in "Fortschritte in der Solartechnologie" und "Kosteneffizienz der Windenergie" unterteilt.
• Bewertung der Glaubwürdigkeit Quellen werden mit 0-1 bewertet, wobei Quellen mit einem Wert über 0,7 aufgrund ihrer Autorität und Aktualität bevorzugt werden.
• Markdown-Berichte Formatierung: Die Formatierung ist einheitlich, enthält Überschriften, Absätze und Zitate und ist für den akademischen oder beruflichen Gebrauch geeignet.
• Flexible Parameter Anpassungen depth im Gesang antworten breadthIm Folgenden finden Sie einige Beispiele für die Arten von Analysen, die zur Erstellung von kurzen Zusammenfassungen oder detaillierten Analysen verwendet werden können.

caveat

• Vergewissern Sie sich, dass Claude Desktop angemeldet ist und über ein stabiles Netzwerk verfügt, und dass für die Suchfunktion das Internet erforderlich ist.
• hoch depth vielleicht breadth Kann die Laufzeit verlängern, Standardeinstellung für die erste Verwendung empfohlen (depth=2, breadth=4).
• Überprüfen Sie Ihre GitHub-Repositories regelmäßig main Verzweigen Sie sich und erhalten Sie Updates.
• Mangel an requirements.txt Dies kann zu Installationsproblemen führen. Wir empfehlen daher, in der offiziellen Dokumentation nach Aktualisierungen zu suchen oder eine Anfrage zu stellen.

Unterstützung für Entwickler

Wenn Sie die Funktionalität anpassen möchten, lesen Sie bitte den Abschnitt "Entwicklung" der offiziellen Dokumentation:

• Synchronisationsabhängigkeit ::

uv sync

• Erstellung von Verteilungspaketen ::

uv build

Das erzeugte Paket befindet sich im Verzeichnis dist/ Katalog.

• Veröffentlicht bei PyPI ::

uv publish

Entwickler können Code oder Dokumentation beisteuern, indem sie einen Pull-Request über GitHub einreichen.

Anwendungsszenario

1. akademische Forschung
   Postgraduierte Studenten schreiben eine Literaturübersicht, geben eine Frage ein und das Tool durchsucht dann die akademischen Ressourcen, erstellt einen Bericht und spart Zeit bei der Organisation.
2. Marktanalyse
   Analysten untersuchen Branchentrends wie "Cloud Computing Market Forecast 2025" und Tools sammeln maßgebliche Daten, um analytische Berichte zu erstellen.
3. Erstellung von Inhalten
   Journalisten bereiten Hintergrundinformationen für Artikel vor, und Tools liefern zuverlässige Informationen und Zitate, um strukturierte Berichte zu erstellen.
4. Pädagogische Unterstützung
   Die Lehrer bereiten Unterrichtsmaterialien vor, geben Themen ein und das Tool erstellt dann Berichte mit aktuellen Informationen, die für den Einsatz im Unterricht geeignet sind.

QA

1. Ist die MCP-Server-Tiefenforschung kostenpflichtig?
   Es ist völlig kostenlos, unter der MIT-Lizenz, und der Code ist öffentlich auf GitHub verfügbar.
2. Muss ich Claude Desktop verwenden?
   Ja, die aktuelle Version basiert auf dem MCP-Framework von Claude Desktop.
3. Wie wird die Glaubwürdigkeit des Berichts sichergestellt?
   Die Quellen werden nach ihrer Glaubwürdigkeit (0-1) gefiltert, wobei Informationen mit einer Bewertung über 0,7 Vorrang haben, und die Nutzer können die Zitate überprüfen.
4. Unterstützt es die Offline-Nutzung?
   Nicht unterstützt, die Websuche erfordert eine Internetverbindung.
5. Wie geht man mit einer fehlenden requirements.txt um?
   Versuchen Sie, gängige Bibliotheken zu installieren (wie z.B. requestsundpydantic), oder folgen Sie dem GitHub-Repository für Updates und reichen Sie Fehleranfragen ein.