Servidor MCP de Investigación Profunda

¿Qué hace el Servidor MCP de “Investigación Profunda”?

El Servidor MCP de Investigación Profunda está diseñado para facilitar investigaciones completas sobre temas complejos aprovechando las capacidades de la IA para agilizar el proceso de investigación. Actuando como un puente entre asistentes de IA y fuentes de datos externas, automatiza la exploración de preguntas de investigación, la identificación de conceptos clave y la generación de informes estructurados y bien citados. El servidor integra búsqueda web, análisis de contenido y síntesis de informes, ayudando a los usuarios a elaborar preguntas, generar subpreguntas, recopilar recursos relevantes y producir conclusiones basadas en evidencia. Su función principal es empoderar a desarrolladores e investigadores para realizar investigaciones en profundidad, identificar fuentes autorizadas y automatizar el flujo de trabajo de compilación y presentación de hallazgos.

Lista de Prompts

• deep-research: Adaptado para tareas de investigación completas con un enfoque estructurado.

Lista de Recursos

No se describen recursos explícitos en la documentación o archivos del repositorio disponibles.

Lista de Herramientas

No se enumeran herramientas explícitas en los archivos del repositorio disponibles, incluyendo server.py o equivalente.

Casos de Uso de este Servidor MCP

• Asistencia en Investigación Académica: Automatiza el proceso de elaboración de preguntas de investigación, generación de subpreguntas y síntesis de hallazgos, ahorrando tiempo a estudiantes y académicos.
• Análisis de Mercado o Tendencias: Permite a los usuarios realizar investigaciones estructuradas sobre mercados o tendencias, recopilando fuentes autorizadas y presentando informes equilibrados.
• Resumen de Temas Técnicos: Ayuda a desarrolladores y profesionales a desglosar temas técnicos en subpreguntas, organizar resultados de búsqueda web y producir documentación completa.
• Apoyo en Creación de Contenidos: Proporciona a escritores y periodistas resúmenes bien citados y basados en evidencia sobre temas complejos para artículos o informes.
• Soporte a la Toma de Decisiones: Ayuda a los responsables de la toma de decisiones a explorar múltiples perspectivas y recopilar datos relevantes antes de sacar conclusiones sobre asuntos importantes.

Cómo configurarlo

Windsurf

1. Asegúrese de que los prerrequisitos como Node.js y uv/uvx estén instalados.
2. Ubique su archivo de configuración de Windsurf.
3. Agregue el Servidor MCP de Investigación Profunda al objeto mcpServers con el siguiente fragmento:

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

4. Guarde la configuración y reinicie Windsurf.
5. Verifique que el servidor esté en funcionamiento y sea accesible.

Claude

1. Descargue e instale Claude Desktop desde aquí.
2. En macOS, ejecute:

   python setup.py
   

3. Ubique su archivo de configuración de Claude:
   • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
4. Agregue o actualice la configuración de mcpServers como sigue:

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

5. Guarde el archivo y reinicie Claude.
6. Seleccione la plantilla de prompt deep-research para comenzar.

Cursor

1. Asegúrese de que Node.js y uvx estén instalados.
2. Ubique el archivo de configuración MCP de Cursor.
3. Agregue el Servidor MCP de Investigación Profunda usando:

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

4. Guarde la configuración y reinicie Cursor.
5. Confirme que esté operativo.

Cline

1. Asegúrese de que todas las dependencias (Node.js, uvx) estén instaladas.
2. Encuentre el archivo de configuración de Cline.
3. Inserte la siguiente configuración de Servidor MCP:

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

4. Reinicie Cline después de guardar los cambios.
5. Verifique la accesibilidad del servidor.

Protección de claves API

Para proteger las claves API, utilice variables de entorno en su configuración. Ejemplo:

"mcpServers": {
  "mcp-server-deep-research": {
    "command": "uvx",
    "args": [
      "--directory",
      "/path/to/mcp-server-deep-research",
      "run",
      "mcp-server-deep-research"
    ],
    "env": {
      "API_KEY": "${API_KEY}"
    },
    "inputs": {
      "api_key": "${API_KEY}"
    }
  }
}

Cómo usar este MCP dentro de los flujos

Uso del MCP en FlowHunt

Para integrar servidores MCP en su flujo de trabajo de FlowHunt, comience agregando el componente MCP a su flujo y conectándolo a su agente de IA:

Haga clic en el componente MCP para abrir el panel de configuración. En la sección de configuración MCP del sistema, inserte los detalles de su servidor MCP usando este formato JSON:

{
  "mcp-server-deep-research": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Una vez configurado, el agente de IA podrá utilizar este MCP como herramienta con acceso a todas sus funciones y capacidades. Recuerde cambiar “mcp-server-deep-research” por el nombre real de su servidor MCP y reemplazar la URL por la de su propio servidor MCP.

Resumen

Nuestra opinión

Este servidor MCP proporciona documentación clara, un flujo de trabajo bien descrito y plantillas de prompts, pero carece de detalles explícitos sobre recursos, herramientas o funciones avanzadas MCP como roots y muestreo. La ausencia de una API detallada o listado de herramientas limita su flexibilidad para algunos escenarios avanzados. En general, es práctico para flujos de trabajo de investigación estructurada pero menos adecuado para integraciones altamente personalizadas.

Puntuación MCP