ディープリサーチ MCP サーバー

「ディープリサーチ」MCPサーバーは何をするか？

ディープリサーチ MCP サーバーは、AIの力を活用して複雑なトピックの総合的な調査を支援し、リサーチプロセスを効率化するために設計されています。AIアシスタントと外部データソースの橋渡し役として、リサーチクエスチョンの展開、主要概念の特定、構造化された引用付きレポートの作成までの流れを自動化します。このサーバーはウェブ検索、コンテンツ分析、レポート統合を組み合わせ、質問の詳細化・サブクエスチョン生成・関連リソースの収集・根拠に基づく結論の導出をサポートします。開発者や研究者が深堀り調査を行い、信頼できる情報源を発掘し、調査成果の組み立て・提示ワークフローを自動化することが主な役割です。

プロンプト一覧

• deep-research: 構造化アプローチによる総合的なリサーチタスク向け。

リソース一覧

利用可能なドキュメントやリポジトリファイルには、明示的なリソース記載はありません。

ツール一覧

server.py等のリポジトリファイルにも、明示的なツールの記載はありません。

このMCPサーバーのユースケース

• 学術研究支援：リサーチクエスチョンの展開・サブクエスチョン生成・調査結果の統合を自動化し、学生や研究者の時間を節約します。
• 市場・トレンド分析：市場やトレンドを体系的に調査し、信頼できる情報源を収集してバランスの取れたレポートを作成します。
• 技術トピックの要約：開発者や専門家が技術テーマをサブクエスチョンに分解し、ウェブ検索結果を整理して包括的なドキュメントを作成するのに役立ちます。
• コンテンツ作成支援：複雑なテーマに関する根拠付きの要約を執筆者や記者に提供し、記事やレポートの基礎資料を作ります。
• 意思決定支援：意思決定者が多角的な視点から調査し、重要な判断の前に関連データを集約できます。

セットアップ方法

Windsurf

1. Node.jsとuv/uvx等の前提条件がインストールされていることを確認します。
2. Windsurfの設定ファイルを見つけます。
3. 以下のスニペットでディープリサーチ MCP サーバーをmcpServersオブジェクトに追加します:

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

4. 設定を保存し、Windsurfを再起動します。
5. サーバーが稼働しアクセス可能か確認します。

Claude

1. こちらからClaude Desktopをダウンロード・インストールします。
2. macOSでは以下を実行します:

   python setup.py
   

3. Claudeの設定ファイルの場所:
   • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
4. mcpServers設定を次のように追加または更新します:

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

5. ファイルを保存しClaudeを再起動します。
6. deep-researchプロンプトテンプレートを選択して開始します。

Cursor

1. Node.jsとuvxがインストールされていることを確認します。
2. Cursor MCPの設定ファイルを見つけます。
3. ディープリサーチ MCP サーバーを以下のように追加します:

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

4. 設定を保存しCursorを再起動します。
5. 正常に動作しているか確認します。

Cline

1. すべての依存関係（Node.js、uvx）がインストールされていることを確認します。
2. Clineの設定ファイルを見つけます。
3. 以下のMCPサーバー設定を挿入します:

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

4. 変更を保存しClineを再起動します。
5. サーバーへアクセスできるか確認します。

APIキーの安全な管理

APIキーの安全性を高めるため、設定では環境変数を利用してください。例:

"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}"
    }
  }
}

FlowHuntフロー内でのMCPの使い方

FlowHuntでMCPサーバーをワークフローに組み込むには、まずMCPコンポーネントをフローに追加し、AIエージェントと接続します。

MCPコンポーネントをクリックして設定パネルを開き、システムMCP設定セクションに次のJSON形式でサーバー情報を入力します。

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

設定完了後、AIエージェントがこのMCPの全機能・能力をツールとして利用できるようになります。“mcp-server-deep-research"はご自身のMCPサーバー名に、URLも自身のサーバーURLに置き換えてください。

概要

当社の見解

このMCPサーバーは明確なドキュメント、分かりやすいワークフロー、プロンプトテンプレートを備えていますが、リソースやツール、rootsやサンプリングなど高度なMCP機能の詳細は不足しています。APIやツール定義が詳細でないため、特定の高度なシナリオでは柔軟性が制限される場合があります。全体的には構造化リサーチワークフローに実用的ですが、高度なカスタマイズ統合には不向きかもしれません。

MCPスコア