deep-research-mcp 的安装和配置教程

1. 项目的基础介绍和主要的编程语言

deep-research-mcp 是一个开源项目，它是一个基于人工智能的研究助手，能够对任何主题进行深度、迭代的研究。该项目结合了搜索引擎、网页抓取和人工智能技术，以深入探索主题并生成全面的报告。它既可以作为一个模型上下文协议（MCP）工具，也可以作为独立的命令行界面（CLI）使用。通过查看 exampleout.md 文件，可以看到报告的一个示例。

该项目主要使用 TypeScript（98.6%）和 JavaScript（1.1%）编写。

2. 项目使用的关键技术和框架

• 搜索引擎和网页抓取：项目通过生成针对性的搜索查询，利用搜索引擎和网页抓取技术进行深度研究。
• 人工智能：使用人工智能对搜索结果进行评估，生成可靠性评分，并优先考虑高可靠性（≥0.7）的来源。
• 模型上下文协议（MCP）：项目支持作为 MCP 工具使用，以便与 AI 代理进行交互。
• Markdown 报告生成：生成的报告采用 Markdown 格式，详细记录学习内容、来源和可靠性评估。

3. 项目安装和配置的准备工作和详细的安装步骤

准备工作

在开始安装之前，请确保您的系统中已安装以下软件：

• Node.js：项目依赖于 Node.js 环境。
• Git：用于克隆项目代码。

安装步骤

1. 克隆项目仓库

   打开终端（或命令提示符），运行以下命令克隆项目：

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

2. 进入项目目录

   克隆完成后，进入项目目录：

   cd deep-research-mcp
   

3. 安装依赖

   在项目目录中，使用以下命令安装项目依赖：

   npm install
   

4. 设置环境变量

   复制 .env.example 文件为 .env.local 并根据实际情况编辑环境变量：

   cp .env.example .env.local
   

   打开 .env.local 文件，根据需要配置环境变量。

5. 构建项目

   运行以下命令构建项目：

   npm run build
   

6. 运行 CLI 版本

   使用以下命令运行 CLI 版本的研究查询：

   npm run start "Your research query here"
   

   替换 "Your research query here" 为您的研究查询。

7. （可选）设置本地 Firecrawl

   如果需要使用本地 Firecrawl，请按照以下步骤操作：

   • 克隆本地 Firecrawl 仓库：

     git clone https://github.com/Ozamatash/localfirecrawl.git
     cd localfirecrawl
     

   • 按照本地 Firecrawl 的 README 文档进行设置。

   • 更新 .env.local 文件中的 FIRECRAWL_BASE_URL：

     FIRECRAWL_BASE_URL=http://localhost:3002
     

8. （可选）添加 observability

   如果需要添加可观测性来跟踪研究流程、查询和结果，请按照以下步骤操作：

   • 在 .env.local 文件中添加 Langfuse 公钥和私钥：

     LANGFUSE_PUBLIC_KEY=your_langfuse_public_key
     LANGFUSE_SECRET_KEY=your_langfuse_secret_key
     

   • 如果没有提供 Langfuse 密钥，应用程序将正常工作，但不会启用可观测性。

以上步骤完成后，您就可以开始使用 deep-research-mcp 进行研究了。