深度研究MCP 🌐

下载发布版本

欢迎来到深度研究MCP仓库！该项目提供了一个符合模型上下文协议（MCP）的服务器。它旨在促进全面的网络研究。通过利用Tavily的搜索和爬虫API，该服务器收集各种主题的详细信息，并将这些数据结构化，以支持使用大型语言模型（LLMs）创建高质量的Markdown文档。

目录

• 特性
• 安装
• 使用
• API 文档
• 贡献
• 许可证
• 支持

特性

• MCP 兼容性：服务器遵循模型上下文协议，确保与各种工具和服务的兼容性。
• 数据聚合：高效地从多个来源收集和结构化数据。
• Markdown 生成：将收集的数据转换为结构良好的Markdown文档。
• 网络爬虫：利用Tavily的搜索和爬虫API进行深入的网络研究。
• Node.js 和 TypeScript：使用现代技术构建，以提高性能和可维护性。

安装

要开始使用深度研究MCP，请按照以下步骤操作：

1. 克隆仓库：

   bash
   git clone https://github.com/ali-kh7/deep-research-mcp.git

2. 导航到项目目录：

   bash
   cd deep-research-mcp

3. 安装依赖项：

   bash
   npm install

4. 运行服务器：

   bash
   npm start

您还可以查看发布版本部分，获取可下载文件和特定版本。

使用

一旦服务器运行起来，您可以通过API与其交互。以下是有效使用它的方法：

1. 发送请求以收集信息：

   您可以向服务器发送一个带有特定主题的请求来收集数据。服务器将以准备用于Markdown生成的结构化信息形式返回数据。

   示例请求：

   http
   POST /api/research
   Content-Type: application/json

   {
   "topic": "人工智能"
   }

2. 接收结构化数据：

   服务器以结构化格式响应数据。这些数据可以直接使用或转换成Markdown文档。

3. 生成Markdown文档：

   可以使用API中提供的函数将结构化数据转换为Markdown。

示例Markdown输出

人工智能

概述

人工智能（AI）是指在机器中模拟人类智能。

应用

• 医疗保健
• 金融
• 交通运输

结论

AI正在改变行业并塑造未来。

API 文档

有关详细的API文档，请参阅此仓库中的docs文件夹。它包含了所有可用端点、请求格式和响应结构的信息。

端点

• POST /api/research：收集特定主题的信息。
• GET /api/status：检查服务器状态。

贡献

我们欢迎贡献以改进深度研究MCP。如果您想贡献，请按照以下步骤操作：

1. 分叉仓库。

2. 创建新分支：

   bash
   git checkout -b feature/YourFeatureName

3. 进行更改。

4. 提交更改：

   bash
   git commit -m "添加您的消息"

5. 推送到分支：

   bash
   git push origin feature/YourFeatureName

6. 打开拉取请求。

许可证

本项目根据MIT许可证许可。详情请参见LICENSE文件。

支持如果您遇到任何问题或有疑问，请查看发行版部分，或在仓库中提出问题。

感谢您关注 Deep Research MCP！我们希望此工具能够增强您的网络研究能力。祝您编码愉快！