Deep Research MCP 🌐

下载版本

欢迎来到 Deep Research 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的搜索和爬取API，该服务器收集各种主题的详细信息，并组织这些数据以支持使用大型语言模型（LLMs）创建高质量的Markdown文档。

目录

• 功能
• 安装
• 使用
• API文档
• 贡献
• 许可
• 支持

功能

• 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并组织数据。
• Markdown生成：将收集的数据转换成结构良好的Markdown文档。
• 网络爬取：利用Tavily的搜索和爬取API进行深入的网络研究。
• Node.js和TypeScript：使用现代技术构建，以获得更好的性能和可维护性。

安装

要开始使用Deep Research MCP，请按照以下步骤操作：

1. 克隆仓库：

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

2. 导航到项目目录：

   cd deep-research-mcp
   

3. 安装依赖项：

   npm install
   

4. 运行服务器：

   npm start
   

您还可以查看版本部分以获取可下载文件和特定版本。

使用

一旦服务器启动，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。服务器将返回准备用于Markdown生成的结构化信息。

   示例请求：

   POST /api/research
   Content-Type: application/json
   
   {
     "topic": "人工智能"
   }
   

2. 接收结构化数据：

   服务器将以结构化的格式响应数据。此数据可以直接使用或转换为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的过程。

## 应用
- 医疗保健
- 金融
- 交通

## 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

我们欢迎对Deep Research MCP的改进贡献。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：

   git checkout -b feature/YourFeatureName
   

3. 进行更改。

4. 提交更改：

   git commit -m "添加您的消息"
   

5. 推送到分支：

   git push origin feature/YourFeatureName
   

6. 打开拉取请求。

许可

本项目采用MIT许可证。详情请参见LICENSE文件。

支持

如果您遇到任何问题或有疑问，请查看版本部分或在仓库中打开一个问题。

---

感谢您关注Deep Research MCP！我们希望这个工具能增强您的网络研究能力。祝编程愉快！